شبکه‌های هوشمند عصبی به عنوان یک مدل در پیش بینی بقاء، نتایج واحد مراقبتهای ویژه و طول اقامت در بیمارستان در مصدومین ترومائی

Abstract

This project aims to develop a neural network for predicting survival and length of stay of patients in the ward and the ICU of trauma patients and to obtain predictive power of current method. During this study a standard artificial neural network based on Back-propagation, feed forward, primarily fed by TRISS components, biochemical findings, risk factors and outcome of 95 patients. in the next step trained ANN used to predict outcome, ICU and ward length of stay for 30 test group patients by processing primary data. The sensitivity and specificity of artificial neural network in predicting the outcome of traumatic patients in this study calculated 75% and 96.26% respectively. 93.33% of outcome predictions obtained by ANN was correct. In 3.33% of predictions, results of ANN were optimistic and at 3.33% of cases predicted ANN results were worse than the actual outcome of patients. Neither Differences in average length of stay in ward and ICU with predicted ANN results was statistically significant. Correlation coefficient of two variables of ANN prediction and actual length of stay in hospital was equal to 0.643., هدف ازاین مطالعه بررسی کاربرد ANN در پیش بینی بقاء و طول مدت اقامت بیماران در بخش یا ICU و برآورد قدت پیش بینی کنندگی این روش بوده است.طی این مطالعه یک شبکه هوشمندعصبی استاندارد مبتنی بر پیش خوراند و پس تولید ابتدا توسط اجزای TRISSوهمچنین برخی شاخص های آزمایشگاهی و سوابق طبی و پیامد مربوط به 95 بیمار به عنوان متغیرهای ورودی تغذیه گردید سپس ANN آموزش دیده با دریافت متغیرهای مربوطه به 30 مصدوم جدید توسط کامپیوتر سه خروجی پیامد، طول مدت بستری بخش و طول مدت اقامت در ICU را برای هر مصدوم پیش بینی نمود. حساسیت شبکه هوشمند عصبی در پیش بینی پیامد بیماران ترومایی در این مطالعه 75درصد و اختصاصیت آن برابر با 96.26درصد برآورد شد. همچنین 93.33درصد پیش بینی های صورت گرفته توسط ANN با نتایج واقعی حاصله مطابق بوده است. در 3.33% موارد پیش بینی ANN خوشبینانه تر ودر 3.33% نیز نتایج پیش بینی ANN بدتر از پیامد واقعی بیماران بوده است.تفاوت میانگین طول اقامت بیماران دربخش و ICU با پیش بینی ANN دراین دو مورد از لحاظ آماری معنی دار نبوده است. ضریب همبستگی دو متغیر طول مدت اقامت در بخش و پیش بینی ANN از مدت اقامت برابر با 0.64 بدست آمد.