هدف: مقایسه پارامترهای سگمان قدامی و بیومتری در چشم مقابل بیماران دارای سابقه حمله قبلی گلوکوم زاویه بسته حاد (AAC)، موارد مشکوک به گلوکوم زاویه بسته اولیه (PACS) و افراد طبیعی و تعیین معیارهای پیش بینی خطر ایجاد AAC در PACS.روش پژوهش: در این مطالعه به روش گزارش موارد مشاهده مقایسه ای آینده نگر، 16 چشم مقابل بیماران دارای سابقه حمله قبلی AAC (گروه 1)، 40 چشم مبتلا به PACS (گروه 2) و 32 چشم طبیعی (گروه 3) مورد بررسی قرار گرفتند. در همه گروه ها تصویربرداری سگمان قدامی به وسیله دستگاه پنتاکم و اکوگرافی A- اسکن انجام و مقادیر زاویه اتاق قدامی (ACA)، حجم اتاق قدامی (ACV)، عمق اتاق قدامی (ACD)، ضخامت قسمت مرکزی قرنیه (CCT)، کراتومتری (KR)، ضخامت عدسی (LT) و طول قدامی خلفی چشم (AL) اندازه گیری شد. با استفاده از روش تحلیل منحنی راک (ROC)، مقادیری از پارامترهای مهم که با حداکثر حساسیت و ویژگی با خطر ایجاد AAC همراه بودند و حدود اطمینان 95 درصد این معیارها مشخص گردید.یافته ها: سن، CCT و LT در بین گروه های مورد مطالعه قابل مقایسه بود (در همه موارد P>0.05). میانگین ACA در گروه 1، 2 و 3 به ترتیب 24.8، 22.9، 35.4 درجه (P<0.001)، مقادیر ACV به ترتیب 72، 76، 172 میکرولیتر (P<0.001) و عمیق اتاق قدامی در مرکز و از سطح اندوتلیوم به ترتیب 1.80، 1.91 و 3.09 میلی متر (P<0.001) بود. مقادیر 100 میکرولیتر ACV£ با افزایش خطر AAC با حساسیت 91.7 درصد (70 تا 99) و ویژگی 100 درصد (89 تا 100) همراه بود. مقادیر حساسیت و ویژگی مربوط به ACA£25o به ترتیب، 75 درصد (51 تا 90) و 93.3 درصد (79 تا 98) و در 2.1 میلی متر ACD£ به ترتیب 86.7 درصد (62 تا 96) و 100 درصد (89 تا 100) محاسبه گردید. در صورتی که دو مورد از سه معیار فوق (100 میکرولیتر ACV£، ACA£25o و 2.1 میلی متر ACD£) مثبت بود، چشم در معرض خطر بروز AAC با حساسیت 93.3 درصد (70 تا 99) و ویژگی 100 درصد (89 تا 100) قرار داشت.نتیجه گیری: چشم هایی با حجم، زاویه و عمق اتاقی قدامی به ترتیب با مقادیر کمتر یا معادل 100 میکرولیتر، 25 درجه و 2.1 میلی متر، در معرض خطر بروز حمله حاد گلوکوم زاویه بسته قرار دارند. در این موارد ایریدوتومی محیطی با استفاده از لیزر (LPI) به منظور پیش گیری از عواقب بعدی توصیه می گردد.

