این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دانشگاه علوم پزشکی مازندران، جلد ۲۶، شماره ۱۴۰، صفحات ۸۵-۹۴
عنوان فارسی پیش بینی احتمال مرگ‌ومیر نوزادان نارس بستری در بخش مراقبت‌های ویژه نوزادان بیمارستان قائم با استفاده مدل شبکه عصبی مصنوعی
چکیده فارسی مقاله سابقه و هدف: علی رغم پیشرفت سریع در درمان‌های طبی و تکنولوژی مراقبت‌های حاد طی 30 ساله اخیر در کنار افزایش هزینه‌های مراقبت‌های طبی، ‌آنالیز پیامدها از جمله پیش‌بینی خطر مرگ‌و‌میر از چالش‌های بخش‌های مراقبت ویژه بوده است. لذا هدف از مطالعه حاضر پیش‌بینی مرگ‌‌و‌‌میر نوزادان نارس بستری در NICU با استفاده از مدل شبکه عصبی مصنوعی است. مواد و روش‌ها: این مطالعه روی پرونده نوزادان نارس با سن حاملگی کم تر از 37 هفته در بیمارستان قائم شهر طی سال های 1389-1386 با استفاده از نرم‌ابزار MATLAB انجام شد. 100 پرونده نوزاد نارس با استفاده از 21 متغیر، که 80 درصد برای آموزش شبکه عصبی مصنوعی و و 20 درصد برای آزمون مدل طراحی شده مورد استفاده قرار گرفت. برای جلوگیری از پراکندگی اطلاعات از سیستم کد‌بندی اطلاعات استفاده شد و از این کدها برای طراحی و آزمون مدل شبکه عصبی مصنوعی استفاده شد. یافته‌ها: به ازای 60 نورون و 20 تکرار، صحت به حد مطلوب خود (صحت 2/95در صد در مرحله آموزش و صحت 56/94 درصد در مرحله آزمایش) رسید. در صورتی که تعداد تکرار از این حد بیش‌تر می‌شد الگوریتم به سمت پدیده آموزش بیش از حد (overtraining) پیش می‌رفت. استنتاج: در اینجا روشی برای ایجاد مدل‌های ANN برای برآورد احتمال مرگ‌ومیر در نوزادان نارس با استفاده از 21 متغیر معرفی شد. این مدل می‌تواند بالقوه برای پیش‌بینی بسیاری دیگر از پیامدهای NICU مانند پیش‌بینی طول دوره تهویه مکانیکی وعوارضی چون ناهنجاری‌های موجود در تصویربرداری عصبی، انتروکولیت نکروزان و دیسپلازی برونکوپولمونر مورد استفاده قرار گیرد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Predicting Mortality Rate of Preterm Infants in Neonatal Intensive Care Unit Using Artificial Neural Network Model
چکیده انگلیسی مقاله Background and purpose: Despite rapid progress in medical treatments and acute care technology during the past 30 years alongside increasing costs of medical care, the analysis of outcomes such as mortality risk have been a challenge in intensive care units. The purpose of this study was to predict the mortality rate of premature infants in neonatal intensive care unit (NICU) using artificial neural network model. Materials and methods: This study was performed using the medical records of 100 preterm infants (less than 37 weeks gestation) in Mashhad Qaem Hospital, Iran, during 2007-2010 applying MATLAB. Twenty one variables were used of which 80% were for artificial neural network training and 20 percent were for testing the designed model. To prevent the dispersion of information we used information classification code system and the codes were used to design and test the artificial neural network model. Results: Per 60 neurons and 20 replication optimum validity was obtained (95.2% in training and 94.56% in experimental stage). The replications were not continued more, since in this case the algorithm would have gone towards overtraining. Conclusion: This study introduced a method for establishing ANN models in estimating the probability of mortality in premature infants using 21 variables. This model may be used for prediction of many other consequences in NICU such as mechanical ventilation duration and complications such as abnormalities in neuroimaging, necrotizing enterocolitis and bronchopulmonary dysplasia.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله اکرم رضاییان | akram rezaeian
evidence based care research centre, instructor of pediatric nursing, school of nursing and midwifery, mashhad university of medical sciences, mashhad, iran
کمیته تحقیقات مراقبت مبتنی بر شواهد، مربی، گروه کودک و نوزاد، دانشکده پرستاری و مامایی، دانشگاه علوم پزشکی مشهد، مشهد، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی مشهد (Mashhad university of medical sciences)

فاطمه نسیمی | fatemeh nasimi
instructor of pediatric nursing, school of nursing and allied health, jahrom university of medical sciences, jahrom, iran
مربی، گروه کودک و نوزاد، دانشکده پرستاری و پیراپزشکی، دانشگاه علوم پزشکی جهرم، جهرم، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی جهرم (Jahrom university of medical sciences)

فرشید پورعلیزاده مقدم | farshid pooralizadeh moghadam
ph.d student in electrical-control engeenering, department of kharazmi pardise, shahrood university of technology, shahrood, iran
مشهد چهاراه دکترا، خیابان ابن سینا، دانشکده پرستاری و مامایی
سازمان اصلی تایید شده: دانشگاه صنعتی شاهرود (Shahrood university of technology)

نشانی اینترنتی http://jmums.mazums.ac.ir/browse.php?a_code=A-10-29-435&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 کودکان
نوع مقاله منتشر شده پژوهشی-کامل
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات