دوره 14، شماره 6 - ( بهمن و اسفند 1399 )
جلد 14 شماره 6 صفحات 505-497 |
برگشت به فهرست نسخه ها
Ethics code: IR.TUMS.SPH.REC.1399.073
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mohammadzadeh N, mosayebi Z, Beigy H, Shojaeinia M. Prediction of Sepsis Due to Acinetobacter Infection in Neonates Admitted to NICU. payavard 2021; 14 (6) :497-505
URL: http://payavard.tums.ac.ir/article-1-7011-fa.html
URL: http://payavard.tums.ac.ir/article-1-7011-fa.html
محمدزاده نیلوفر، مسیبی زیبا، بیگی حمید، شجاعی نیا محمد. پیش بینی سپسیس به دلیل عفونت اسینتوباکتر در نوزادان بستری در بخش مراقبت های ویژه نوزادان. پیاورد سلامت. 1399; 14 (6) :497-505
نیلوفر محمدزاده1 
، زیبا مسیبی2 ، حمید بیگی3 ، محمد شجاعی نیا* 4
، زیبا مسیبی2 ، حمید بیگی3 ، محمد شجاعی نیا* 4
1- استادیار گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران
2- استاد گروه بیماری‌های کودکان، دانشکده پزشکی، دانشگاه علوم پزشکی تهران ، تهران، ایران
3- دانشیار گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف، تهران،ایران
4- کارشناس ارشد انفورماتیک پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران ،mohashoj2004@gmail.com
2- استاد گروه بیماری‌های کودکان، دانشکده پزشکی، دانشگاه علوم پزشکی تهران ، تهران، ایران
3- دانشیار گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف، تهران،ایران
4- کارشناس ارشد انفورماتیک پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران ،
چکیده: (1831 مشاهده)
زمینه و هدف: سپسیس، مهمترین بیماری ۲۸ روز اول زندگی و از دلایل اصلی مرگ‌و‌میر نوزادان در بخش مراقبت‌های ویژه می‌باشد. سپسیس نوزادی می‌تواند از علایم بالینی عفونت‌های بیمارستانی باشد. از‌این‌رو هدف از این پژوهش، ایجاد و ارزیابی مدل پیش‌بینی سپسیس بیمارستانی و ارایه نتایج آن به ارایه‌دهندگان خدمات مراقبت سلامت است.
روش بررسی: در این مطالعه‌ی توصیفی کاربردی، جامعه‌ی پژوهش شامل نوزادان بستری در بخش مراقبت‌های ویژه بیمارستان ولیعصر(عج) تهران و نمونه پژوهش، داده‌های ثبت شده‌ی ۴۱۹۶ نوزاد بستری شده در این بخش از سال ۹۵ تا شهریور‌ماه ۹۹ می‌باشد. ویژگیهای اولیه جهت ایجاد مدل پیش‌بینی بیماری سپسیس با بررسی منابع اطلاعاتی مرتبط و مطابق با نظر استادان و مسئولان مرکز تحقیقات مادر و جنین بیمارستان ولیعصر تهیه گردید و روایی آن توسط ۵ نفر از استادان فوق‌تخصص نوزادان این بیمارستان تایید شد. در این پژوهش از الگوریتم‌های یادگیری ماشین جهت ایجاد مدل پیش‌بینی سپسیس استفاده شده است.
یافته‌ها: برای ارزیابی مدل‌های ایجاد شده، از پارامترهای Accuracy و AUROC (سطح زیرمنحنیROC) استفاده شد. بیشترین مقدار Accuracy و AUROC به‌ترتیب مربوط به الگوریتم‌های Adaptive Boosting و جنگل تصادفی می‌باشد.
نتیجه‌گیری: منحنی‌های یادگیری نشان می‌دهد که با استفاده از نمونه‌های آموزشی مختلف و انتخاب پیچیده‌تر ویژگیهای ترکیبی، عملکرد مدل‌ها بهبود می‌یابد. تحقیقات بیشتر برای ارزیابی اثربخشی بالینی مدل‌های یادگیری ماشین در یک کارآزمایی ضروری است.
روش بررسی: در این مطالعه‌ی توصیفی کاربردی، جامعه‌ی پژوهش شامل نوزادان بستری در بخش مراقبت‌های ویژه بیمارستان ولیعصر(عج) تهران و نمونه پژوهش، داده‌های ثبت شده‌ی ۴۱۹۶ نوزاد بستری شده در این بخش از سال ۹۵ تا شهریور‌ماه ۹۹ می‌باشد. ویژگیهای اولیه جهت ایجاد مدل پیش‌بینی بیماری سپسیس با بررسی منابع اطلاعاتی مرتبط و مطابق با نظر استادان و مسئولان مرکز تحقیقات مادر و جنین بیمارستان ولیعصر تهیه گردید و روایی آن توسط ۵ نفر از استادان فوق‌تخصص نوزادان این بیمارستان تایید شد. در این پژوهش از الگوریتم‌های یادگیری ماشین جهت ایجاد مدل پیش‌بینی سپسیس استفاده شده است.
یافته‌ها: برای ارزیابی مدل‌های ایجاد شده، از پارامترهای Accuracy و AUROC (سطح زیرمنحنیROC) استفاده شد. بیشترین مقدار Accuracy و AUROC به‌ترتیب مربوط به الگوریتم‌های Adaptive Boosting و جنگل تصادفی می‌باشد.
نتیجه‌گیری: منحنی‌های یادگیری نشان می‌دهد که با استفاده از نمونه‌های آموزشی مختلف و انتخاب پیچیده‌تر ویژگیهای ترکیبی، عملکرد مدل‌ها بهبود می‌یابد. تحقیقات بیشتر برای ارزیابی اثربخشی بالینی مدل‌های یادگیری ماشین در یک کارآزمایی ضروری است.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
