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 با مدل رگرسیون لجستیک دومتغیره است. مواد و روش‌ها: تعداد 263 بیمار مبتلا به سکته قلبی بستری شده در بخش مراقبت قلب بیمارستان هاجر شهرکرد از سال 1392 تا 1393 به‌صورت سرشماری وارد مطالعه شدند. متغیرهای جنسیت، نوع سکته قلبی، سابقه قبلی دیابت، سابقه قبلی فشار خون، اختلال لیپید، سابقه بیماری قلبی، مقدار کسر برون‌ده قلبی، فشارخون سیستول، فشارخون دیاستول، قند خون ناشتا و غیرناشتا، چربی خون، تری‌گلیسیرید، 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 مدل‌ها بر اساس شاخص صحت پیش‌بینی مقایسه شد. برازش مدل‌ها با Matlab2013a و بسته Zelig در R3.2.2 انجام شد. یافته‌ها: صحت پیش‌بینی مدل رگرسیون لجستیک دومتغیره در داده‌های آموزش و آزمون به‌ترتیب 7/ 77 و 48/78 بود. در مدل شبکه عصبی الگوریتم‌های LM و OSS با صحت پیش‌بینی به‌ترتیب 69/83 و 15/83 درصد برای داده‌های آموزش و 81 /84 و 54/83 درصد برای داده‌های آزمون، بهترین عمل‌کرد را داشتند. نتیجه‌گیری: پژوهش نشان داد که روش شبکه عصبی دقت بالاتری نسبت به روش رگرسیون لجستیک دومتغیره در پیش‌بینی هم‌زمان رخداد بلوک قلبی و مرگ در بیماران سکته قلبی دارد