پیش بینی توام رخداد بلوک قلبی و مرگ در بیماران انفارکتوس میوکارد با مدل شبکه عصبی مصنوعی

نویسندگان

نگین سادات میری یان

negin-sadat mirian dept. of biostatistics and epidemiology, faculty of public health, shahrekord university of medical sciences, shahrekord, iranگروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهرکرد، شهرکرد، ایران مرتضی سدهی

morteza sedehi dept. of biostatistics and epidemiology, faculty of public health, shahrekord university of medical sciences, shahrekord, iranگروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهرکرد، شهرکرد، ایران سلیمان خیری

soleiman kheiri dept. of biostatistics and epidemiology, faculty of public health, shahrekord university of medical sciences, shahrekord, iranگروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهرکرد، شهرکرد، ایران علی احمدی

ali ahmadi dept. of biostatistics and epidemiology, faculty of public health, shahrekord university of medical sciences, shahrekord, iranگروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی شهرکرد، شهرکرد، ایران

چکیده

هدف: در مطالعات پزشکی، زمانی که بررسی وقوع هم زمان دو پیش آمد هم بسته مورد نظر باشد، از روش های تحلیل دومتغیره مانند رگرسیون لجستیک دومتغیره استفاده می شود. به دلیل محدودیت های روش های کلاسیک در داده های واقعی استفاده از روش های جایگزین مانند شبکه عصبی مصنوعی همواره مورد توجه است. هدف این مطالعه پیش بینی هم زمان رخداد بلوک قلبی و مرگ در بیماران سکته قلبی با مدل شبکه عصبی مصنوعی و مقایسه دقت آن با مدل رگرسیون لجستیک دومتغیره است. مواد و روش ها: تعداد 263 بیمار مبتلا به سکته قلبی بستری شده در بخش مراقبت قلب بیمارستان هاجر شهرکرد از سال 1392 تا 1393 به صورت سرشماری وارد مطالعه شدند. متغیرهای جنسیت، نوع سکته قلبی، سابقه قبلی دیابت، سابقه قبلی فشار خون، اختلال لیپید، سابقه بیماری قلبی، مقدار کسر برون ده قلبی، فشارخون سیستول، فشارخون دیاستول، قند خون ناشتا و غیرناشتا، چربی خون، تری گلیسیرید، چربی خون با تراکم پایین، مصرف سیگار، نوع درمان، مقدار آنزیم تروپونین و نوع بیمه به عنوان متغیرهای مستقل و رخداد بلوک قلبی و مرگ به عنوان متغیرهای وابسته در نظر گرفته شدند. مدل رگرسیون لجستیک دومتغیره و مدل شبکه عصبی برازش داده شدند. دقت مدل ها بر اساس شاخص صحت پیش بینی مقایسه شد. برازش مدل ها با matlab2013a و بسته zelig در r3.2.2 انجام شد. یافته ها: صحت پیش بینی مدل رگرسیون لجستیک دومتغیره در داده های آموزش و آزمون به ترتیب 7/ 77 و 48/78 بود. در مدل شبکه عصبی الگوریتم های lm و oss با صحت پیش بینی به ترتیب 69/83 و 15/83 درصد برای داده های آموزش و 81 /84 و 54/83 درصد برای داده های آزمون، بهترین عمل کرد را داشتند. نتیجه گیری: پژوهش نشان داد که روش شبکه عصبی دقت بالاتری نسبت به روش رگرسیون لجستیک دومتغیره در پیش بینی هم زمان رخداد بلوک قلبی و مرگ در بیماران سکته قلبی دارد

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

پیش‌بینی توام رخداد بلوک قلبی و مرگ در بیماران انفارکتوس میوکارد با مدل شبکه عصبی مصنوعی

هدف: در مطالعات پزشکی، زمانی که بررسی وقوع هم‌زمان دو پیش‌آمد هم‌بسته مورد نظر باشد، از روش‌های تحلیل دومتغیره مانند رگرسیون لجستیک دومتغیره استفاده می‌شود. به دلیل محدودیت‌های روش‌های کلاسیک در داده‌های واقعی استفاده از روش‌های جایگزین مانند شبکه عصبی مصنوعی همواره مورد توجه است. هدف این مطالعه پیش‌بینی هم‌زمان رخداد بلوک قلبی و مرگ در بیماران سکته قلبی با مدل شبکه عصبی مصنوعی و مقایسه دقت آن...

متن کامل

پیش بینی خشکسالی با استفاده از مدل تلفیقی شبکه عصبی مصنوعی- موجک و مدل سری زمانیARIMA

تبدیل موجک یکی از روش­های نوین و بسیار موثر در زمینه تحلیل سیگنال­ها و سری­های زمانی است. در این روش سیگنال شاخص بارش استاندارد (SPI) با استفاده از موجک مادر منتخب تجزیه شده، داده­های حاصل به­عنوان ورودی مدل شبکه عصبی مصنوعی در نظر گرفته شده و یک مدل تلفیقی برای پیش­بینی خشکسالی ارائه می­گردد. در این تحقیق، از شبکه­های عصبی مصنوعی پرسپترون چند لایه (MLP) و تابع پایه‌ای شعاعی ((RBF، سری زمانی AR...

متن کامل

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

متن کامل

فراوانی و سیر کلینیکی داخل بیمارستانی بلوک کامل قلبی در بیماران مبتلا به انفارکتوس حاد میوکارد با صعود قطعه ST

مقدمه  شیوع بلوک کامل قلبی در زمینه انفارکتوس حاد میوکارد با صعود قطعهST ،3-12٪ می باشد که مرگ ومیر بیمارستانی را افزایش می دهدو این مطالعه با هدف بررسی فراوانی و سیر کلینیکی داخل بیمارستانی آن انجام شده است. روش کار  این مطالعه ی توصیفی در بیمارستان های امام رضا و قائم مشهد در سال های 1388-1390 انجام شده است. بررسی بیماران در بیماران بستری شده با بلوک کامل قلبی در زمینه انفارکتوس حاد میوکارد ب...

متن کامل

کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه

پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...

متن کامل

مقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک

این مطالعه تلاشی است در جهت به­کارگیری ترکیب مدل شبکه­ی عصبی پویا و تجزیه­ی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیش­بینی متغیر مذکور می­باشد. جهت تحقق این مهم، از داده­های سری­زمانی ماهانه­ی نرخ ارز طی بازه­ی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدل­سازی­ها استفاده شده و تعداد 27 مشاهده نیز جهت شبیه­سازی و یا به بیان دی...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
کومش

جلد ۱۹، شماره ۱، صفحات ۲۴۱-۲۴۷

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023