3 نتیجه برای پیشبینی.
فیروزه معینزاده، محمد حسین روحانی، مژگان مرتضوی، محمد ستاری،
دوره 79، شماره 6 - ( 6-1400 )
چکیده
زمینه و هدف: سالانه میلیونها مرگ بهدلیل دسترسی نداشتن به درمان مناسب بیماری کلیوی در جهان اتفاق میافتد. پژوهشگران قصد دارند از طریق ترکیب بهینه تکنیکهای بهکار رفته در مراحل مختلف دادهکاوی، بیماری مزمن کلیوی را شناسایی نمایند.
روش بررسی: این پژوهش از بهمن 99 تا اردیبهشت 1400 بهصورت مقطعی انجام شده است. مجموعه داده مورد استفاده شامل 4145 نمونه (بیمار) و 32 صفت (دموگرافیک و بالینی) در نظر گرفته شده است. معیارهای واجد شرایط بودن برای آزمایش شامل بزرگسالان 18 سال به بالا، ساکن اصفهان، مایل به شرکت در مطالعه، نبود تب و سرماخوردگی در زمان انجام آزمایشات آزمایشگاهی، بدون انجام تمرینات سنگین 48 ساعت پیش از آزمایشهای آزمایشگاهی و ناشتا بودن است. متغیر هدف، بیماری کلیوی است که مقادیرش بیمار و سالم است. در این مطالعه از چهار تکنیک ماشینبردار پشتیبان، جنگل تصادفی، شبکه عصبی و CHAID استفاده شدهاند.
یافتهها: براساس معیار Accuracy، ماشینبردار پشتیبان نسبت به سایر تکنیکها عملکرد بهتری داشته است. مطمئنترین قانون بیان مینماید که اگر فرد از نمک در غذا استفاده نماید و سن وی بین 50 تا 69 باشد و بیماری دیابت داشته باشد به احتمال 82% دچار بیماری مزمن کلیوی خواهد شد.
نتیجهگیری: همچنین قواعد مستخرج نشان داد که استفاده از نمک در کنار بیماری دیابت میتواند منجر به بیماری مزمن کلیوی شود و حتی داشتن بیماری دیابت میتواند خطر مرگومیر بیماران کلیوی را هم افزایش دهد که خود این موضوع قابل تامل است. همچنین افراد مسن هم باید بیشتر مراقب سلامتی خود باشند تا کمتر در معرض بیماری مزمن کلیوی قرار گیرند.
زهرا محمدی تقی آباد، مریم احمدی، علیرضا آتشی،
دوره 79، شماره 7 - ( 7-1400 )
چکیده
زمینه و هدف: تحلیل پیامدها در بخشهای مراقبت ویژه از چالشهای مهم حوزه سلامت میباشد. از اینرو هدف مطالعه حاضر پیشبینی مرگومیر بیماران بخشهای مراقبت ویژه (ICUs) با استفاده از چند تکنیک دادهکاوی است.
روش بررسی: در این مطالعه نرمافزار (Weka software, version 3.9.2, University of Waikato, New Zealand) و دادههای 874 بیمار ICUs از دی 1396 تا پایان اسفند 1397 برای توسعه مدلها بکار گرفته شد. بر مبنای چند الگوریتم منتخب دادهکاوی، مدلهای پیشبینی ایجاد و از شاخصهAUC برای مقایسه عملکرد استفاده شد.
یافتهها: بر مبنای 19 متغیر شناخته شده با اهمیت بیشتر از جمله نمره کمای گلاسکو، مدلهای پیشبینی توسعه یافت. اگرچهAUC مدلهای KNN، شبکه عصبی مصنوعی و درخت تصمیم (بهترتیب 5/81%، 5/77% و 3/74%) قابل قبول بود اما صحت الگوریتم درخت تصمیم 48J (2/74%) بالاتر گزارش شد.
نتیجهگیری: نتایج این مطالعه بیانگر برتری مدل KNN، نسبت به سایر مدلهای پیشبینی مرگومیر بیماران ICUs بود.
منیره حسینی، زهرا منوچهری،
دوره 79، شماره 12 - ( 12-1400 )
چکیده
زمینه و هدف: نوسانات فشارخون پس از القای بیهوشیعمومی، نقش معناداری در بروز عوارض در اعمال جراحی داشته است. بههمین منظور مطالعه حاضر با شناسایی علل رخداد نوسانات فشارخون پس از القای بیهوشی، پیشبینی و پیشگیری از آنها صورت گرفته است.
روش بررسی: برای این پژوهش که بهصورت کوهرت گذشتهنگر میباشد، از روشهای دادهکاوی در مجموعه دادهای، شامل دادههای مربوط به 2640 بیمار که از فروردین 1397 تا شهریور 1398 در بیمارستان امامخمینی (ره) کرمانشاه که 18 سال و بالاتر داشتند و تحت القاء بیهوشی عمومی با استفاده از پروپوفل و متعاقباً لولهگذاری تراشه برای جراحیهای غیرقلبی قرارگرفتند، استفاده شد.
یافتهها: در این مطالعه، از 53 ویژگی پرونده بیماران استفاده شد که برای هر ویژگی مقدار P محاسبه گردید و از پرتکرارترین الگوریتمهایدادهکاوی جهت پیشبینی فشارخون استفاده شد. همچنین، عملکرد الگوریتمهای پیشبینی در دادهکاوی مورد ارزیابی قرارگرفته شدند.
نتیجهگیری: شش ویژگی با 05/0P< انتخاب شدند که مدل رگرسیونلجستیک از دقت بیشتری برخوردار بود که از آن بهعنوان مدل نهایی پیشبینی افزایش نوسان فشارخون با ضرایب مسیر ارایه شد
