پیش بینی احتمال مرگ‌ومیر نوزادان نارس بستری در بخش مراقبت‌های ویژه نوزادان بیمارستان قائم با استفاده مدل شبکه عصبی مصنوعی - مجله دانشگاه علوم پزشکی مازندران
دوره 26، شماره 140 - ( شهریور 1395 )                   جلد 26 شماره 140 صفحات 85-94 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Rezaeian A, Nasimi F, Pooralizadeh Moghadam F. Predicting Mortality Rate of Preterm Infants in Neonatal Intensive Care Unit Using Artificial Neural Network Model. J Mazandaran Univ Med Sci. 2016; 26 (140) :85-94
URL: http://jmums.mazums.ac.ir/article-1-8373-fa.html
رضاییان اکرم، نسیمی فاطمه، پورعلیزاده مقدم فرشید. پیش بینی احتمال مرگ‌ومیر نوزادان نارس بستری در بخش مراقبت‌های ویژه نوزادان بیمارستان قائم با استفاده مدل شبکه عصبی مصنوعی. مجله دانشگاه علوم پزشکی مازندران . 1395; 26 (140) :85-94

URL: http://jmums.mazums.ac.ir/article-1-8373-fa.html


چکیده:   (1557 مشاهده)

سابقه و هدف: علی رغم پیشرفت سریع در درمان‌های طبی و تکنولوژی مراقبت‌های حاد طی 30 ساله اخیر در کنار افزایش هزینه‌های مراقبت‌های طبی، ‌آنالیز پیامدها از جمله پیش‌بینی خطر مرگ‌و‌میر از چالش‌های بخش‌های مراقبت ویژه بوده است. لذا هدف از مطالعه حاضر پیش‌بینی مرگ‌‌و‌‌میر نوزادان نارس بستری در NICU با استفاده از مدل شبکه عصبی مصنوعی است.

مواد و روش‌ها: این مطالعه روی پرونده  نوزادان نارس با سن حاملگی کم تر از 37 هفته در بیمارستان قائم شهر طی سال های 1389-1386 با استفاده از نرم‌ابزار MATLAB انجام شد. 100 پرونده نوزاد نارس با استفاده از 21 متغیر، که 80 درصد برای آموزش شبکه عصبی مصنوعی و و 20 درصد برای آزمون مدل طراحی شده مورد استفاده قرار گرفت. برای جلوگیری از پراکندگی اطلاعات از سیستم کد‌بندی اطلاعات استفاده شد و از این کدها برای طراحی و آزمون مدل شبکه عصبی مصنوعی استفاده شد.

یافته‌ها: به ازای 60 نورون و 20 تکرار، صحت به حد مطلوب خود (صحت 2/95در صد در مرحله آموزش و صحت 56/94 درصد در مرحله آزمایش) رسید. در صورتی که تعداد تکرار از این حد بیش‌تر می‌شد الگوریتم به سمت پدیده آموزش بیش از حد (overtraining) پیش می‌رفت.

استنتاج: در اینجا روشی برای ایجاد مدل‌های ANN برای برآورد احتمال مرگ‌ومیر در نوزادان نارس با استفاده از 21 متغیر معرفی شد. این مدل می‌تواند بالقوه برای پیش‌بینی بسیاری دیگر از پیامدهای NICU مانند پیش‌بینی طول دوره تهویه مکانیکی وعوارضی چون ناهنجاری‌های موجود در تصویربرداری عصبی، انتروکولیت نکروزان و دیسپلازی برونکوپولمونر مورد استفاده قرار گیرد.

متن کامل [PDF 636 kb]   (633 دریافت)    
نوع مطالعه: پژوهشي-کامل | موضوع مقاله: کودکان

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

کلیه حقوق این وب سایت متعلق به مجله دانشگاه علوم پزشکی مازندران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2015 All Rights Reserved | Journal of Mazandaran University of Medical Sciences

Designed & Developed by : Yektaweb