محمد مهدی سلطان دلال، سعید واحدی، ابوالفضل نجاریان، عقیل دستباز، تاج الملوک کفاشی، الهام پیرهادی، آناهیتا کامکار، طاهره فرامرزی، وحید مهدوی،
دوره 2، شماره 1 - ( 6-1387 )
چکیده
زمینه و هدف: افزودنی های مواد غذایی یک واژه کلی برای ترکیباتی است که به منظور دوام یا بهتر نمودن ظاهر غذا, ترکیب, طعم, ارزش غذایی به مواد غذایی اضافه می شود. رنگ ها نیز جزو این دسته از مواد بوده که برای افزایش جذابیت مواد غذایی به آنها افزوده می شوند . هدف از این مطالعه، بررسی وضعیت نوع رنگ های مصرفی در آب آلبالو و آب زرشک تولیدی شهر تهران بود.
روش بررسی : تعداد 336 نمونه آب آلبالو و آب زرشک سنتی از مناطق مختلف شهر تهران بصورت تصادفی نمونه برداری شد. نمونه ها پس از استخراج رنگ با اسیدکلریدریک و تخلیص با روش کروماتوگرافی با لایه نازک Thin Layer Chromatography)T.L.C) مورد آنالیز قرار گرفتند. نمونه ها با توجه به فاکتور نگهداری ( (Rf مورد شناسایی قرارگرفتند.
یافته ها: 89 درصد از کل نمونه ها حاوی رنگ بودند از میان کل نمونه های رنگی ، 62 نمونه(5/18در صد) حاوی رنگ مصنوعی غیر مجاز خوراکی، 237 نمونه (5/70در صد) حاوی رنگ مصنوعی مجاز خوراکی برای تولید کننده های صنعتی و 37 نمونه(11در صد) حاوی رنگ طبیعی بود. رنگ کارمیوزین (CARMOISINE) بیشترین مورد مصرف در میان رنگ های مورداستفاده در آب آلبالو و آب زرشک بررسی شده بود.
نتیجه گیری:. دارا بودن هزینه پایین، پایداری، pH،خلوص و شرایط محیطی سبب شده است که مصرف رنگ های خوراکی بدون توجه به عوارض آنها ویا بدون توجه به کیفیت خوراکی آنها رو به فزونی یابد. بنا براین پیشنهاد می گردد که افزایش آگاهی تولید کنندگان ومصرف کنندگان می تواندراه حلی جهت کاهش مصرف اینگونه رنگ ها درآب آلبالو و آب زرشک باشد.
سارا هاشمی، شهلا فرامرزی، لعیا رحمانی پیروزی، آزیتا یزدانی،
دوره 18، شماره 2 - ( 10-1403 )
چکیده
زمینه و هدف: سوختگی یکی از شایع‌ترین آسیب‌ها در سراسر جهان و ششمین عامل مرگ‌و میر در ایران است. چالش‌های مربوط به میزان بقای بیماران دچار سوختگی و همچنین مرگ‌و میر ناشی از آن، منجر به پیشرفت در شناسایی عوامل خطر شده است. تشخیص زودهنگام و شناخت عوامل خطر ضروری است و ارایه مدل‌های پیش‌بینی‌کننده می‌تواند مفید باشد. بر این اساس، این پژوهش با هدف مرور عملکرد هوش مصنوعی در پیش‌بینی بقا در بیماران سوختگی انجام گردید.
روش‌بررسی: این مطالعه از نوع مرور نظاممند است. جستجوی جامع پایگاه‌های Scopus، PubMed، (Institute of Electrical and Electronics Engineers (IEEE و Web of Science بدون محدودیت زمانی شروع تا ژانویه ۲۰۲۳ انجام شد. این مطالعه مرور نظاممند بر اساس موارد ترجیحی گزارش برای بررسی‌های سیستماتیک و متاآنالیز انجام گردید. کلمات کلیدی و اصطلاحات مش مرتبط با سوختگی، هوش مصنوعی، بقا و پیش‌بینی در استراتژی سرچ به‌کار رفتند.
یافته‌ها: از ۳۵۹۹ مطالعه‌ی شناسایی شده، نه مطالعه در تجزیه و تحلیل قرار گرفتند. بر اساس گزارش مقالات، عوامل مؤثر شناخته شده در پیش‌بینی بقا در بیماران سوختگی، به چهار دسته‌ی اطلاعات دموگرافیک، بالینی، آزمایشگاهی و بیماری‌های همراه طبقه‌‌بندی شدند. از عوامل مؤثر شناخته شده در بقای بیماران که در بیش از ۴۰ درصد از مطالعات مورد بررسی قرار گرفته عبارتند از: سن، جنسیت، محاسبه سطح کلی سوختگی در بدن، آسیب ناشی از استنشاق و نوع سوختگی. نتایج نشان داد که در مطالعات مورد بررسی، حجم کم‌ترین مجموعه داده مورد استفاده در تحلیل‌ها ۹۲ نمونه بوده است. در مقابل، حجم بیشترین مجموعه داده مورد استفاده ۶۶۶۱۱ نمونه گزارش شده است. در ۳۳ درصد مطالعات، الگوریتم‌های شبکه عصبی مصنوعی و جنگل تصادفی بهترین عملکرد را داشتند. معیارهای مورد استفاده برای ارزیابی مدل‌ها در مطالعات بازیابی شده متفاوت است.
نتیجه‌گیری: به کارگیری الگوریتم‌های یادگیری ماشین در پیش‌بینی بقای بیماران سوختگی و تعیین عوامل مؤثر امیدوارکننده و مفید هستند. نتایج حاصل از عوامل مؤثر شناخته شده می‌تواند به پژوهشگران حوزه‌ی علم داده در مرحله درک داده کمک‌کننده باشد و در جمع‌آوری مجموعه داده‌ی اولیه به عنوان یک نقشه‌ی راه عمل کند.
