تحليل و شناسايي عوامل موثر در بقاي بيماران سوانح سوختگي با رويكرد هوش مصنوعي

زمينه و هدف: سوختگي يكي از شايع‌ترين آسيب‌ها در سراسر جهان و ششمين عامل مرگ‌و مير در ايران است. چالش‌هاي مربوط به ميزان بقاي بيماران دچار سوختگي و همچنين مرگ‌و مير ناشي از آن، منجر به پيشرفت در شناسايي عوامل خطر شده است. تشخيص زودهنگام و شناخت عوامل خطر ضروري است و ارايه مدل‌هاي پيش‌بيني‌كننده مي‌تواند مفيد باشد. بر اين اساس، اين پژوهش با هدف مرور عملكرد هوش مصنوعي در پيش‌بيني بقا در بيماران سوختگي انجام گرديد.روش‌بررسي: اين مطالعه از نوع مرور نظام‌‌مند است. جستجوي جامع پايگاه‌هاي Scopus، PubMed، (Institute of Electrical and Electronics Engineers (IEEE و Web of Science بدون محدوديت زماني شروع تا ژانويه ۲۰۲۳ انجام شد. اين مطالعه مرور نظام‌مند بر اساس موارد ترجيحي گزارش براي بررسي‌هاي سيستماتيك و متاآناليز انجام گرديد. كلمات كليدي و اصطلاحات مش مرتبط با سوختگي، هوش مصنوعي، بقا و پيش‌بيني در استراتژي سرچ به‌كار رفتند. يافته‌ها: از ۳۵۹۹ مطالعه‌ي شناسايي شده، نه مطالعه در تجزيه و تحليل قرار گرفتند. بر اساس گزارش مقالات، عوامل مؤثر شناخته شده در پيش‌بيني بقا در بيماران سوختگي، به چهار دسته‌ي اطلاعات دموگرافيك، باليني، آزمايشگاهي و بيماري‌هاي همراه طبقه‌‌بندي شدند. از عوامل مؤثر شناخته شده در بقاي بيماران كه در بيش از ۴۰ درصد از مطالعات مورد بررسي قرار گرفته عبارتند از: سن، جنسيت، محاسبه سطح كلي سوختگي در بدن، آسيب ناشي از استنشاق و نوع سوختگي. نتايج نشان داد كه در مطالعات مورد بررسي، حجم كم‌ترين مجموعه داده مورد استفاده در تحليل‌ها ۹۲ نمونه بوده است. در مقابل، حجم بيش‌ترين مجموعه داده مورد استفاده ۶۶۶۱۱ نمونه گزارش شده است. در ۳۳ درصد مطالعات، الگوريتم‌هاي شبكه عصبي مصنوعي و جنگل تصادفي بهترين عملكرد را داشتند. معيارهاي مورد استفاده براي ارزيابي مدل‌ها در مطالعات بازيابي شده متفاوت است.نتيجه‌گيري: به كارگيري الگوريتم‌هاي يادگيري ماشين در پيش‌بيني بقاي بيماران سوختگي و تعيين عوامل مؤثر اميدواركننده و مفيد هستند. نتايج حاصل از عوامل مؤثر شناخته شده مي‌تواند به پژوهشگران حوزه‌ي علم داده در مرحله درك داده كمك‌كننده باشد و در جمع‌آوري مجموعه داده‌ي اوليه به عنوان يك نقشه‌ي راه عمل كند.