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:

1,180
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

197
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

2

اطلاعات مقاله نشریه

عنوان

استفاده از روش تحلیل مولفه های اصلی برای افزایش صحت پیش بینی سندرم متابولیک در مدل های شبکه عصبی مصنوعی و رگرسیون لجستیک

صفحات

 صفحه شروع 18 | صفحه پایان 27

چکیده

 زمینه و هدف: در فرآیند مدل سازی, زمانی که بین متغیرهای کمکی همبستگی های نسبتا قوی وجود داشته باشد, هم خطی چندگانه ایجاد شده و باعث کاهش کارآیی مدل می گردد. هدف از این مطالعه استفاده از تحلیل مولفه های اصلی برای تعدیل اثر هم خطی چندگانه در مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی و بررسی تاثیر آن بر صحت و دقت پیش بینی سندرم متابولیک بود.روش بررسی: در این مطالعه توصیفی - تحلیلی تعداد 347 نفر از افراد شرکت کننده در مطالعه آینده نگر قند و لیپید تهران که در فاز اول مطالعه بر اساس تعریف پانل درمان بالغین (ATPIII) مبتلا به سندرم متابولیک نبودند انتخاب شدند. ابتدا مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی با استفاده از متغیرهای کمکی اولیه و سپس با استفاده از مولفه های اصلی به داده ها برازش گردید و پیش بینی بر اساس این مدل ها انجام شد. از تحلیل راک و آماره کاپا برای مقایسه قدرت پیش بینی مدل ها استفاده گردید.یافته ها: برای مدل های رگرسیون لجستیک, رگرسیون لجستیک با مولفه های اصلی, شبکه عصبی مصنوعی و شبکه عصبی مصنوعی با مولفه های اصلی به ترتیب مساحت زیر منحنی راک 0.749, 0.790, 0.890 و 0.927 به دست آمد, میزان حساسیت مدل ها 0.483, 0.435, 0.836 و 0.919, ویژگی آنها 0.857, 0.919, 0.892 و 0.964 و اندازه آماره کاپا برای مدل ها 0.322, 0.386, 0.712 و 0.886 به دست آمد.نتیجه گیری: تحقیق نشان داد که صحت پیش بینی مدل های بر اساس مولفه های اصلی از مدل های مبتنی بر متغیرهای کمکی اولیه بیشتر بوده و بنابراین در هنگام وجود هم خطی چندگانه, مدل های مبتنی بر مولفه های اصلی برای پیش بینی سندرم متابولیک کاراتر هستند.

استنادها

ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    سدهی، مرتضی، محرابی، یداله، و خدابخشی، عباس. (1390). استفاده از روش تحلیل مولفه‌ های اصلی برای افزایش صحت پیش ‌بینی سندرم متابولیک در مدل ‌های شبکه عصبی مصنوعی و رگرسیون لجستیک. مجله دانشگاه علوم پزشکی شهرکرد (Journal of Shahrekord University of Medical Sciences)، 13(4)، 18-27. SID. https://sid.ir/paper/58623/fa

    Vancouver: کپی

    سدهی مرتضی، محرابی یداله، خدابخشی عباس. استفاده از روش تحلیل مولفه‌ های اصلی برای افزایش صحت پیش ‌بینی سندرم متابولیک در مدل ‌های شبکه عصبی مصنوعی و رگرسیون لجستیک. مجله دانشگاه علوم پزشکی شهرکرد (Journal of Shahrekord University of Medical Sciences)[Internet]. 1390؛13(4):18-27. Available from: https://sid.ir/paper/58623/fa

    IEEE: کپی

    مرتضی سدهی، یداله محرابی، و عباس خدابخشی، “استفاده از روش تحلیل مولفه‌ های اصلی برای افزایش صحت پیش ‌بینی سندرم متابولیک در مدل ‌های شبکه عصبی مصنوعی و رگرسیون لجستیک،” مجله دانشگاه علوم پزشکی شهرکرد (Journal of Shahrekord University of Medical Sciences)، vol. 13، no. 4، pp. 18–27، 1390، [Online]. Available: https://sid.ir/paper/58623/fa

    مقالات مرتبط نشریه ای

    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