این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله اپیدمیولوژی ایران، جلد ۱۰، شماره ۳، صفحات ۱-۸
عنوان فارسی پیش‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎بینی بقای بیماران مبتلا به سرطان پستان با استفاده از دو مدل رگرسیون لجستیک و شبکه عصبی مصنوعی
چکیده فارسی مقاله مقدمه و اهداف: در سال‎های اخیر، توجه قابل ملاحظه‎ای به مدل‎های آماری برای طبقه‎بندی داده‎های پزشکی با توجه به بیماری‎های مختلف و پیامدهای آن‎ها شده است. شبکه‎های عصبی مصنوعی به دلیل عدم نیاز به پیش‌فرض با موفقیت برای تشخیص الگو و پیش‎بینی در برخی از مطالعه‌های بالینی استفاده شده‎اند. هدف از این مطالعه، مقایسه دو مدل آماری شبکه عصبی مصنوعی و رگرسیون لجستیک برای پیش‌بینی بقای بیماران مبتلا به سرطان پستان است.روش کار: دو مدل برای داده‎های ثبت سرطان کرمان، جنوب شرق ایران، برای پیش‌بینی بقای هر بیمار به کار برده شدند. داده‎‎‎‎‎‎‎های مورد استفاده در این مطالعه شامل 712 بیمار مبتلا به سرطان پستان در گروه سنی 85-15 سال بود. برای مقایسه پیش‌بینی بقا در داده‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎های یاد شده، از مدل رگرسیون لجستیک و مدل شبکه عصبی مصنوعی پرسپترون سه لایه استفاده شد. برای مقایسه و تعیین تفاوت دو مدل، از حساسیت، ویژگی، صحت پیش‎بینی و سطح زیر منحنی مشخصه عملکرد (ROC) (Receiver Operative Characteristics) استفاده گردید.نتایج: در این مطالعه، حساسیت و ویژگی دو مدل رگرسیون لجستیک و شبکه عصبی مصنوعی به ترتیب (594/0 و 70/0) و (621/0 و 723/0) به دست آمد. هم‌چنین صحت و سطح زیر منحنی راک به ترتیب (688/0و 725/0) و (70/0و 725/0) برای دو مدل رگرسیون لجستیک و شبکه عصبی پرسپترون بود.نتیجه‏گیری: یافته‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎ها نشان می‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎دهند اگرچه تفاوت کمی در دو مدل وجود دارد، اما در این‎گونه داده‎ها برای پیش‎بینی بقای بیماران مبتلا به سرطان پستان، مدل شبکه عصبی مصنوعی ابزار مناسب‌تری می‌باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Prediction of Breast Cancer Survival by Logistic Regression and Artificial Neural Network Models
چکیده انگلیسی مقاله Background and Objectives : recent years, considerable attention has been paid to statistical models for classification of medical data according to various diseases and their outcomes. Artificial neural networks have been successfully used for pattern recognition and prediction since they are not based on prior assumptions in clinical studies. This study compared two statistical models, artificial neural network and logistic regression, to predict the survival of patients with breast cancer. Methods: Two models were applied on cancer registry data, Kerman, southeast of Iran, to predict survival. The data of 712 breast cancer patients in the age group 15 to 85 years was used in this study. The logistic regression and three-layer perceptron neural network models were compared in terms of predicting the survival. Sensitivity, specificity, prediction accuracy, and the area under ROC curve were used for comparing the two models. Results : In this study, the sensitivity and specificity of logistic regression and artificial neural network models were (0.594, 0.70) and (0.621, 0.723), respectively. Prediction accuracy and the area under ROC curve for two models were (0.688, 0.725) and (0.70, 0.725), respectively. Conclusion: Although there were insignificant differences in the performance of the two models for predicting the survival of the patients with breast cancer, the corresponding results of artificial neural network were more appropriate for predicting survival in such data.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله آذر اسد آبادی | a asadabadi
msc, department of biostatistics amp;amp; epidemiology, school of health, kerman university of medical sciences, iran
کارشناس ارشد آمار زیستی، گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی کرمان (Kerman university of medical sciences)

عباس بهرامپور | a bahrampour
professor, phd, modeling of health research center, department of biostatistics amp;amp; epidemiology, school of health, kerman university of medical sciences, iran
استاد گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی کرمان (Kerman university of medical sciences)

علی اکبر حقدوست | aa haghdoost
associate professor, phd, modeling of health research center, department of biostatistics amp;amp; epidemiology, school of health, kerman university of medical sciences, iran
استاد گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی کرمان (Kerman university of medical sciences)

نشانی اینترنتی http://irje.tums.ac.ir/browse.php?a_code=A-10-25-5078&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده عمومی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات