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.
