مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

20
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

شناسایی ویژگی های مهم برای پیش بینی مرگ و میر 30 روزه بیماران نارسایی قلبی دارای شوک کاردیوژنیک

صفحات

 صفحه شروع 229 | صفحه پایان 243

چکیده

 مقدمه:  بیماری قلبی یکی از علل اصلی مرگ ومیر است و پیش بینی می شود تا سال 2030 مرگ ومیر ناشی از بیماری های قلبی- عروقی به 23/3 میلیون نفر افزایش یابد. نارسایی قلبی و شوک کاردیوژنیک سهم بالایی از این مرگ ومیرها دارند و به عنوان اورژانس پزشکی نیازمند درمان به موقع هستند. هدف این پژوهش, پیش بینی سریع مرگ در بیماران نارسایی قلبی با شوک کاردیوژنیک با استفاده از ویژگی های کمتر است.
روش کار: این پژوهش به روش تحلیلی - مقطعی با نمونه گیری تمام شماری صورت گرفت. داده های 201 بیمار قلبی بالای 18 سال که در سال 2020 در بیمارستان روحانی بابل دچار شوک کاردیوژنیک شده بودند, بررسی شدند. از 34 ویژگی مانند سن, سابقه جراحی قلب باز, pH, لاکتات, دیابت و فشارخون استفاده شد و مرگ یک ماهه از طریق تماس تلفنی بررسی شد. برای پیش بینی مرگ از رگرسیون لجستیک و الگوریتم GBM استفاده شد.
یافته ها: میانگین سن بیماران 69/44±15/71 سال بود. از این تعداد, 47/7 درصد فوت کردند. چهار ویژگی شامل سن, لاکتات, دیابت و گیجی به عنوان مهم ترین ویژگی ها انتخاب شدند. با یک سال افزایش در سن, احتمال مرگ 7 درصد افزایش می یابد. احتمال مرگ در افراد دیابتی بیش از دوبرابر است. گیجی خطر مرگ را 4 برابر و افزایش لاکتات خطر مرگ را 1/5 برابر افزایش می دهد.
نتیجه گیری: نتایج نشان داد انتخاب ویژگی های مؤثر در پیش بینی مرگ بیماران نارسایی قلبی با شوک کاردیوژنیک با رگرسیون لجستیک و الگوریتم GBM امکان پذیر است و می تواند به بهبود برنامه های ارجاع درمانی و کاهش هزینه های پزشکی کمک کند.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

    استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button