جستجو در مقالات منتشر شده


3 نتیجه برای نوزادان

رضا صفدری، ملیحه کدیور، پریناز تبری، هالا شاوکی اون،
دوره 11، شماره 5 - ( 10-1396 )
چکیده

زمینه و هدف: زردی در نوزادان مبحثی است که برای متخصصان در سراسر دنیا بسیار مهم تلقی می شود. زیرا این بیماری یکی از عمده ترین وضعیت هایی است که به توجه بالینی نیازمند است. هدف از انجام این پژوهش استفاده از تکنیک های طبقه بندی داده ها برای پیش بینی به موقع نوع زردی نوزادان و در نتیجه پیشگیری از آسیب های جبران ناپذیر به سلامت نوزادان بوده است.
روش بررسی: این پژوهش از نوع توصیفی بوده و با استفاده از مجموعه داده های جمع آوری شده درباره ی زردی نوزادان در شهر قاهره مصر انجام شده است. در این بررسی پس از پیش پردازش داده ها، تکنیک های داده کاوی از قبیل درخت تصمیم، Naïve Bayes و k)kNN نزدیکترین همسایه) در نرم افزار Orange بررسی، مقایسه و تحلیل شده است.
یافته ها: یافته های حاصل از پژوهش نشان داد که الگوریتم درخت تصمیم با دقت ۹۴ درصد، الگوریتم Naïve Bayes با دقت ۹۱ درصد و الگوریتم نزدیک ترین همسایه با دقت ۸۹ درصد نوع زردی در نوزادان را طبقه بندی می کنند. بنابراین بهترین الگوریتم از لحاظ دقت عملکرد در بین روش های طبقه بندی کننده، الگوریتم درخت تصمیم شناخته شد. 
نتیجه گیری: استفاده از الگوریتم های طبقه بندی در ساخت سیستم های تصمیم یار می تواند به پزشکان در تصمیم گیری درباره نوع بیماری ها کمک کند و متخصصان می توانند برای رسیدگی به بیماران متناسب با نوع بیماری اقدام کنند که طی آن مخاطرات احتمالی در اثر عدم شناسایی به موقع یا صحیح بیماری کاهش خواهد یافت. 

فاطمه اسماعیلی، نجمه آشوری، سیده محبوبه حسینی زارع،
دوره 17، شماره 1 - ( 1-1402 )
چکیده

زمینه و هدف: آنتی‌بیوتیک‌ها یکی از داروهای پرمصرف هستند که کمک فراوانی به بهبود و درمان بیماری‌ها می‌کنند؛ اما تجویز نادرست و استفاده‌ی بی‌رویه از آن‌ها، سبب افزایش طول اقامت بیماران و هزینه‌های بستری می‌شود. مطالعه‌ی حاضر با هدف تعیین رابطه‌ی بین مصرف تجربی آنتی‌بیوتیک‌ها با طول مدت اقامت نوزادان نارس بستری در بیمارستان مهدیه تهران به انجام رسید.
روش بررسی: مطالعه‌ی حاضر از نوع توصیفی-تحلیلی و مقطعی است که در سال ۱۳۹۹ بر روی ۱۵۹ نفر از نوزادان نارس بستری در بخش مراقبت‌ویژه بیمارستان مهدیه شهرتهران انجام گرفت. ابزار مورد مطالعه، پرسش‌نامه ای بود که روایی آن به روش تحلیل محتوا و پایایی پرسش‌نامه با روش آلفای کرونباخ سنجیده شد. تجزیه و تحلیل اطلاعات با استفاده از نرم‌افزار SPSS و به‌کمک آماره‌های توصیفی فراوانی و درصد و آزمون آماری آنالیز واریانس یک طرفه و تی مستقل انجام گرفت. 
یافته‌ها: نتایج نشان داد که ۵۲/۲ درصد نوزادان دختر بودند و ۷۹/۹ درصد زایمان‌ها به‌صورت سزارین انجام شدند. میانگین مدت اقامت نوزادان ۳۱/۴۷ روز و میانگین تولد نوزادان ۳۰ هفته بود. بر طبق نتایج مطالعه بین طول اقامت نوزادان با مدت تجویز آنتی‌بیوتیک و تعداد دوره‌های دریافت آنتی‌بیوتیک رابطه‌ی معنی‌داری وجود داشت(۰/۰۵>P). به‌گونه‌ای که اقامت نوزادان با دوره دریافت کمتر از ۱۴ روز، تقریباً نصف اقامت نوزادان بیش از ۱۴ روز بود. همچنین رابطه‌ی معنی‌داری بین تعداد دوره‌های دریافت آنتی‌بیوتیک با طول‌مدت اقامت بیماران وجود داشت(۰/۰۵>P). با افزایش تعداد دوره دریافت آنتی‌بیوتیک، طول مدت اقامت نوزادان نیز به‌صورت معنی‌داری افزایش یافته بود. نتایج مطالعه نشان داد که بین وزن تولد نوزادان، هزینه‌ی تخت و هزینه‌ی کل با تجویز تجربی آنتی‌بیوتیک‌ها رابطه‌ی معنی‌داری وجود دارد(۰/۰۵>P).
نتیجه‌گیری: باتوجه به این‌که مصرف منطقی آنتی‌بیوتیک‌ها زمینه‌ی کاهش طول مدت اقامت نوزادان بستری را در پی دارد، تدوین پروتکل آنتی‌بیوتیکی به‌روز و مشخص از سوی وزارت بهداشت برای نوزادان نارس و آگاهی‌رسانی به پزشکان در خصوص تجویز تجربی آنتی‌بیوتیک‌ها و اجرای برنامه‌های آنتی‌بیوتیک استواردشیپ بیمارستان‌ها در بخش مراقبت‌های ویژه نوزادان، انتشار راهنماهای استاندارد درمانی، برگه‌های آماده شامل دستور تجویز آنتی‌بیوتیک‌ها به‌همراه دوز صحیح و آموزش بالینی پزشکان ضرورت می‌یابد.

