دوره 81، شماره 10 - ( دی 1402 )
جلد 81 شماره 10 صفحات 770-760 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Javanmard A, Salehan A. Seasonal impact analysis on COVID-19 severity: insights from homogeneous epidemiological hospital data using the jaccard correlation coefficient. Tehran Univ Med J 2024; 81 (10) :760-770
URL: http://tumj.tums.ac.ir/article-1-12841-fa.html
URL: http://tumj.tums.ac.ir/article-1-12841-fa.html
جوانمرد آمنه، صالحان علیرضا. بررسی تأثیر فصول بر شدت بیماری کووید-19: تجزیه‌و‌تحلیل داده‌های اپیدمیولوژیک
یکسان بیمارستانی با استفاده از ضریب همبستگی جاکارد. مجله دانشکده پزشکی، دانشگاه علوم پزشکی تهران. 1402; 81 (10) :760-770
1- گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه امام رضا (ع)، مشهد، مشهد، ایران.
2- گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه تربت حیدریه، تربت حیدریه، ایران.
2- گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه تربت حیدریه، تربت حیدریه، ایران.
چکیده: (337 مشاهده)
زمینه و هدف: در سال 1960، ویروس‌های کرونا کشف شدند. موجودات زنده درشت‌پیکر از خانواده ویروس‌های پاکت‌دار که RNA تک‌رشته‌ای با منشاء جانوری دارند. ویروس‌های کرونا در انسان می‌تواند به بیماری تنفسی خفیف یا شدید تنفسی تبدیل شوند. در سال 2020، سازمان بهداشت جهانی ویروس کووید-19 را یک بیماری همه‌گیر جهانی اعلام کرد. هدف این مطالعه استفاده از ضریب همبستگی جاکارد جهت تعیین شباهت الگوی رفتار بیماری کووید-19 در فصول مختلف سال است.
روش بررسی: در این بررسی از سیستم‌های یادگیری ماشین و معیار تشابه در تعیین الگوی رفتار بیماری کووید-19 در فصل‌های سال استفاده شد. مکان انجام مطالعه، بیمارستان موسی بن جعفر (ع) مشهد و زمان دقیق انجام مطالعه از اردیبهشت 1399 لغایت شهریور 1401 می‌باشد. علایم بیماران مبتلا با مجموعه داده تدوین‌شده مقایسه و تشابه بیماران در ماتریس شباهت تهیه و ضریب همبستگی جاکارد روی داده‌ها انجام شد. نهایتاً تحلیل سویه‌ها از ابتدای پیدایش تا آخرین سویه بررسی شد.
یافته‌ها: شاخص‌های عملکرد الگوریتم در روش تشابه جاکارد، معیار یادآوری با مقدار 94/0، معیار دقت با مقدار 1، معیار امتیاز F1 با مقدار 86/0 و معیار صحت با مقدار 76/0 را نشان داد. مهمترین فاکتورهای مؤثر در بررسی، گلبول‌های سفید خون، پلاکت، RT PCR، CT SCAN، تنگی تنفس، تب، SPO2 و تعداد تنفس می‌باشند.
نتیجه‌گیری: در این مطالعه رفتار ویروس کووید-19 با استفاده از الگوریتم‌های یادگیری ماشین با احتساب موقعیت جغرافیایی و فصلی در بیماران بررسی شد و یک الگوی واضح از ارتباط فصل‌ها در گسترش کووید-19 مشخص گردید، به‌طوری‌که در هر فصل علایم مشخصی مشاهده شده است که با سویه همان فصل مطابقت دارد.
روش بررسی: در این بررسی از سیستم‌های یادگیری ماشین و معیار تشابه در تعیین الگوی رفتار بیماری کووید-19 در فصل‌های سال استفاده شد. مکان انجام مطالعه، بیمارستان موسی بن جعفر (ع) مشهد و زمان دقیق انجام مطالعه از اردیبهشت 1399 لغایت شهریور 1401 می‌باشد. علایم بیماران مبتلا با مجموعه داده تدوین‌شده مقایسه و تشابه بیماران در ماتریس شباهت تهیه و ضریب همبستگی جاکارد روی داده‌ها انجام شد. نهایتاً تحلیل سویه‌ها از ابتدای پیدایش تا آخرین سویه بررسی شد.
یافته‌ها: شاخص‌های عملکرد الگوریتم در روش تشابه جاکارد، معیار یادآوری با مقدار 94/0، معیار دقت با مقدار 1، معیار امتیاز F1 با مقدار 86/0 و معیار صحت با مقدار 76/0 را نشان داد. مهمترین فاکتورهای مؤثر در بررسی، گلبول‌های سفید خون، پلاکت، RT PCR، CT SCAN، تنگی تنفس، تب، SPO2 و تعداد تنفس می‌باشند.
نتیجه‌گیری: در این مطالعه رفتار ویروس کووید-19 با استفاده از الگوریتم‌های یادگیری ماشین با احتساب موقعیت جغرافیایی و فصلی در بیماران بررسی شد و یک الگوی واضح از ارتباط فصل‌ها در گسترش کووید-19 مشخص گردید، به‌طوری‌که در هر فصل علایم مشخصی مشاهده شده است که با سویه همان فصل مطابقت دارد.
نوع مطالعه: مقاله اصیل |
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
