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.