مقایسه مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان پستان
نویسندگان
چکیده
مقدمه: امروزه انواع سرطان یکی از مهم ترین عوامل مرگ و میر در دنیا و سرطان پستان از شایع ترین آن ها در زنان میان سال می باشد. میزان بقای پس از تشخیص و درمان در این بیماران یکی از شاخص های مهم در کنترل بیماری است. در این مطالعه دو مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش بینی بقای بیماران سرطان پستان با یکدیگر مقایسه شده اند. مواد و روش ها: داده های این پژوهش که از نوع مطالعات بقا است، از پرونده تمامی 344 زن مبتلا به سرطان پستان که در سال های 1384 تا 1391 برای درمان به بیمارستان شهید فیاض بخش تهران مراجعه کرده بودند استخراج شده است. وضعیت بقا به عنوان متغیر وابسته در نظر گرفته شد. مقایسه پیش بینی های دو مدل با استفاده از سطح زیر منحنی مشخصه عملکرد و صحت پیش بینی کل و به کمک نرم افزارهای r و minitab انجام شد. یافته های پژوهش: میانگین ± انحراف معیار سن زمان تشخیص بیماران 93/10±9/49 سال و میانه بقا برابر با 6/44 ماه بود و تا پایان مطالعه واقعه مرگ برای تعداد 45 نفر(1/13 درصد) از آن ها رخ داد. سطح زیر منحنی مشخصه عملکرد مدل کاکس و شبکه عصبی به ترتیب برابر 6/87 درصد و 4/75 درصد و هم چنین صحت پیش بینی کل برای مدل کاکس و شبکه عصبی به ترتیب برابر 42/89 و 68/77 محاسبه گردید. بحث و نتیجه گیری: صحت پیش بینی شبکه در تشخیص وضعیت بقای زنان مبتلا به سرطان پستان بالاتر بود و بنا بر این این مدل برای پیش بینی بقای بیماران سرطان پستان پیشنهاد می شود.
منابع مشابه
مقایسه‌ی مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش‌بینی بقای بیماران مبتلا به سرطان معده
سابقه و هدف: یکی از روش‌های آماری تحلیل داده‌های بقا، مدل رگرسیونی کاکس است که نیازمند پذیره‌هایی مانند متناسب بودن مخاطرات است. در چند دهه اخیر به‌کارگیری مدل شبکه عصبی مصنوعی برای پیش‌بینی داده‌های بقا، افزایش یافته است. این مطالعه به منظور پیش‌بینی بقای بیماران مبتلا به سرطان معده به کمک دو مدل رگرسیونی کاکس و شبکه عصبی مصنوعی انجام شده است. مواد و روش‌ها: طی سال‌های 1381 لغایت 1385، تعداد ...
متن کاملمقایسه ی مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان معده
سابقه و هدف: یکی از روش های آماری تحلیل داده های بقا، مدل رگرسیونی کاکس است که نیازمند پذیره هایی مانند متناسب بودن مخاطرات است. در چند دهه اخیر به کارگیری مدل شبکه عصبی مصنوعی برای پیش بینی داده های بقا، افزایش یافته است. این مطالعه به منظور پیش بینی بقای بیماران مبتلا به سرطان معده به کمک دو مدل رگرسیونی کاکس و شبکه عصبی مصنوعی انجام شده است. مواد و روش ها: طی سال های 1381 لغایت 1385، تعداد 4...
متن کاملمقایسه مدل شبکه عصبی مصنوعی و رگرسیون پارامتری در پیش‌بینی بقای بیماران مبتلا به سرطان معده
Background & Objective: Using parametric models is common approach in survival analysis. In the recent years, artificial neural network (ANN) models have increasingly used in survival prediction. The aim of this study was to predict of survival rate of patients with gastric cancer by using a parametric regression and ANN models and compare these methods. Methods: We used the data of 436 gast...
متن کاملمقایسه مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش بینی بقای بیماران لوسمی حاد
چکید ه سابقه و هدف مدل رگرسیون کاکس، یکی از روش‌های رایج تحلیل داده‌های بقا میباشد که قبل از به کارگیری آن لازم است فرض متناسب بودن خطرات برقرار باشد. اخیراً مدلهای شبکه عصبی بدون نیاز به فرض خاص، جایگزینی مناسب در پیش‌بینی بقا میباشند. هدف از این مطالعه، مقایسه توانایی مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش‌بینی بقای بیماران لوسمی حاد بود. مواد و روش ها در یک مطالعه گذشتهنگر، ...
متن کاملمقایسه مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش‌بینی بقای بیماران لوسمی حاد
چکید ه سابقه و هدف مدل رگرسیون کاکس، یکی از روش‌های رایج تحلیل داده‌های بقا میباشد که قبل از به کارگیری آن لازم است فرض متناسب بودن خطرات برقرار باشد. اخیراً مدلهای شبکه عصبی بدون نیاز به فرض خاص، جایگزینی مناسب در پیش‌بینی بقا میباشند. هدف از این مطالعه، مقایسه توانایی مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش‌بینی بقای بیماران لوسمی حاد بود. مواد و روش‌ها در یک مطالعه گذشتهنگر...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
مجله دانشگاه علوم پزشکی ایلامجلد ۲۱، شماره ۲، صفحات ۱۲۰-۱۲۸
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023