مقايسه شبكه‌هاي عصبي مصنوعي، درخت تصميم، تحليل تشخيصي و رگرسيون لوجستيك در پيش‌بيني بارداري ناخواسته در مادران مولتي‌پار شهر خرم‌آباد

Comparison of neural networks, decision trees, discriminant analysis and logistic regression for predicting unwanted pregnancy of multiparous women in Khorramabad

مقدمه و هدف: بارداري ناخواسته، نوعي از بارداري است كه دست‌كم از نظر يكي از زوجين، ناخواسته باشد و پيامدهايي نامطلوب را براي خانواده و اجتماع به‌همراه‌دارد. در اين مطالعه با استفاده از چهار مدل طبقه‌بندي، وقوع بارداري ناخواسته در جمعيت شهري خرم‌آباد پيش‌بيني‌شد و مدل‌ها مورد مقايسه قرارگرفتند. مواد و روش‌ها: در اين مطالعه مقطعي، 467 نفر از مادران باردار مولتي‌پار مراجعه‌كننده به مراكز بهداشتي- درماني خرم‌آباد در سال1390 با روش نمونه‌گيري طبقه‌اي و خوشه‌اي انتخاب‌شده، متغيرهاي مرتبط اندازه‌گيري‌شدند. در مدل‌بندي داده‌ها از مدل رگرسيون لوجستيك، تحليل تشخيصي، درخت تصميم‌گيري و شبكه‌هاي عصبي پرسپترون سه‌لايه و نرم‌افزار SPSS و MATLAB استفاده‌شد؛ براي مقايسه اين مدل‌ها، شاخص‌هاي حساسيت، ويژگي، سطح زير منحني مشخصه و ميزان پيش‌بيني صحيح به‌كارگرفته‌شدند. نتايج: شيوع بارداري ناخواسته، 3/32 درصد بود. عملكرد مدل‌ها براساس شاخص سطح زير منحني مشخصه به‌ترتيب عبارت‌بود: از شبكه‌هاي عصبي مصنوعي (741/0)، درخت تصميم‌گيري (731/0)، رگرسيون لوجستيك (712/0) و تحليل تشخيصي (711/0). بيشترين درصد حساسيت به مدل درخت تصميم‌گيري (5/73 درصد) و بيشترين ميزان ويژگي به شبكه عصبي مصنوعي (3/62 درصد)، مربوط بوده‌است. نتيجه‌گيري: با توجه به شيوع به‌نسبت بالاي بارداري ناخواسته در شهر خرم‌آباد، لزوم بازنگري در برنامه‌هاي تنظيم خانواده، محسوس است. به‌رغم تشابه نسبي روش‌هاي يادشده، اگر توان پيشگويي بالاتر مدل، مدنظر محقق باشد، مدل شبكه‌هاي عصبي و اگرتفسيرپذيري بهتر نتايج، مدنظر باشد، استفاده از درخت تصميم‌گيري و رگرسيون لوجستيك توصيه‌مي‌شوند.