هدف این پژوهش تحلیل مقایسه ای دقت پیش بینی روش های محاسباتی ریسک بازار در ارزش در معرض خطر با رویکرد هوش مصنوعی ارتباطی می باشد توسعه روز افزون بازارهای مالی اهمیت برآورد معیار شناخته شده اندازه گیری ریسک بازار، (ارزش در معرض خطر) را بیش از گذشته آشکار ساخته است. ارزش در معرض خطر (Var) یک معیار آماری است که حداکثر زیان مورد انتظار از نگهداری یک دارایی یا پرتفوی را در دوره زمانی معین و با احتمال مشخص (سطح اطمینان معلوم) محاسبه و به صورت کمی گزارش می کندو یکی از مهم ترین معیارهای ریسک بازار است که به طور گسترده برای مدیریت ریسک مالی توسط نهادهای قانون گذار مالی و مدیران پرتفوی به کاربرده می شود. ریسک ها در سطح کلان دارای آثار فراگیر هستند و می توانند تأثیرات منفی را در کل بازار مالی برجای بگذارند. شناخت وابستگی های درونی و ارتباطات متقابل شرکت ها و توسعه معیارهای ریسک که افزایش وابستگی دنباله بازده شرکت ها را در طول بحران را پیش بینی نماید ، از اهمیت زیادی برخوردار است. وجود چنین روش هایی، یک ابزار قدرتمند به منظور افزایش ثبات مالی آتی در اختیار تصمیم گیران قرار می دهد . بدین جهت با استفاده از اطلاعات روزانه قیمت سهام ، ارزش در معرض خطر با روش های پارامتریک (روش واریانس –کوواریانس)، شبیه سازی تاریخی، شبیه سازی بوت استرپ بین دوره زمانی 1390 الی 1396 بورس اوراق بهادار تهران برای شرکت های نمونه آماری ، محاسبه و استفاده شد. پس از کاهش نوسانات روش Bootstrap، Historical و Variance covariance با استفاده از تبدیل موجک برای آموزش مدل ها و پیش بینی، روش هر 15 روز متوالی را به‎عنوان ورودی (همان متغیر مستقل) در مدل RVM و روز 16 ام به‎عنوان متغیر وابسته را به‎عنوان خروجی مدل در نظر گرفته شدو برای ارزیابی مدل ها از دو معیار ارزیابی بانام های میانگین مربعات خطا (MSE)، میانگین قدر مطلق خطا (MAE) استفاده شده است برای پیش بینی از الگوریتم ماشین بردار ارتباطی استفاده شده است. الگوریتم RVM یک مدل غیرخطی است و با انتقال داده ها از فضای ورودی به فضای ویژگی باعث غیرخطی شدن الگوریتم می شود. در ماشین بردار ارتباطی از کرنل گوسی برای غیرخطی سازی استفاده شده است. نتایج آزمون فرضیه ها و برازش الگوریتم هوش مصنوعی ارتباطی نشان داد که الگوریتم هوش مصنوعی جهت پیش بینی روش های روزانه ارزش در معرض خطر روش کارایی می باشد و همچنین در بازار سرمایه ایران پیش بینی ارزش در معرض خطر با روش نیمه پارامتریک بوت استرپ باقدرت بالاتری انجام و جهت استفاده توصیه می گردد، روش های پارامتریک(واریانس - کوواریانس) و شبیه سازی تاریخی در رتبه های بعدی قرار می گیرند. مطالعات انجام شده در مورد ارزش در معرض ریسک محدود به یک صنعت و یا با تعریف پرتفویی بوده است و تمام شرکت های بورسی موردبررسی قرار نگرفته اند، در این مطالعه سعی شد تمام شرکت های حاضر در بورس ریسک بازارشان با رویکرد ارزش در معرض ریسک تحت 3 مدل مهم و پرکاربرد واریانس –کواریانس، شبیه سازی تاریخی، شبیه سازی بوت استرپ محاسبه شود و با استفاده از الگوریتم هوش مصنوعی کارایی آن ها سنجیده شود. به نوعی پژوهش های پیشین از جامعه آماری کمتر و عدم سنجش کارایی مدل ها در عمل برخوردارند

در این تحقیق شناسایی عوامل خطر و پیش بینی سازگاری در ازدواج و هم چنین مقایسه عوامل شخصیتی و جمعیت شناختی زوج های سازگار و ناسازگار مدنظر بوده است. به این منظور 40 زوج سازگار و 40 زوج ناسازگار که به مجتمع قضایی خانواده در تهران مراجعه کرده بودند، انتخاب گردید و پرسشنامه های مشکلات زناشویی و ویژگی های جمعیت شناختی به آنها داده شد.