عنوان مقاله :
پيش بيني سپسيس به دليل عفونت اسينتوباكتر در نوزادان بستري در بخش مراقبت هاي ويژه نوزادان
پديد آورندگان :
محمدزاده ، نيلوفر دانشگاه علوم پزشكي تهران - دانشكده پيراپزشكي - گروه مديريت اطلاعات سلامت , مسيبي ، زيبا دانشگاه علوم پزشكي تهران - دانشكده پزشكي - گروه بيماريهاي كودكان , بيگي ، حميد دانشگاه صنعتي شريف - دانشكده مهندسي كامپيوتر - گروه هوش مصنوعي , شجاعي نيا ، محمد دانشگاه علوم پزشكي تهران - دانشكده پيراپزشكي
كليدواژه :
سپسيس , آسينتوباكتر , عفونت هاي بيمارستاني , يادگيري ماشين , مدل پيش بيني
چكيده فارسي :
زمينه و هدف: سپسيس، مهمترين بيماري 28 روز اول زندگي و از دلايل اصلي مرگومير نوزادان در بخش مراقبتهاي ويژه ميباشد. سپسيس نوزادي ميتواند از علايم باليني عفونتهاي بيمارستاني باشد. ازاينرو هدف از اين پژوهش، ايجاد و ارزيابي مدل پيشبيني سپسيس بيمارستاني و ارايه نتايج آن به ارايهدهندگان خدمات مراقبت سلامت است. روش بررسي: در اين مطالعهي توصيفي كاربردي، جامعهي پژوهش شامل نوزادان بستري در بخش مراقبتهاي ويژه بيمارستان وليعصر(عج) تهران و نمونه پژوهش، دادههاي ثبت شدهي 4196 نوزاد بستري شده در اين بخش از سال 95 تا شهريورماه 99 ميباشد. ويژگيهاي اوليه جهت ايجاد مدل پيشبيني بيماري سپسيس با بررسي منابع اطلاعاتي مرتبط و مطابق با نظر استادان و مسئولان مركز تحقيقات مادر و جنين بيمارستان وليعصر تهيه گرديد و روايي آن توسط 5 نفر از استادان فوقتخصص نوزادان اين بيمارستان تاييد شد. در اين پژوهش از الگوريتمهاي يادگيري ماشين جهت ايجاد مدل پيشبيني سپسيس استفاده شده است. يافتهها: براي ارزيابي مدلهاي ايجاد شده، از پارامترهاي Accuracy و AUROC (سطح زيرمنحنيROC ) استفاده شد. بيشترين مقدار Accuracy و AUROC بهترتيب مربوط به الگوريتمهاي Adaptive Boosting و جنگل تصادفي ميباشد. نتيجهگيري: منحنيهاي يادگيري نشان ميدهد كه با استفاده از نمونههاي آموزشي مختلف و انتخاب پيچيدهتر ويژگيهاي تركيبي، عملكرد مدلها بهبود مييابد. تحقيقات بيشتر براي ارزيابي اثربخشي باليني مدلهاي يادگيري ماشين در يك كارآزمايي ضروري است.
عنوان نشريه :
پياورد سلامت
عنوان نشريه :
پياورد سلامت