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

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