شناسايي علايم و بيماري‌هاي زمينه‌اي مرتبط با بيماري كوويد-19 و پيش‌بيني وضعيت مرگ با كمك رگرسيون لوژستيك و شبكه‌هاي عصبي مصنوعي: يك رويكرد داده‌كاوي

مقدمه و اهداف: شيوع و نرخ مرگ‌ومير بالاي بيماري كوويد-19، علائم، اطلاعات جمعيت شناختي و بيماري‌هاي زمينه‌اي مؤثر در پيش‌بيني مرگ ناشي از آن را ضروري مي‌سازد. لذا در اين مطالعه قصد داريم به پيش‌بيني رفتار مرگ‌ومير ناشي از كوويد-19 در استان خراسان رضوي بپردازيم. روش كار: در اين مطالعه داده‌هاي كامل 47460 نفر از بيماران بستري در بيمارستان‌هاي استان خراسان رضوي از 4 اسفند 1398 تا 21 شهريور 1400 جمع‌آوري شد. براي تشخيص بازماندگان و غير بازماندگان ناشي از كوويد-19 روش شبكه‌هاي عصبي و رگرسيون لوژستيك و براي مقايسه دو مدل از حساسيت، ويژگي، صحت پيش‌بيني و سطح زير منحني مشخصه عملكرد استفاده گرديد. يافته‌ها: كاهش سطح هوشياري، سرفه، درصد اكسيژن خون كمتر از 93%، سن، سرطان، بيماري‌هاي مزمن كليه، تب داشتن، سردرد داشتن، سيگاري بودن، و بيماري‌هاي مزمن خون به‌عنوان ده عامل مهم‌تر در پيش‌بيني مرگ شناسايي شدند. صحت مدل شبكه عصبي و رگرسيون لوژستيك به ترتيب برابر 89/90% و 83/67%درصد، همچنين حساسيت، ويژگي و سطح زير منحني راك در دو مدل به ترتيب (76/14%، 68/94%)، (91/99%، 85/30%) و (77/14%، 68/98%) بود. نتيجه‌گيري: يافته‌هاي ما اهميت برخي اطلاعات جمعيت شناختي، بيماري‌هاي زمينه‌اي و علائم باليني را ارائه كرد. همچنين، مدل شبكه عصبي مي‌تواند مرگ را با دقت بيشتري نسبت به مدل رگرسيون لوژستيك پيش‌بيني كند. بااين‌حال، تحقيقات پزشكي در اين زمينه با به‌كارگيري ساير روش‌هاي يادگيري ماشين و قدرت بالاي آن‌ها، نتايج كامل‌كننده‌اي به دنبال خواهد داشت.