این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشگاه علوم پزشکی مازندران، جلد ۳۳، شماره ۲، صفحات ۲۶۹-۲۸۰
عنوان فارسی مقایسه به‌کارگیری شبکه عصبی پرسپترون چندلایه با رگرسیون وزن‌دار در تعیین الگوی جغرافیایی بروز بیماری تب مالت استان مازندران (۱۳۹۶-۱۳۸۸)
چکیده فارسی مقاله سابقه و هدف: روش‌های یادگیری ماشین از جمله شبکه عصبی مصنوعی، پیش‌بینی بهتری نسبت به روش‌های کلاسیک دارد. این مطالعه به ‌منظور مقایسه به‌کارگیری شبکه عصبی پرسپترون چندلایه با رگرسیون وزن‌دار در تعیین الگوی جغرافیایی بروز بیماری تب مالت استان مازندران (1396-1388) درباره 3732 بیمار انجام شد.
مواد و روش‌ها: نوع مطالعه اکولوژیکال و از نوع اگزیستینگ دیتا به ‌صورت ثبتی است. برای مدل‌سازی و پیش‌بینی بروز بیماری از شبکه عصبی پرسپترون چندلایه استفاده و نتایج با رگرسیون وزنی مقایسه شد. جهت مقایسه مدل‌ها از دو معیار RMSE و MAPE استفاده شد. تمام آنالیزها با استفاده از نرم‌افزار SPSS v.26 و مایکروسافت اکسل 2016 انجام شد.
یافته‌ها: نرخ استاندارد سنی بروز بیماری 13/2 در 100 هزار نفر است. سال 1391 بالاترین نرخ بروز (17/2) و کم‌ترین (10/6) مربوط به سال 1393 بود. شهرستان گلوگاه (0/35) و شهرستان‌های قائمشهر و فریدون‌کنار (3/0) بالاترین و پایین‌ترین نرخ بروز را داشتند. متغیرهای جنسیتِ مرد، سکونت روستایی، سن بالای 55 سال، تماس با فراورده‌های لبنی، خانه‌دار بودن، دامداری و شغل‌های وابسته به دام، تماس با دام و واکسیناسیون دام بر بروز استاندارد بیماری در هر دو مدل شبکه عصبی مصنوعی و رگرسیون وزنی (به ‌غیر از متغیر بالای 55 سال) تأثیرگذار بود.
استنتاج: قدرت پیش‌بینی مدل در شبکه عصبی پرسپترون چندلایه از رگرسیون وزن‌دار بیش‌تر بود.
 
کلیدواژه‌های فارسی مقاله بروسلوز، شبکه عصبی پرسپترون چند لایه، رگرسیون وزنی، مازندران
عنوان انگلیسی Comparison of the Use of Multilayer Perceptron Neural Network with Weighted Regression in Determining the Geographical Pattern of the Brucellosis Disease Incidence in Mazandaran Province, Iran (2009-2018)
چکیده انگلیسی مقاله Background and purpose: Time series models based on machine learning, including artificial neural network, perform better than classical methods. This study was performed to compare the use of a multi-layered perceptron neural network with weighted regression in determining the geographical pattern of brucellosis in Mazandaran province, Iran (2009-2018) on 3,732 patients.
Materials and methods: The study type is ecological and existing data, which is registered. Multilayer perceptron neural network was used to model and predict disease occurrence, and the results were compared with weighted regression. The root mean square error (RMSE) and mean absolute percentage error (MAPE) were used to compare the models. All analyses were performed using SPSS software (version 26) and Microsoft Excel 2016.
Results: The age-standardized rate of disease incidence was 13.2 per 100,000. The highest incidence rate (17.2) was in 2012 and the lowest (10.6) in 2014. Galugah city (35.0) and Qaemshahr and Fereydunkenar cities (3.0) had the highest and lowest incidence rates. The independent variables studied included male gender, rural residence, age over 55 years, contact with dairy products, being a homemaker, rancher and associated with livestock jobs, contact with livestock, and livestock vaccination on the standard incidence of brucellosis in both artificial neural network and weighted regression (other than variable over 55 years) models were effective.
Conclusion: The predictive power of the model in the multi-layered perceptron neural network was higher than the weighted regression.
 
کلیدواژه‌های انگلیسی مقاله Brucellosis, Mazandaran, Multilayer perceptron neural network, Weighted regression
نویسندگان مقاله مریم سلمانی سراجی | Maryam Salmani Seraji
MSc Student in Biostatistics, Faculty of Health, Mazandaran University of Medical Sciences, Sari, Iran
دانشجوی کارشناسی ارشد آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی مازندران، ساری، ایران

جمشید یزدانی چراتی | Jamshid Yazdani Charati
Professor, Department of Biostatistics and Epidemiology, Faculty of Health, Mazandaran University of Medical Sciences, Sari, Iran
استاد، گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی مازندران، ساری، ایران

رضا علی محمدپور تهمتن | Reza Ali Mohammadpour Tahamtan
Associate Professor, Department of Biostatistics and Epidemiology, Faculty of Health, Mazandaran University of Medical Sciences, Sari, Iran
دانشیار، گروه آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی مازندران، ساری، ایران

فرهنگ بابامحمودی | Farhang Baba Mahmoudi
Professor, Department of Infectious Diseases, Faculty of Medicine, Mazandaran University of Medical Sciences, Sari, Iran
استاد، گروه عفونی، دانشکده پزشکی، دانشگاه علوم پزشکی مازندران، ساری، ایران

حبیب واحدی | Habib Vahedi
Assistant Professor, Department of Basic Sciences, Faculty of Health, Mazandaran University of Medical Sciences, Sari, Iran
استادیار، گروه علوم پایه، دانشکده بهداشت، دانشگاه علوم پزشکی مازندران، ساری، ایران

زهرا رمضانی | Zahra ramazani
Postdoctoral Researcher in Biostatistics and Epidemiology, Faculty of Health, Mazandaran University of Medical Sciences, Sari, Iran
دانشجوی پست دکترا آمار زیستی و اپیدمیولوژی، دانشکده بهداشت، دانشگاه علوم پزشکی مازندران، ساری، ایران

نشانی اینترنتی http://jmums.mazums.ac.ir/browse.php?a_code=A-10-370-33&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 آمار زیستی
نوع مقاله منتشر شده پژوهشی-کامل
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات