TY - JOUR T1 - A Neonatal jaundice prediction system based on the support vector machine algorithm TT - سیستم پیش‌بینی زردی نوزادان بر اساس الگوریتم ماشین بردار پشتیبان JF - jha JO - jha VL - 25 IS - 4 UR - http://jha.iums.ac.ir/article-1-4221-fa.html Y1 - 2023 SP - 28 EP - 44 KW - Jaundice KW - Neonatal KW - Support Vector Machine N2 - مقدمه: زردی یکی از مشکلات شایع دوران نوزادی است که حدود 60 درصد از نوزادان رسیده و 80 درصد از نوزادان نارس در هفته اول زندگی به آن مبتلا می‌شوند. مطالعه حاضر، به‌منظور ایجاد سیستمی برای پیش‌بینی زردی نوزادان در 24 تا 72 ساعت اول پس از تولد با بکارگیری الگوریتم ماشین بردار پشتیبان انجام شد. روش ­ها: این مطالعه از نوع کاربردی -توسعه‌ای بود که با روش کمی انجام شد. ابتدا بر اساس بررسی متون، پرسشنامه‌ای حاوی عوامل مؤثر در پیش‌بینی زردی نوزادان طراحی شد. تحلیل داده‌ها با استفاده از آمار توصیفی انجام شد و عواملی در مدل لحاظ شد که حداقل 50 درصد از متخصصان آن را ضروری تشخیص دادند. سپس، داده‌های 1178 نوزاد متولدشده در بیمارستان لولاگر تهران از پرونده زایمان استخراج شد و جهت پیش‌بینی زردی نوزادان، از چندین الگوریتم یادگیری ماشین استفاده شد که در این میان با توجه به نتایج حاصله جهت مدلسازی نهایی، الگوریتم ماشین بردار پشتیبان استفاده و با سنجه‌های مختلف ارزیابی گردید. یافته ­ها: یافته‌های حاصل از این پژوهش نشان داد که مدل پیشنهادی با الگوریتم SVMبه دلیل ایجاد فاصله بین کلاس‌ها به‌عنوان بهترین خروجی انتخاب شد. بنابراین، مدل نهایی الگوریتم SVM با استفاده از هسته گوسی و با سیگمای 1/2360605 ایجاد شد که 30 درصد از نمونه‌ها (354 مورد) آزمون شدند و از این تعداد 321 مورد به درستی پیش‌بینی شد. در این مدلسازی سنجه‌های دقت، سطح زیر نمودار ROC و معیار F1 به ترتیب 92/7 درصد، 93 درصد و 88 درصد بدست آمد. نتیجه‌گیری: استفاده از SVM در ایجاد سیستم پیش‌بینی زردی نوزادان می‌تواند به پزشکان در پیش‌‌بینی به‌موقع زردی نوزادان کمک نماید و امکان انجام اقدامات پیشگیری و جلوگیری از خطرات احتمالی ناشی از زردی نوزادان را فراهم نماید. M3 10.22034/25.4.28 ER -