ضریب همبستگی بین نمرات زن و شوهر در هر یک از پاره آزمون های پرسشنامه مشکلات زناشویی نمره سازگاری آن زوج را در آن پاره آزمون تشکیل می داد. چنین فرض گردید که بین زوج های سازگار و ناسازگار با توجه به این مشکلات و ویژگی ها تفاوت معنی داری وجود دارد، نتایج تحلیل واریانس چند متغیری نشان داد میانگین نمرات زوج های سازگار در سازگاری در انگیزه ازدواج (0.007= p)، سازگاری جنسی (0.04= p) سازگاری در تصمیم گیری (0= p) تحصیلات شوهر (0= p)، تحصیلات زن (0.003= p) و شغل شوهر (0.005 = p) به طور معنی داری بیشتر از میانگین نمرات زوج های ناسازگار است. نتایج تحلیل تمایزات نیز نشان داد که همبستگی این متغیرها با عضویت در گروه های سازگار و ناسازگار به ترتیب اهمیت به قرار زیر است:سازگاری در تصمیم گیری (0.583 = r)، تحصیلات شوهر (0.58= r)، تحصیلات زن (0.46= r)، سازگاری در انگیزه ازدواج (0.425= r)، شغل شوهر (0.323= r) و سازگاری جنسی (0.32= r). در پی تحلیل گام به گام معادله پیش بینی عضویت در گروه های سازگار و ناسازگار به صورت زیر به دست آمد:سازگاری جنسی 0.674+ شغل شوهر 0.387+ تحصیلات زن 0.16+ تحصیلات شوهر 0.067=y4.92- سازگاری در تصمیم گیری 1.62+ سازگاری در انگیزه ازدواج 0.904+با در دست داشتن نمرات پرسشنامه هر زوج و قراردادن آن در این معادله، عضویت گروهی آن زوج و احتمال ناسازگار بودن آنها را می توان پیش بینی کرد. نمرات کل سازگاری زوج ها نیز مورد تحلیل تمایزات قرار گرفت و متغیرهای معنی دار به ترتیب اهمیت آن در معادله پیش بینی به شرح زیر محاسبه گردید:5.1- شغل شوهر 0.42+ تحصیلات زن 0.14+ تحصیلات شوهر 0.055+ سازگاری کل 4.21=y چنانچه نمرات هر زوج در معادله فوق قرار داده شود و نمره ممیز (y) به دست آمده مثبت باشد پیش بینی می شود آن زوج به گروه سازگار متعلق باشد، و اگر منفی باشد به گروه ناسازگار تعلق داشته باشد. نقطه برش در معادله فوق صفر می باشد.  

سابقه و هدف: سقط خودبخودی 80 درصد موارد، در 12 هفته اول رخ میدهد. اطلاعات اندکی درباره ارزش پیشگویی کننده شاخص های سونوگرافی در پیش بینی خطر سقط خودبخودی در دسترس است. هدف از این مطالعه پیش بینی خطر سقط خودبخودی با استفاده از شاخص های سونوگرافی می باشد.مواد و روشها: این مطالعه آینده نگر بر روی 239 زن باردار با سیکل قاعدگی منظم انجام شد. برای تمام بیماران در 8-6 هفته حاملگی با سونوگرافی واژینال، قطر ساک حاملگی، قطر کیسه زرده طول فرق سری اندازه گیری و ضربان قلب رویان از طریق سونوگرافی داپلر رنگی ثبت گردید. سپس بیماران در فواصل 4-3 هفته تا انتهای 20 هفته حاملگی پیگیری و ارزیابی شدند.یافته ها: از 239 زن باردار مورد بررسی، در (92.5%) 221 نفر بعد از 20 هفته حاملگی، بارداری ادامه یافت و (7.5%) 18 حاملگی منجر به سقط، قبل از هفته 20 بارداری شد. بین سن حاملگی و ضربان قلب رویان در افرادی که حاملگی آنان منجر به سقط نشده بود رابطه معنی داری وجود داشت (p<0.001 و r=0.31). از بین متغیرهای سونوگرافی برای پیش بینی خطر سقط در بارداری، ضربان قلب رویان قدرت پیش گویی کننده بیشتری را نسبت به سایر متغیرها دارا می باشد (p=0.003، 94.0-77.0 95%CI، 85.0 OR).نتیجه گیری: نتایج حاصل از این بررسی نشان داد که ضربان قلب رویان نسبت به سایر شاخص های سونوگرافی ارزش پیش گویی بیشتری را در سقط دارد.

هدف اساسی این مطالعه پیش بینی رفتار رانندگی پر خطر براساس سبک های هویتی است. اطلاعات لازم بر مبنای مفروضه تحقیقات توصیفی از نوع همبستگی و با اجرای دو پرسشنامه رفتار رانندگی منچستر و سبک هویتی برزونسکی جمع آوری شدند. نمونه پژوهش شامل 150 نفر از جامعه دانشجویان دختر و پسر مقطع لیسانس دانشگاه آزاد اسلامی رودهن به جز رشته های روان شناسی و علوم تربیتی بود که در سال تحصیلی 92-1391 با روش نمونه گیری تصادفی خوشه ای انتخاب شدند. نتایج تحلیل رگرسیون نشان داد که بین متغیرهای سبک هویت و متغیر لغزش ها همبستگی معنادار وجود دارد. اما تنها متغیر سبک هویت اطلاعاتی با 4 مولفه رانندگی پر خطر (لغزش ها، تخلفات عمدی، اشتباهات، تخلفات غیرعمدی) همبستگی منفی و معنادار دارد.

