دوره 7، شماره 1 - ( 3-1399 )
جلد 7 شماره 1 صفحات 19-10 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Montazeri M, Ahmadinejad M, Montazeri M, Montazeri M. Design and Implementation of a Fuzzy Intelligent System for Predicting Mortality in Trauma Patients in the Intensive Care Unit. jhbmi 2020; 7 (1) :10-19
URL: http://jhbmi.ir/article-1-360-fa.html
URL: http://jhbmi.ir/article-1-360-fa.html
منتظری میترا، احمدی نژاد مهدی، منتظری مهدیه، منتظری محدثه. طراحی و پیاده‌سازی یک سیستم هوشمند فازی جهت پیش‌بینی درصد موارد مرگ و میر بیماران تروما در بخش مراقبت‌های ویژه. مجله انفورماتیک سلامت و زیست پزشکی. 1399; 7 (1) :10-19
دانشجوی دکترای انفورماتیک پزشکی، مرکز تحقیقات انفورماتیک پزشکی، پژوهشکده آینده‌پژوهی در سلامت، دانشگاه علوم پزشکی کرمان، کرمان، ایران
چکیده: (3562 مشاهده)
مقدمه: بخش ICU بیمارستان یکی از بخش‌های پر هزینه در بخش سلامت ملی می‌باشد. این هزینه‌ها تا حد زیادی به مدت اقامت بیمار وابسته است. لذا پیش‌بینی طول مدت اقامت بیماران و درصد موارد مرگ‌و‌میر در بخش مراقبت‌های ویژه اهمیت زیادی دارد. لذا در این پژوهش به طراحی سیستم هوشمند مبتنی بر منطق فازی جهت پیش‌بینی درصد موارد مرگ‌و‌میر بیماران تروما در بخش مراقبت‌های ویژه پرداخته شد.
روش: داده‌های مورد نیاز برای طراحی سیستم، از پرونده‌های بیماران از سال 91 - 1389 گردآوری شد، سپس سیستم با استفاده از داده‌های گردآوری شده از هر پرونده اجرا شد و میزان همخوانی تشخیص سیستم با تشخیص نهایی ثبت شده در پرونده بیمار مقایسه گردید. مدل پیشنهادی نروفازی با 5 مدل هوشمند دیگر مقایسه گردید. این مقایسه بر اساس حساسیت، دقت، ویژگی و سطح زیر منحنی راک محاسبه و ارزیابی گردید.
نتایج: میزان دقت این 6 مدل حدوداً به ترتیب 83% و 81%،80%، 75%، 82% و 81% است.
نتیجه گیری: مدل نروفازی بهترین مدل ارزیابی شد و دارای بالاترین میزان دقت است. از نظر سطح زیر منحنی ROC مجدداً این مدل بیشترین سطح زیر منحنی را دارد؛ لذا به‌کارگیری مدل نروفازی در زمینه تشخیص و پیش‌بینی درصد موارد مرگ و میر بیماران تروما در بخش مراقبت‌های ویژه پیشنهاد می‌شود. این امر در تحقیقات مرتبط با حوزه سلامت و به خصوص در تخصیص منابع درمانی برای افرادی که پرمخاطره پیش‌بینی می‌شوند از اهمیت بالایی برخوردار است.
روش: داده‌های مورد نیاز برای طراحی سیستم، از پرونده‌های بیماران از سال 91 - 1389 گردآوری شد، سپس سیستم با استفاده از داده‌های گردآوری شده از هر پرونده اجرا شد و میزان همخوانی تشخیص سیستم با تشخیص نهایی ثبت شده در پرونده بیمار مقایسه گردید. مدل پیشنهادی نروفازی با 5 مدل هوشمند دیگر مقایسه گردید. این مقایسه بر اساس حساسیت، دقت، ویژگی و سطح زیر منحنی راک محاسبه و ارزیابی گردید.
نتایج: میزان دقت این 6 مدل حدوداً به ترتیب 83% و 81%،80%، 75%، 82% و 81% است.
نتیجه گیری: مدل نروفازی بهترین مدل ارزیابی شد و دارای بالاترین میزان دقت است. از نظر سطح زیر منحنی ROC مجدداً این مدل بیشترین سطح زیر منحنی را دارد؛ لذا به‌کارگیری مدل نروفازی در زمینه تشخیص و پیش‌بینی درصد موارد مرگ و میر بیماران تروما در بخش مراقبت‌های ویژه پیشنهاد می‌شود. این امر در تحقیقات مرتبط با حوزه سلامت و به خصوص در تخصیص منابع درمانی برای افرادی که پرمخاطره پیش‌بینی می‌شوند از اهمیت بالایی برخوردار است.
واژه‌های کلیدی: بیماران تروما، بخش مراقبت‌های ویژه، دسته‌بندی، پیش‌بینی، مدل‌های هوشمندANFIS Naïve Bayes، Trees Random Forest 1NN، AdaBoost، SVM
فایل صوتی [MP3 1595 KB] (103 دریافت)
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
