دوره 79، شماره 7 - ( مهر 1400 )                   جلد 79 شماره 7 صفحات 572-568 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mohammadi Taghiabad Z, Ahmadi M, Atashi A. Prediction of mortality in patients admitted to intensive care units, A comparison of three data mining techniques: a brief report.. Tehran Univ Med J 2021; 79 (7) :568-572
URL: http://tumj.tums.ac.ir/article-1-11367-fa.html
محمدی تقی آباد زهرا، احمدی مریم، آتشی علیرضا. پیش‌بینی مرگ‌و‌میر بیماران بستری در بخش‌های مراقبت ویژه: مقایسه سه تکنیک داده‌کاوی: یک گزارش کوتاه. مجله دانشکده پزشکی، دانشگاه علوم پزشکی تهران. 1400; 79 (7) :568-572

URL: http://tumj.tums.ac.ir/article-1-11367-fa.html


1- گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاعرسانی پزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران
2- گروه سلامت الکترونیک، دانشکده مجازی، دانشگاه علوم پزشکی تهران، تهران، ایران.
چکیده:   (1008 مشاهده)
زمینه و هدف: تحلیل پیامدها در بخش‌های مراقبت ویژه از چالش‌های مهم حوزه سلامت می‌باشد. از این‌رو هدف مطالعه حاضر پیش‌بینی مرگ‌و‌میر بیماران بخش‌های مراقبت ویژه (ICUs) با استفاده از چند تکنیک داده‌کاوی است.
روش بررسی: در این مطالعه نرم‌افزار (Weka software, version 3.9.2, University of Waikato, New Zealand) و داده‌های 874 بیمار ICUs از دی 1396 تا پایان اسفند 1397 برای توسعه مدل‌ها بکار گرفته شد. بر مبنای چند الگوریتم‌ منتخب داده‌کاوی، مدل‌های پیش‌بینی ایجاد و از شاخصهAUC  برای مقایسه عملکرد استفاده شد.
یافته‌ها: بر مبنای 19 متغیر شناخته شده با اهمیت بیشتر از جمله نمره کمای گلاسکو، مدل‌های پیش‌بینی توسعه یافت. اگرچهAUC  مدل‌های KNN، شبکه عصبی مصنوعی و درخت تصمیم (به‌ترتیب 5/81%، 5/77% و 3/74%) قابل قبول بود اما صحت الگوریتم درخت تصمیم 48J (2/74%) بالاتر گزارش شد.
نتیجه‌گیری: نتایج این مطالعه بیانگر برتری مدل KNN، نسبت به سایر مدل‌های پیش‌بینی مرگ‌ومیر بیماران ICUs بود.
متن کامل [PDF 597 kb]   (358 دریافت)    
نوع مطالعه: گزارش كوتاه |

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb