دوره 8، شماره 1 - ( بهار و تابستان 1403 )                   جلد 8 شماره 1 صفحات 26-18 | برگشت به فهرست نسخه ها


XML English Abstract Print


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

Farashi S, Emad Momtaz H. Prediction of Urinary Tract Infection for Hospital-admitted Patients based on Demographic and Historical Data, as well as Machine Learning Approaches. J Res Urol 2024; 8 (1) :18-26
URL: http://urology.umsha.ac.ir/article-1-150-fa.html
فراشی سجّاد، عماد ممتاز حسین. پیش‌بینی عفونت ادراری در بیماران بستری در بیمارستان براساس داده‌های دموگرافیک و سوابق پزشکی مبتنی‌بر رویکردهای یادگیری ماشین. مجله تحقیقات در ارولوژی. 1403; 8 (1) :18-26

URL: http://urology.umsha.ac.ir/article-1-150-fa.html


1- پژوهشکده علوم اعصاب و سلامت روان، پژوهشگاه سلامت ابن‌سینا، ‌دانشگاه علوم‌پزشکی همدان، همدان، ایران ، sajjad_farashi@yahoo.com
چکیده:   (639 مشاهده)
سابقه و هدف: عفونت ادراری (UTI) یکی از عفونتهای شایع است که سیستم ادراری را تحت‌تأثیر قرار میدهد. روش تشخیص استاندارد UTI تجزیه‌وتحلیل کشت ادرار است. بااین‌حال، این روش تشخیصی زمانبر بوده و به‌شدت مستعد خطاست. با توجه به اینکه پیش‌بینی سریع عفونت ادراری به شروع به‌موقع مصرف آنتی‌بیوتیک و کنترل بهینهتر عفونت ادراری کمک میکند، توسعه روش‌های تشخیص سریعتر موردتوجه محقّقان این حوزه قرار دارد.
مواد و روش‌‌ها: مطالعه حاضر براساس دادههای منتشرشده یک مطالعه کوهورت گذشته‌نگر که در کشور دانمارک و با حجم نمونه 300000 به انجام رسیده، انجام شده است. در مطالعه حاضر و براساس داده موجود، توانمندی الگوریتمهای یادگیری ماشین شامل بردارهای پشتیبان، درخت تصمیمگیر، آنالیز تفکیککننده خطّی و ماشین رگرسیون خطّی در پیشبینی عفونت ادراری براساس پیشگوکنندههایی نظیر سوابق پزشکی و دادههای دموگرافیک برای بیماران بستری در بیمارستان ارزیابی شده است.
یافته‌ها: نتایج این مطالعه نشان داد که طبقهبندی تفکیککننده خطّی با دقت 64/0±16/65 پیشبینی UTI را با استفاده از ویژگیهای دموگرافیک و سوابق پزشکی بیمار انجام میدهد. از میان ویژگیها، سن تأثیر قابل‌توجهی بر پیشبینی UTI داشت؛ به‌نحوی‌که دقت مدل در تشخیص UTI در نمونههای کهن‌سال، بزرگ‌سال، کودک و جوان به ترتیب 64/73، 25/86، 42/39 و 60/60 بوده است. ویژگیهای با قدرت تمایز بالا نیز با توجه به تجزیه‌وتحلیل مؤلّفههای همسایگی پیشنهاد شد.
نتیجه‌گیری: نتایج این مطالعه پتانسیل هوش مصنوعی را برای پیش‌بینی سریع UTI نشان می‌دهد. بااین‌حال، عملکرد سیستم پیشبینی‌کننده با افزودن ویژگی‌های دیگر قابل‌افزایش خواهد بود.
متن کامل [PDF 958 kb]   (207 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: ارولوژی عصبی
دریافت: 1403/3/27 | پذیرش: 1403/9/21 | انتشار: 1403/6/10

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

ارسال پیام به نویسنده مسئول


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 تحقیقات در ارولوژی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق | 

© 2015 All Rights Reserved | Journal of Research in Urology

Designed & Developed by : Yektaweb