RT - Journal Article T1 - Design and Implementation of a Fuzzy Intelligent System for Predicting Mortality in Trauma Patients in the Intensive Care Unit JF - jhbmi YR - 2020 JO - jhbmi VO - 7 IS - 1 UR - http://jhbmi.ir/article-1-360-fa.html SP - 10 EP - 19 K1 - Trauma Patients K1 - Intensive Care Unit K1 - Classification K1 - Prediction K1 - Intelligent Models K1 - ANFIS Naïve Bayes K1 - Trees Random Forest 1NN K1 - AdaBoost K1 - SVM AB - 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. LA eng UL http://jhbmi.ir/article-1-360-fa.html M3 ER -