مقایسه شبکه های عصبی مصنوعی، درخت تصمیم، تحلیل تشخیصی و رگرسیون لوجستیک در پیش بینی بارداری ناخواسته در مادران مولتی پار شهر خرم آباد

مقدمه و هدف: بارداری ناخواسته، نوعی از بارداری است که دست کم از نظر یکی از زوجین، ناخواسته باشد و پیامدهایی نامطلوب را برای خانواده و اجتماع به همراه دارد. در این مطالعه با استفاده از چهار مدل طبقه بندی، وقوع بارداری ناخواسته در جمعیت شهری خرم آباد پیش بینی شد و مدل ها مورد مقایسه قرارگرفتند. مواد و روش ها: در این مطالعه مقطعی، 467 نفر از مادران باردار مولتی پار مراجعه کننده به مراکز بهداشتی- درمانی خرم آباد در سال1390 با روش نمونه گیری طبقه ای و خوشه ای انتخاب شده، متغیرهای مرتبط اندازه گیری شدند. در مدل بندی داده ها از مدل رگرسیون لوجستیک، تحلیل تشخیصی، درخت تصمیم گیری و شبکه های عصبی پرسپترون سه لایه و نرم افزار spss و matlab استفاده شد؛ برای مقایسه این مدل ها، شاخص های حساسیت، ویژگی، سطح زیر منحنی مشخصه و میزان پیش بینی صحیح به کارگرفته شدند. نتایج: شیوع بارداری ناخواسته، 3/32 درصد بود. عملکرد مدل ها براساس شاخص سطح زیر منحنی مشخصه به ترتیب عبارت بود: از شبکه های عصبی مصنوعی (741/0)، درخت تصمیم گیری (731/0)، رگرسیون لوجستیک (712/0) و تحلیل تشخیصی (711/0). بیشترین درصد حساسیت به مدل درخت تصمیم گیری (5/73 درصد) و بیشترین میزان ویژگی به شبکه عصبی مصنوعی (3/62 درصد)، مربوط بوده است. نتیجه گیری: با توجه به شیوع به نسبت بالای بارداری ناخواسته در شهر خرم آباد، لزوم بازنگری در برنامه های تنظیم خانواده، محسوس است. به رغم تشابه نسبی روش های یادشده، اگر توان پیشگویی بالاتر مدل، مدنظر محقق باشد، مدل شبکه های عصبی و اگرتفسیرپذیری بهتر نتایج، مدنظر باشد، استفاده از درخت تصمیم گیری و رگرسیون لوجستیک توصیه می شوند.