محمدرضا قانع، احسان صبوری، امین صبوری،
دوره 69، شماره 12 - ( 12-1390 )
چکیده
زمینه و هدف: پنوموتوراکس از مشکلات بالقوه تهدید کننده حیات به‌خصوص در بیماران با مشکلات زمینه‌ای همراه است. در این مطالعه قصد داریم میزان صحت تشخیصی پزشکان عمومی و متخصصین اورژانس در تشخیص رادیوگرافی قفسه صدری بیماران مشکوک به پنوموتوراکس ایاتروژنیک در بخش اورژانس را مورد بررسی قرار دهیم. روش بررسی: مطالعه حاضر بر روی عکس‌های رادیوگرافیک 100 بیمار مراجعه‌کننده به بیمارستان شهید چمران تهران در طی سال‌های 90-1388 که تحت کاتتریزاسیون ورید مرکزی فوقانی قرار گرفته‌اند انجام شده است. یافته‌ها: از کل (500 کلیشه نفر) گرافی‌های قفسه صدری 8/96% (معادل 484 کلیشه نفر) توسط پزشک عمومی و 4/99% (معادل 497 کلیشه نفر) توسط پزشک متخصص درست تشخیص داده شده است (0001/0P<). هیچ یک از متغیرهای زمینه‌ای بر روی صحت تشخیصی تاثیرگذار نبوده‌اند (05/0P>). نتیجه‌گیری: صحت تشخیصی در پزشکان متخصص به وضوح بالاتر از پزشکان عمومی است لیکن میزان صحت تشخیصی در دو گروه پزشکان بالاتر از مقادیر در مطالعات مشابه است که این اختلاف می‌تواند به علت آموزش‌های داده شده در بخش اورژانس باشد.
منصور رضایی، نگین فخری، فاطمه رجعتی، سوده شهسواری،
دوره 77، شماره 6 - ( 6-1398 )
چکیده
زمینه و هدف: دیابت بارداری از شایعترین اختلالات متابولیک بارداری است که با عوارض خطرناکی همراه است. در صورت تشخیص زودرس آن می‌توان از برخی عوارض مادری و جنینی جلوگیری کرد. هدف این پژوهش پیش‌بینی زودرس دیابت بارداری توسط مدل‌های آماری شبکه عصبی مصنوعی و درخت تصمیم و نیز مقایسه این مدل‌ها در تشخیص دیابت بارداری بود.
روش بررسی: در این مطالعه مدلسازی، از پرونده‌های زنان باردار در مراکز بهداشتی شهر کرمانشاه (۱۳۹۱-۱۳۸۹)، ۴۰۰ پرونده که بدون داده‌های گمشده بود بررسی شد. اطلاعات دموگرافیک، رتبه بارداری، دیابت، پارامترهای باروری و نتایج آزمایشات از پرونده آنان گردآوری شد. مدل‌های شبکه عصبی مصنوعی پرسپترون و درخت تصمیم به داده‌ها برازش داده شد و عملکرد آن‌ها با هم مقایسه گردید. براساس معیارهای صحت، حساسیت، ویژگی و سطح زیر منحنی راک (Receiver operating characteristic, ROC)، مدل برتر معرفی شد.
یافته‌ها: پس از برازش مدل‌های شبکه عصبی مصنوعی و درخت تصمیم، مقادیر معیارها محاسبه شد. مقدار تمام معیارها در شبکه عصبی بیشتر از درخت تصمیم بود. به‌ترتیب برای مدل‌های یادشده، صحت برابر ۰/۸۳ و ۰/۷۷، حساسیت ۰/۶۲ و ۰/۵۶، ویژگی ۰/۹۵ و ۰/۸۷ بود. سطح زیر منحنی راک مدل شبکه عصبی به‌طور معناداری بیشتر از درخت تصمیم بود (۰/۷۹، ۰/۷۴ و ۰/۰۳P=).
نتیجه‌گیری: در پیش‌بینی دیابت بارداری، مدل شبکه عصبی مصنوعی دارای صحت، حساسیت، ویژگی و سطح زیر منحنی راک بالاتری نسبت به درخت تصمیم بود. می‌توان نتیجه گرفت که مدل شبکه عصبی مصنوعی پرسپترون دارای پیش‌بینی‌های صحیح‌تر و نزدیک‌تر به واقعیت نسبت به درخت تصمیم است.
