مقايسه ي شبكه ي عصبي مصنوعي با رگرسيون لجستيك در پيش بيني اختلالات رواني بعد از تروما در بيماران دچار آسيب مغزي خفيف

An artificial neural network comparison with logistic regression in predicting post-traumatic mental disorders in mild brain injury patients

هرچند آسيب مغزي شديد مي ­تواند افراد را مستعد ابتلا به اختلال رواني كند، در مورد آسيب تروماتيك مغزي خفيف هنوز جاي بحث و بررسي وجود دارد. هدف اين پژوهش مقايسه ي قدرت شبكه عصبي مصنوعي در پيش ­بيني بروز اختلال رواني بعد از تروما در بيماران دچار آسيب مغزي خفيف با رگرسيون لجستيك بود. براي اين منظور در يك مطالعه كوهورت آينده نگر، 100 نفر بيمار ترومايي ارجاع شده به مركز تروماي بيمارستان شهيد بهشتي كاشان طي مدت 6 ماه بررسي و با 100 نفر از افراد سالم مقايسه شدند. براي مدل سازي، داده ها به طور تصادفي به دو گروه آموزشي (100 نفر) و آزمايشي (100 نفر) تقسيم شد و براي تخمين قدرت پيش­بيني اختلال رواني از منحني راك و صحت كلاسبندي استفاده شد. نتايج نشان داد، بين دو گروه بيماران تروماتيك خفيف و افراد سالم از نظر اختلالات رواني تفاوت معني­داري وجود دارد و مدل هاي شبكه ي عصبي مصنوعي نسبت به مدل هاي رگرسيون لجستيك كارايي بهتري نشان مي دهند. اين پژوهش نشان داد كه براي پيش بيني اختلال رواني بايستي شاخص هاي تشخيص اين فاكتور در ابتداي كار از بيماران تروماي مغزي خفيف سنجيده گرديده و سپس به كمك مدل شبكه ي عصبي مصنوعي، به پيش­بيني اين فاكتور پرداخته شود. لزوم استفاده از اين فناوري در موارد غربالگري جمعيتي نتايج مفيدي را در درمان بيماران ترومايي و جلوگيري از بروز مشكلات احتمالي براي اينگونه بيماران دارد.

Although severe brain injury can make people susceptible to mental disorders, there is still debate about traumatic brain injury. The purpose of this study was to compare the power of artificial neural network in predicting post-traumatic mental disorder in mild brain injury patients and logistic regression. For this purpose, in a prospective cohort study, 100 trauma patients referred to the trauma center of Shahid Beheshti Hospital of Kashan during 6 months were compared with 100 healthy people. For modeling, the data were randomly divided into two educational groups (100) and experimental (100 people). The Rock's curve and classification accuracy were used to estimate the predictive power of mental disorder. The results showed that there is a significant difference between the two groups of mild traumatic patients and healthy subjects in terms of mental disorders, and artificial neural network models have better efficiency than logistic regression models. This study showed that in order to predict mental disorder, the diagnostic indices of this factor should be considered at the beginning of the traumatic brain injury patients and then, using the artificial neural network model, predict this factor. The necessity of using this technology in demographic screening is useful in treating patients with trauma and preventing possible problems for such patients.