سرمازدگی ازجمله پدیده­ هایی است که همه ساله خسارات بسیاری بر بخش کشاورزی وارد می­ ­ سازد. از دیدگاه هواشناسی/اقلیم ­ شناسی هنگامی که دمای هوا به کمتر از آستانه تحمل گیاهی می رسد، پدیده سرمازدگی اتفاق می افتد. این پژوهش به پیش بینی مناطق در خطر سرمازدگی با استفاده از روش NEAT[1] در ایالت جورجیای آمریکا می ­ پردازد. روشNEATبرای تخمین دمای هوا در نزدیکی سطح بکار گرفته شد. بدین منظور از داده ­ های سنجنده مادیس مستقر بر سکوهای ترا و آکوا و داده­ های ایستگاه ­ های هواشناسی شبکه AEMN[2] استفاده شده است. جهت پیاده سازی مدل، دو بازه زمانی 3 تا 9 دسامبر سال 2006 و 3 تا 11 آپریل 2007 انتخاب شدند. در این دوبازه، سرمازدگی خسارات زیادی به محصولات کشاورزی در جنوب شرق آمریکا وارد کرده است. ابتدا با استفاده از داده ­ های شبکه AEMN ضرائب مدل NEAT برای برون یابی دمای هوا به ساعات بعد محاسبه شده و مورد ارزیابی قرار گرفت. سپس دمای هوای نزدیک سطح با استفاده از محصولات مادیس برای لحظه گذر شبانه دو سنجنده مادیس مستقر بر سکوهای آکوا و ترا استخراج گردید. در نهایت مدل NEAT بر روی دمای هوای استخراج شده از تصاویر ماهواره ای اعمال گردیده و دمای شبانه از حدود ساعت 22: 30 شب تا 7: 30 صبح در بازه­ های زمانی 15 دقیقه ­ ای پیش بینی شده است. جهت ارزیابی، داده­ های 68 ایستگاه شبکه AEMN در این دو بازه زمانی مورد استفاده قرار گرفت. در نهایت مقادیرRMSE و تغییرات پارامترهای دقت کلی و دقت کاربر در مورد پیش­ بینی سرمازدگی در طول شب مورد بررسی قرار گرفت. مقدار RMSE کل برای تعداد 13840 داده، 5/2 درجه بدست آمد. پارامتر RMSE از لحظه گذر تا 6 ساعت پس از آن، دارای روند افزایشی می­ باشد و با دور شدن از لحظه گذر از 1/0 تا 5/2 درجه سلسیوس تغییر می­ کند. نتایج حاصل می ­ تواند تا حد زیادی در شناسایی و پیش­ بینی مناطق در خطر سرمازدگی مفید باشد.

مقدمه و اهداف: بیماری های قلبی و عروقی علل عمده مرگ و میر بزرگسالان در بسیاری از کشورهای در حال توسعه است. این مطالعه به مقایسه تخمین خطر نسبی ده ساله حوادث قلبی عروقی با استفاده از معیارهای فرامینگهام با مدل بومی پرداخته است. روش کار: این مطالعه مقطعی مبتنی برجمعیت، به روش نمونه گیری طبقه ای خوشه ای تصادفی، بر روی جمعیت بالغ (≥, 16 سال) شهرنشین مشهد انجام گردید. اطلاعات شرکت کنندگان براساس معیارهای فرامینگهام جمع آوری و داده کاوی جهت طراحی الگوریتم درخت تصمیم گیری با نرم افزار Rapidminer v5. 3 و با متد cross-validation ارزیابی شد. یافته ها: از 2978 نفر، (64/9%)1930 زن و (35/1%) 1041 مرد با میانگین سنی (14/7±, 43/5) حضور داشتند. تخمین سطح خطر ده ساله بیماری قلبی عروقی براساس معیارهای فرامینگهام 77/8% با خطر کم و 13/4% خطر متوسط و 8/8% خطر بالا برآاورد شد. در داده کاوی با استفاده از مدل درخت تصمیم گیری، مدل شماره (1) با دقت 79/56% نشان میدهد که مقادیر پیش بینی سطوح خطر الگوریتم فرامینگهام نسبت به مقادیر مشاهده شده در سطح کم خطر 95/24% و خطر متوسط90/8% و خطر بالا 33/13% تطابق داشت و مدل شماره (2) با دقت 82/78%، در سطح کم خطر 98/20% و خطر متوسط 0/42% و خطر بالا 53/01% تطابق داشته است. نتیجه گیری: معیارهای فرامینگهام در پیش بینی سطوح خطر متوسط و بالا در جمعیت مشهدکارآمد نیست و براساس مدل بومی، مهمترین عامل درپیش گویی خطر بیماری های قلبی و عروقی درجوانان مصرف سیگار و در بزرگسالی فشارخون بالا است.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.