این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران، جلد ۷۷، شماره ۴، صفحات ۰-۰
عنوان فارسی پیش بینی میزان بروز بیماری سل با استفاده از سری های زمانی مبتنی بر شبکه های عصبی در ایران
چکیده فارسی مقاله زمینه و هدف: یکی از بیماری های عفونی مهم با مرگ و میر و بار بالا در جهان، سل می باشد که هیچ کشوری از آن مصون نیست و امروزه به علل مختلف مانند بیماری های زمینه ای بروز آن مجددا در حال افزایش می باشد. بر اساس آخرین گزارش سازمان بهداشت جهانی از وضعیت سل در ایران، سل مقاوم به دارو و سل در افراد دارای human immunodeficiency virus (HIV) مثبت در کشور رو به افزایش است. پیش بینی بروز برای پیشگیری، مدیریت و کنترل بهتر این بیماری امری الزامی می باشد. هدف این مطالعه ایجاد سیستم پیش بینی کننده میزان بروز سل می باشد. روش بررسی: تحلیل گذشته نگری بر روی 10651 بیمار مسلول ثبت شده در بین سال های 1393-1394 در سیستم وزارت بهداشت، درمان و آموزش پزشکی کشور ایران انجام گرفت. پارامتر های قابل استناد جداسازی شدند و به صورت مستقیم، ادغام و یا تولید شاخص جدید در نظر گرفته شدند.   یافته ها: 23 متغیر مستقل وارد مطالعه شد که با سنجش همبستگی و محاسبه رگرسیون، 12 متغیر با p-value≤0.01 در اسپیرمن و p-value≤0.05  در پیرسون مرتبط شناخته شد. بهترین نتایج R = 0.93 و MSE = 10.96 در داده های آموزش، 0 و 0 در داده های اعتبار سنجی و R = 0.91 و MSE = 13.23 در داده های تست و همچنین نمودار رگرسیون قابل قبول از شبکه ایجاد شده با الگوریتم های سری زمانی شبکه عصبی در متلب به دست آمد. نتیجه گیری: نتایج مطالعه حاضر بیانگر این است که هوش مصنوعی برای استخراج دانش از داده های خام جمع آوری شده مربوط به بیماری سل عملکرد مناسبی دارد و میتوان از آن برای پیش بینی موارد جدید این بیماری استفاده کرد.
کلیدواژه‌های فارسی مقاله پیش بینی بروز، بیماری سل، سری زمانی، شبکه عصبی، ایران
عنوان انگلیسی Tuberculosis incidence predicting system using time series neural network in Iran
چکیده انگلیسی مقاله Background: Tuberculosis is an important infectious disease with high mortality in the world. None of the countries stay safe from TB. Nowadays TB incidence is increasing because of various causes like underlying disease. WHO's last report about Iran's TB status shows rising trend of MDR-TB and HIV/TB. Incidence prediction is necessary for TB prevention, management and control. The purpose of this study is designing and creating a system to prediction of TB incidence by time series ANN in Iran. Methods: 10651 TB cases that registered on Iran stop TB system in March 2014 to March 2016, analyzed retrospective. Reliable data split and used directly or merged or create a new indicator. Results: At first, 23 independent variables entered to study. After correlation coefficient and regression, 12 variables with p-value≤0.01 in Spearman and p-value≤0.05 in Pearson were selected then we chose the network with best value of R, MSE and also regression graph in train, validation and test data. Conclusion: This study shows that artificial neural network has acceptable function to extract knowledge from TB raw data; ANN could to be used for TB incidence prediction.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله شراره رستم نیاکان کلهری | Sharareh Rostam Niakan Kalhori
Tehran University of Medical Sciences
دانشگاه علوم پزشکی تهران

عاطفه صدیق نیا | Atefeh Sedighnia
Tehran University of Medical Sciences
دانشگاه علوم پزشکی تهران

مهشید ناصحی | Mahshid Nasehi
Iran University of Medical Sciences
دانشگاه علوم پزشکی ایران

احمد علی حنفی بجد | Ahmad ali Hanafi Bojd
Tehran University of Medical Sciences
دانشگاه علوم پزشکی تهران

نشانی اینترنتی http://tumj.tums.ac.ir/browse.php?a_code=A-10-3215-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده بیماریهای عفونی
نوع مقاله منتشر شده مقاله اصیل
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات