مقالات اپيدميولوژي

مقدمه و اهداف: يكي از روش ‌هاي تحليل داده‌ هاي بقا، استفاده از مدل ‌هاي پارامتري است كه در آن بايد توزيع زمان بقا مشخص باشد. در چند دهه اخير، از مدل شبكه عصبي مصنوعي نيز براي پيش‌ بيني داده ‌هاي بقا استفاده شده است. هدف اين مطالعه، پيش ‌بيني بقاي بيماران مبتلا به سرطان معده به کمک دو مدل پارامتري و مدل شبکه عصبي مصنوعي است.
روش کار: طي سال‌ هاي 1381 لغايت 1385، تعداد 436 بيمار مراجعه كننده با تشخيص قطعي سرطان معده که در بخش گوارش بيمارستان طالقاني تحت عمل جراحي قرار گرفتند به صورت هم گروه تاريخي مطالعه شدند. داده ‌ها به تصادف به دو گروه آموزشي و آزمايشي تقسيم شدند. براي تحليل داده ‌ها از يک مدل پارامتري مناسب (از بين مدل‌ هاي نمايي، وايبول، نرمال، لگ نرمال، لجستيک و لگ لجستيک) و مدل شبکه عصبي مصنوعي سه لايه استفاده شد. براي مقايسه پيش‌ بيني‌ هاي دو مدل، از سطح زير منحني مشخصه عملکرد، صحت کلاس ‌بندي و شاخص هماهنگي استفاده شد.
نتايج: صحت پيش ‌بيني مدل شبکه عصبي برابر 45.79 درصد و مدل پارامتري مناسب (وايبول) برابر 97.73 درصد گرديد. سطح زير منحني مشخصه عملکرد براي مدل شبکه عصبي و پارامتري وايبول به ترتيب برابر 5.81 درصد و 8.74 درصد به دست آمد.
نتيجه‌ گيري: مدل شبکه عصبي مصنوعي نسبت به مدل پارامتري پيش‌ بيني ‌هاي بهتري نتيجه داد. لذا بكارگيري اين نوع مدل ‌ها در زمينه پيش ‌بيني بقا پيشنهاد مي ‌شود. اين امر در تحقيقات مرتبط با حوزه سلامت و به خصوص در تخصيص منابع درماني لازم براي افراديکه پرمخاطره پيش‌ بيني مي ‌شوند بسيار با اهميت است.

 نسخه قابل چاپ