fa مقایسه ارزش تشخیصی مدل شبکه عصبی مصنوعی با آزمایش های متداول در شناسایی موارد مشکوک به آپاندیسیت حاد آمار زیستی Biostatistics پژوهشي-کامل Research(Original) سابقه و هدف: به علت تنوع علائم آپاندیسیت حاد و اشتراک آن با بسیاری از بیماری‌های شکم، تشخیص آپاندیسیت حاد مشکل است. تاخیر در تأیید تشخیص آپاندیسیت می‌تواند، نتیجه ای مهلک برای بیماران داشته باشد. این مطالعه با هدف مقایسه مدل شبکه عصبی مصنوعی با آزمایش‌های متداول در تشخیص آپاندیسیت حاد انجام گرفت. مواد و روش‌ها: 100 بیمار مشکوک به آپاندیسیت حاد وارد مطالعه شدند. تعداد گلبول‌های سفیدخون (WBC)، پروکلسیتونین (PCT)، پروتین واکنشی C (CRP) و درصد نوتروفیلی (PMN) عنوان آزمایش‌های متداول و مدل شبکه عصبی مصنوعی به عنوان یک روش ترکیبی و نتیجه گزارش پاتولوژی بافت آپاندیس، مبنای تشخیص بیماری در نظر گرفته شد. به منظور مقایسه دقت تشخیصی هر یک از آزمایش‌ها از منحنی راک ROC)) و جدول حساسیت و ویژگی استفاده گردید. یافته‌ها: میانگین سنی افراد در این مطالعه 68/12±01/28 سال بود که از این تعداد 71 نفر (71 درصد) مرد بودند. در تحلیل منحنی راک بیشترین سطح زیر منحنی مربوط به مدل شبکه عصبی بود. حساسیت مدل شبکه عصبی 59/97 درصد و میزان حساسیت آزمایش‌های CRP و WBC نیز به ترتیب برابر 77/92 درصد و 54/85 درصد به دست آمد. بالاترین دقت تشخیصی در میان روش‌های متداول تشخیص آپاندیسیت حاد، مربوط به مدل شبکه عصبی بود (88 درصد). استنتاج: این مطالعه نشان داد استفاده از روش‌های ترکیبی ومدل شبکه عصبی می‌تواند نتایج بهتری برای تشخیص آپاندیسیت حاد به دنبال داشته باشد. Background and purpose: Diagnosis of acute appendicitis can be difficult due to similarity of symptoms to many abdominal diseases. Delayed diagnosis could expose the patient to serious conditions. In this study we compared the Artificial Neural Network (ANN) models and conventional laboratory tests in diagnosis of appendicitis. Materials and methods: The study population included 100 patients with suspected appendicitis. White Blood Cells (WBC), Procalcitonin (PCT), C-reactive protein (CRP) and PMN were measured as conventional diagnostic tests and ANN was applied as a combinational test. Definite diagnosis of appendicitis was made based on pathology results. For each test, Receiver Operating Characteristic (ROC) curve and sensitivity and specificity tables were used. Results: The mean age of patients was 28.01±12.68 years and 71 (71%) were male. The sensitivity of ANN model was 97.59 and the sensitivities of CRP and WBC were 92.77% and 85.54%, respectively. The highest accuracy in diagnosis of acute appendicitis was achieved by ANN (88%). Conclusion: This study showed that combinational test using ANN could be more beneficial in diagnosis of acute appendicitis. شبکه عصبی مصنوعی, آپاندیسیت حاد, پروتئین واکنشی c, تعداد لکوسیت ها, پروکلسیتونین مقدمه Neural Network Model, appendicitis, C-reactive protein, Leukocytes Count, Procalcitonin 58 65 http://jmums.mazums.ac.ir/browse.php?a_code=A-10-29-346&slc_lang=fa&sid=1 Alireza Afshari Safavi علیرضا افشاری صفوی 100319475328460051893 100319475328460051893 No MSc Student in Biostatistics, Students Research Committee, Kermanshah University of Medical Sciences, Kermanshah, Iran دانشجوی کارشناسی ارشد آمار زیستی، کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران Eghbal Zand Karimi اقبال زند کریمی eghbal1363@gmail.com 100319475328460051894 100319475328460051894 Yes MSc Student in Biostatistics, Students Research Committee, Kermanshah University of Medical Sciences, Kermanshah, Iran دانشجوی کارشناسی ارشد آمار زیستی، کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران Mansour Rezaei منصور رضایی 100319475328460051895 100319475328460051895 No Assistant Professor, Medical Biology Research Center, Kermanshah University of Medical Sciences, Kermanshah, Iran استادیار، گروه آمار زیستی، مرکز تحقیقات بیولوژی، دانشکده پزشکی، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران Hassanali Mohebi حسنعلی محبی 100319475328460051896 100319475328460051896 No Associate Professor, Department of Thoracic Surgery, Baqiyatallah University of Medical Sciences, Tehran, Iran دانشیار، گروه جراحی قفسه سینه، دانشگاه علوم پزشکی بقیه الله (عج)، تهران، ایران Shaban Mehrvarz شعبان مهرورز 100319475328460051897 100319475328460051897 No Associate Professor, Department of General Surgery, Baqiyatallah University of Medical Sciences, Tehran, Iran دانشیار، گروه جراحی عمومی، دانشگاه علوم پزشکی بقیه الله (عج)، تهران، ایران Mohammad Rasoul Khorrami محمد رسول خرمی 100319475328460051898 100319475328460051898 No General Practitioner, Baqiyatallah University of Medical Sciences, Tehran, Iran پزشک عمومی، دانشگاه علوم پزشکی بقیه الله (عج)، تهران، ایران