عاطفه عباسی، سمیه نصیری، سید مصطفی مصطفوی، عباس حبیب اللهی،
دوره 19، شماره 4 - ( 8-1404 )
چکیده

زمینه و هدف: انسفالوپاتی هیپوکسیک-ایسکمیک نوزادی یک سندرم بالینی از اختلالات عملکرد مغزی است که به‌علت آسیب‌های ناشی از کمبود اکسیژن و خون‌رسانی در مغز حادث می‌شود. ایجاد مدل‌های پیش‌بینی می‌تواند راهنمای خوبی برای پزشکان در پیش‌بینی بیماری‌ها و مداخلات زودهنگام باشد. مطالعه‌ی حاضر با هدف ایجاد مدل پیش‌بینی انسفالوپاتی هیپوکسیک-ایسکمیک نوزادان با استفاده از الگوریتم‌های داده‌کاوی انجام شده است.
روش بررسی: این مطالعه از نوع کاربردی بود که به‌روش توصیفی انجام شد. ابتدا عوامل مؤثر در پیش‌بینی انسفالوپاتی هیپوکسیک-ایسکمیک نوزادی از طریق نظرسنجی متخصصان تعیین شد. مرحله‌ی دوم، اطلاعات مربوط به ۴۰۰۰ نوزاد از سامانه ایمان موجود در پایگاه داده وزارت بهداشت، درمان و آموزش پزشکی از سال ۱۳۹۹ تا ۱۴۰۰ جمع‌آوری شد که پس از مرحله‌ی پیش‌پردازش مجموعه‌ی داده با ۳۹۶۲ رکورد با ۱۳ ویژگی استخراج شد. سپس، مدل با استفاده از الگوریتم‌های شبکه‌های عصبی، انواع درخت تصمیم، جنگل تصادفی، ماشین‌بردار پشتیبان، رگرسیون لجستیک و شبکه بیزین طراحی شد. به‌منظور ایجاد مدل‌ها از زبان برنامه‌نویسی پایتون و نرم‌افزار آناکندا استفاده شد. در نهایت، سنجه‌های صحت، دقت، ویژگی، معیار‌های F۱ و سطح زیرمنحنی (Area Under the Curve (AUC)) برای ارزیابی و مقایسه‌ی عملکرد مدل محاسبه شد.
یافته‌ها: نتایج حاصل از پژوهش نشان داد که سطح زیرمنحنی مشخصه‌ی عملکرد گیرنده (Receiver Operating Characteristic (AUROC)) مدل‌های ایجادشده با استفاده از الگوریتم‌های رگرسیون لجستیک، شبکه عصبی، جنگل تصادفی، شبکه بیزین، ماشین‌بردار پشتیبان و درخت تصمیم به‌ترتیب برابر ۸۶، ۸۶، ۸۴، ۸۲، ۷۶ و ۷۴ درصد بود. بهترین کارایی به الگوریتم رگرسیون لجستیک با دقت ۸۱، صحت ۸۵ و ویژگی ۹۶ درصد اختصاص داشت. بیشترین میزان صحت مربوط به الگوریتم‌های رگرسیون لجستیک، شبکه عصبی مصنوعی و ماشین‌بردار پشتیبان و کمترین میزان سنجه‌ها مربوط به الگوریتم بیزین ساده بود. بالاترین میزان اهمیت ویژگی‌ها در مدل پیش‌بینی انسفالوپاتی هیپوکسیک-ایسکمیک مربوط به نمره آپگار در دقیقه اول پس از تولد و کمترین میزان اهمیت مربوط به تولد نوزاد خارج از بیمارستان بود.
نتیجه‌گیری: نتایج مطالعه‌ی حاضر نشان داد که مدل پیش‌بینی انسفالوپاتی هیپوکسیک-ایسکمیک نوزادی بر مبنای الگوریتم رگرسیون لجستیک از عملکرد بهتری برخوردار بود. انتظار می‌رود که به‌کارگیری الگوریتم‌های کاربردی داده برای نوزادن مبتلا به انسفالوپاتی هیپوکسیک-ایسکمیک نقش مهمی در شناسایی سریع بیماری و ارایه درمان مناسب داشته باشد تا متخصصان مراقبت سلامت بتواند در فرصت طلایی و زمان محدود، اقدامات لازم را در جهت بهبود مراقبت باکیفیت، جلوگیری از پیشرفت بیماری و کاهش شدت پیامدهای منفی ناشی از آن انجام دهند.


صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به پیاورد سلامت می باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2026 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb