مرکز اطلاعات علمی 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

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:

313
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

484
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی سپسیس به دلیل عفونت آسینتوباکتر در نوزادان بستری در بخش مراقبت های ویژه ی نوزادان

صفحات

 صفحه شروع 497 | صفحه پایان 505

چکیده

 زمینه و هدف: سپسیس, مهمترین بیماری 28 روز اول زندگی و از دلایل اصلی مرگ و میر نوزادان در بخش مراقبت های ویژه می باشد. سپسیس نوزادی می تواند از علایم بالینی عفونت های بیمارستانی باشد. از این رو هدف از این پژوهش, ایجاد و ارزیابی مدل پیش بینی سپسیس بیمارستانی و ارایه نتایج آن به ارایه دهندگان خدمات مراقبت سلامت است. روش بررسی: در این مطالعه ی توصیفی کاربردی, جامعه ی پژوهش شامل نوزادان بستری در بخش مراقبت های ویژه بیمارستان ولیعصر (عج) تهران و نمونه پژوهش, داده های ثبت شده ی 4196 نوزاد بستری شده در این بخش از سال 95 تا شهریور ماه 99 می باشد. ویژگی های اولیه جهت ایجاد مدل پیش بینی بیماری سپسیس با بررسی منابع اطلاعاتی مرتبط و مطابق با نظر استادان و مسیولان مرکز تحقیقات مادر و جنین بیمارستان ولیعصر تهیه گردید و روایی آن توسط 5 نفر از استادان فوق تخصص نوزادان این بیمارستان تایید شد. در این پژوهش از الگوریتم های یادگیری ماشین جهت ایجاد مدل پیش بینی سپسیس استفاده شده است. یافته ها: برای ارزیابی مدل های ایجاد شده, از پارامترهای Accuracy و AUROC (سطح زیرمنحنیROC) استفاده شد. بیشترین مقدار Accuracy و AUROC به ترتیب مربوط به الگوریتم های Adaptive Boosting و جنگل تصادفی می باشد. نتیجه گیری: منحنی های یادگیری نشان می دهد که با استفاده از نمونه های آموزشی مختلف و انتخاب پیچیده تر ویژگیهای ترکیبی, عملکرد مدل ها بهبود می یابد. تحقیقات بیشتر برای ارزیابی اثربخشی بالینی مدل های یادگیری ماشین در یک کارآزمایی ضروری است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    محمدزاده، نیلوفر، مسیبی، زیبا، بیگی، حمید، و شجاعی نیا، محمد. (1399). پیش بینی سپسیس به دلیل عفونت آسینتوباکتر در نوزادان بستری در بخش مراقبت های ویژه ی نوزادان. پیاورد سلامت، 14(6 )، 497-505. SID. https://sid.ir/paper/415272/fa

    Vancouver: کپی

    محمدزاده نیلوفر، مسیبی زیبا، بیگی حمید، شجاعی نیا محمد. پیش بینی سپسیس به دلیل عفونت آسینتوباکتر در نوزادان بستری در بخش مراقبت های ویژه ی نوزادان. پیاورد سلامت[Internet]. 1399؛14(6 ):497-505. Available from: https://sid.ir/paper/415272/fa

    IEEE: کپی

    نیلوفر محمدزاده، زیبا مسیبی، حمید بیگی، و محمد شجاعی نیا، “پیش بینی سپسیس به دلیل عفونت آسینتوباکتر در نوزادان بستری در بخش مراقبت های ویژه ی نوزادان،” پیاورد سلامت، vol. 14، no. 6 ، pp. 497–505، 1399، [Online]. Available: https://sid.ir/paper/415272/fa

    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