جلد 18، شماره 62 - ( 10-1394 )                   جلد 18 شماره 62 صفحات 42-51 | برگشت به فهرست نسخه ها


XML English Abstract Print


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

Langarizadeh M, Ghazi Saeedi M, Karam Niay Far M, Hoseinpour M. Predicting Premature Birth in Pregnant Women via Assisted Reproductive Technologies using Neural Network. jha. 2016; 18 (62) :42-51
URL: http://jha.iums.ac.ir/article-1-1787-fa.html
لنگری زاده مصطفی، قاضی سعیدی مرجان، کرم نیای فر مژگان، حسین پور منیژه. پیش‌بینی تولد نوزاد نارس در مادران باردار شده از طریق فن‌آوری‌های کمک باروری با استفاده از شبکه عصبی. فصلنامه مدیریت سلامت. 1394; 18 (62) :42-51

URL: http://jha.iums.ac.ir/article-1-1787-fa.html


1- استاديار گروه مديريت اطلاعات سلامت
2- متخصص زنان و زايمان، ، drkaramnia@yahoo.com
3- دانشجوی ارشد انفورماتيک پزشکی
چکیده:   (812 مشاهده)

مقدمه: امروزه فن ­آوری­های کمک باروری به­طور گسترده­ای برای درمان ناباروری زوجین مورد استفاده قرار می­گیرد. میزان تولد نارس در نوزادان مادرانی که از طریق فن­آوری­های کمک باروری باردار گردیده­اند، بیش­تر از بارداری­های طبیعی می­باشد. هدف این مطالعه پیش­بینی تولد نوزادان نارس در مادران باردار شده از طریق فن­آوری­های کمک باروری می­باشد.

روش­ کار: در این مطالعه گذشته ­نگر، ابتدا 45 متغیر تاثیرگذار بر تولد نارس در مادران باردار شده از طریق فن­آوری­های کمک­باروری شناسایی شدند و از پرونده بالینی این مادران در بیمارستان صارم از سال 1377 تا شهریور 1393، در پاییز 1393 استخراج شد. متغیرهای تاثیرگذار با استفاده از الگوریتم انتخاب ویژگی و درخت تصمیم در نرم ­افزار SPSS Clementine شناسایی شد. شبکه عصبی پرسپترون چند­لایه در نرم­افزار Matlab طراحی گردید. ارزیابی شبکه بر اساس ماتریس آشفتگی و معیارهای ویژگی، حساسیت و صحت انجام گردید.

یافته­ ها: با استفاده از الگوریتم انتخاب ویژگی و درخت تصمیم، 15 متغیر تاثیرگذار به عنوان ورودی شبکه عصبی انتخاب گردید. شبکه پرسپترون چند­لایه طراحی و ارزیابی شد. شبکه عصبی طراحی شده در داده­ های تست دارای صحت2/87 درصد، حساسیت 0/80 درصد، ویژگی 2/88 درصد و در کل داده­ها دارای صحت 4/95 درصد، حساسیت 0/95 درصد و ویژگی 5/95 درصد بود.

نتیجه­ گیری: با توجه به نتایج به دست آمده از این پژوهش، استفاده از شبکه پرسپترون چند­لایه برای پیش‌بینی نتیجه زایمان از نظر تولد نوزاد ترم یا نوزاد نارس در مادران باردار شده از طریق فن­آوری­های کمک باروری می­تواند در پیشگیری از عوارض تولد نوزاد نارس کمک کننده باشد.

متن کامل [PDF 857 kb]   (563 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: عمومى
دریافت: ۱۳۹۳/۱۱/۷ | پذیرش: ۱۳۹۴/۸/۱۸ | انتشار: ۱۳۹۴/۸/۱۸

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مدیریت سلامت می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2015 All Rights Reserved | Journal of Health Administration

Designed & Developed by : Yektaweb