عنوان مقاله :
ارائه مدلي تصميم‌يار جهت پايش پيوسته فشارخون بيماران با استفاده از شبكه عصبي مصنوعي و نمودار كنترل‌كيفيت‌آماري
عنوان به زبان ديگر :
Providing a decision-making model for continuous monitoring of patient's hypertension using artificial neural network and quality control charts
پديد آورندگان :
فيروزي جهان تيغ، فرزاد دانشگاه سيستان و بلوچستان - گروه مهندسي صنايع، زاهدان , باطاني، عاطفه دانشگاه سيستان و بلوچستان - گروه مهندسي صنايع، زاهدان
كليدواژه :
مدل تصميم يار , پايش فشارخون , شبكه عصبي , نمودار كنترل كيفيت آماري
چكيده فارسي :
هدف پژوهش، پايش پيوسته فشارخون اين بيماران در مراكز درماني، به كمك مدلي تصميم يار مبتني بر شبكه عصبي و نمودار كنترل كيفيت آماري ميباشد.
93 ، از 175 پرونده پزشكي بيماراني با سابقه بيماري قلبي در - روش كار: اين پژوهش از نوع كاربردي-توسعه اي است كه به روش مقطعي در سالهاي 94
بيمارستان علي ابن ابيطالب زاهدان، به روش نمونه گيري در دسترس انجام شد. رفتار واقعي ميزان فشارخون سيستوليك و دياستوليك اين بيماران تحت
و در قالب شبكه عصبي مصنوعي بررسي شدند. با بررسي رفتار واقعي ميزان فشارخون بيماران Offline و رفتار مورد انتظار آن تحت مدل Online مدل
در دو مرحله جهت پي بردن به حالت خارج از كنترل و EWMA با حالت مد شده آن، مقادير باقيمانده توليد شده و به عنوان ورودي نمودار كنترل كيفيت
تعيين وضعيت بيماردر نظر گرفته ميشوند.
98 % و 95 %، در مرحله ي تعيين وضعيت بيمار به / يافته ها: بيشترين و كمترين دقت كل مدل پيشنهادي، در مرحله تعيين حالت خارج از كنترل به ترتيب 75
%99/ 95 %، در مرحله ي اول و حدودكنترلي بازتر با فاصله اطمينان 73 / 83 % و 70 % ميباشد كه در آن حدودكنترلي تنگتر با فاصله اطمينان 45 / ترتيب 75
در مرحلهي دوم دقت كل بالاتري دارند.
نتيجه گيري: با توجه به تطبيق نتايج پژوهش با حوزه كنترل كيفيت آماري، سهولت در درك بصري، مقرون به صرفه بودن و توجه به آخرين وضعيت حياتي
بيمار، مدلي مناسب براي پزشكان و بيماران جهت تصميم گيري در مراقبتهاي درماني ميباشد.
چكيده لاتين :
Background: Heart patients with hypertension and myocardial infarction and hemodialysis
patients are at risk of lowering of blood pressure during hemodialysis. Therefore, continuous
monitoring of blood pressure in health centers is a priority for deciding the type of
therapeutic treatment in these patients. The aim of this study was to provide a decisionmaking
model based on neural network and quality control charts for monitoring and
continuous monitoring of blood pressure.
Methods: This was an applied-developmental study carried out in cross-sectional method
during 2014 to 2015, on 175 patients with hypertension in Ali ibn Abi Talib Hospital of
Zahedan. The actual behavior of the systolic and diastolic blood pressure of these patients
under the online model and its expected behavior was studied under the Offline model and in
the form of an artificial neural network. By evaluating the true behavior of patients with their
modeled blood pressure, residual values are produced and introduced as inputs of EWMA
quality control charts in two steps to determine the state of the patient out of control and
determine the status of the patient.
Results: Highest and lowest total rate of accuracy of the proposed model, in the state of the
patient out of control stage were 98.75 and 95% in the status of the patient stage,
respectively, 83.75% and 70%. Narrower control limits with a confidence level (95.45%
confidence interval) in the state of the patient out of control stage and more open limits with a
confidence level (99.73% confidence interval) in the status of the patient stage. The higher
overall total accuracy rate and lower error rates are provided in the model.
Conclusion: According to the results of the research in regard to the field of statistical quality
control, ease of visual comprehension, affordability and attention to the last critical condition
of the patient, it is a model suitable for physicians and patients for healthcare decisionmakings.
عنوان نشريه :
علوم پزشكي رازي
