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

مقاله مقاله نشریه

مشخصات مقاله

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

نسخه انگلیسی

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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

1,015
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

682
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی مرگ و میر بیماران در بخش مراقبت های ویژه بیمارستان امام حسین(ع) تهران با تکنیک های داده کاوی

صفحات

 صفحه شروع 59 | صفحه پایان 67

چکیده

 هدف: حجم عظیمی از داده ها در بخش مراقبت های ویژه تولید می شود, به نظر می رسد داده کاوی راهکار مناسبی برای استفاده ی بهینه از منابع باشد. شناسایی و تحلیل عوامل پرخطر مرتبط با مرگ ومیر, منجر به برنامه ریزی کاراتر و دقیق تر جهت بستری و انجام مداخلات خواهد شد. این پژوهش باهدف استفاده از تکنیک های داده کاوی جهت پیش بینی مرگ ومیر در بخش مراقبت ویژه صورت گرفته است. روش ها: این پژوهش به روش مقطعی بر روی اطلاعات838 بیمار بستری در بخش مراقبت های ویژه عمومی بین سال های ٩ 1 تا٩ ٧ در بیمارستان امام حسین(ع) تهران انجام گردید. . الگوریتم هایی ماشین بردار پشتیبانی, Kنزدیک ترین همسایه, درخت تصمیم, جنگل تصادفی و رگرسیون لجستیک جهت داده کاوی استفاده گردید. مراحل انجام داده کاوی طبق مدل کریسپ در پنج مرحله صورت گرفت. ارزیابی مدل بر اساس صحت, دقت, ویژگی, حساسیت و سطح زیر منحنی راک گزارش گردید. نتایج: در ابتدا پس از بررسی متون, 27 فاکتور تأثیرگذار مشخص و در نهایت 26 فاکتور برای انجام تکنیک ها مورد استفاده قرار گرفت. از میان الگوریتم های منتخب که در مطالعه استفاده گردید, الگوریتم رگرسیون لجستیک بر اساس سطح زیر منحنی راک 76/0)), صحت (62/75), دقت (39/68), حساسیت (65/38)ویژگی(53/94) عملکرد بهتری در پیش بینی مرگ ومیر نسبت به سایر الگوریتم های مطالعه داشت. در ضمن متغیرهای گلوکز و زمان نسبی ترومبوپلاستین بیشترین تأثیر را بر مرگ و میر بر اساس مدل رگرسیون لجستیک داشت. نتیجه گیری: تجزیه و تحلیل داده های موجود در بیماران بخش مراقبت های ویژه می تواند ابزاری مناسب و کاربردی برای پیش بینی مرگ ومیر و عوامل مرتبط با آن باشد اما با توجه به کیفیت داده ها نتایج متفاوت می باشد با این حال فرآیندها و روش های ذکرشده در این مطالعه بیان می کند که قوانین استخراج شده از رگرسیون لجستیک می تواند به عنوان الگویی برای پیش بینی وضعیت مرگ ومیر در بخش مراقبت های ویژه مورد استفاده قرار گیرد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    عسگری، پرنیان، آتشی، علیرضا، معراجی، مرضیه، و میری، میرمحمد. (1398). پیش بینی مرگ و میر بیماران در بخش مراقبت های ویژه بیمارستان امام حسین(ع) تهران با تکنیک های داده کاوی. اطلاع رسانی پزشکی نوین، 5(2 )، 59-67. SID. https://sid.ir/paper/263044/fa

    Vancouver: کپی

    عسگری پرنیان، آتشی علیرضا، معراجی مرضیه، میری میرمحمد. پیش بینی مرگ و میر بیماران در بخش مراقبت های ویژه بیمارستان امام حسین(ع) تهران با تکنیک های داده کاوی. اطلاع رسانی پزشکی نوین[Internet]. 1398؛5(2 ):59-67. Available from: https://sid.ir/paper/263044/fa

    IEEE: کپی

    پرنیان عسگری، علیرضا آتشی، مرضیه معراجی، و میرمحمد میری، “پیش بینی مرگ و میر بیماران در بخش مراقبت های ویژه بیمارستان امام حسین(ع) تهران با تکنیک های داده کاوی،” اطلاع رسانی پزشکی نوین، vol. 5، no. 2 ، pp. 59–67، 1398، [Online]. Available: https://sid.ir/paper/263044/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا