جلد 26، شماره 5 - ( 5-1398 )
جلد 26 شماره 5 صفحات 113-104 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
andayeshgar B, KHatony A, Rezaei M. Prediction of tendency to surgical intervention in nurses using logistic regression model and its comparison with artificial neural network. RJMS 2019; 26 (5) :104-113
URL: http://rjms.iums.ac.ir/article-1-5623-fa.html
URL: http://rjms.iums.ac.ir/article-1-5623-fa.html
اندایش گر بهاره، خاتونی علیرضا، رضایی منصور. پیش‌بینی تمایل به جراحی زیبایی در پرستاران با استفاده از مدل رگرسیون لجستیک و مقایسه آن با شبکه عصبی مصنوعی
. مجله علوم پزشکی رازی. 1398; 26 (5) :104-113
دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران ، akhatony@kums.ac.ir
چکیده: (2905 مشاهده)
زمینه و هدف: رگرسیون لجستیک یکی از روش‌های مدل‌بندی برای متغیرهای وابسته دو‌حالتی است. از طرفی شبکه عصبی مصنوعی یک روش انعطاف‌پذیر و با کمترین محدودیت است. اهمیتِ رشدِ روز افزون جراحی‌های زیبایی غیر‌ضروری و از طرفی اهمیت پیش‌بینی و کلاس‌بندی، ما را بر‌آن داشت که مطالعه حاضر را، با هدف مقایسه رگرسیون لجستیک و شبکه عصبی مصنوعی، در پیش‌بینی تمایل به جراحی‌زیباییِ پرستاران انجام دهیم.
روش کار: نمونه‌ها شامل 360 پرستار شاغل در بیمارستان‌های وابسته به دانشگاه علوم‌پزشکی کرمانشاه بودند. متغیر پاسخ تمایل یا عدم تمایل به جراحیزیبایی بود. ارزیابی شبکه‌عصبی‌مصنوعی بر اساس ملاک حداقل مربعات خطای پیش‌بینی صورت گرفت. مجموعه داده ها، بصورت تصادفی، به دو قسمت آموزشی و آزمایشی تقسیم شدند. 70% از داده‌ها برای آموزش و 30% داده‌ها برای آزمون در نظر گرفته شدند. با استفاده از شاخص منحنی راک و صحت پیش‌بینی، دو مدل با هم مقایسه شدند. برای تحلیل داده‌ها از نرم افزارSPSS v.22 و Statistica v.12 و آزمون مجذور کای (Chi-square) استفاده شد.
یافته‌ها: در گروه آموزش، صحت پیش‌بینی، حساسیت، ویژگی و سطح زیر منحنی راکِ برای روش رگرسیون‌لجستیک به ترتیب برابر با 777/0، 760/0، 798/0، 779/0 و برای روش شبکه عصبی مصنوعی847/0، 859/0 833/0، 846/0 بود. همچنین در گروه آزمون این معیارها برای روش رگرسیون‌لجستیک به ترتیب برابر با 813/0، 738/0، 926/0، 832/0 و برای شبکه‌عصبی‌مصنوعی 735/0، 737/0، 731/0، 735/0بود. آزمون مجذور کای، اختلاف معنی‌داری بین سطح زیر منحنی راک دو روش، در هیچ یک از گروه‌ها نشان نداد.
نتیجه‌گیری: در گروه آموزش، عملکرد روش شبکه‌عصبی‌مصنوعی بهتر از روش رگرسیون‌لجستیک بود ولی در گروه آزمون، صحت پیش‌بینی و ویژگی روش رگرسیون‌لجستیک، بیش از روش شبکه‌عصبی‌مصنوعی بود. لذا می‌توان جهت پیش‌بینی تمایل به جراحیزیبایی در این مجموعه از پرستاران از روش رگرسیون‌لجستیک استفاده کرد.
روش کار: نمونه‌ها شامل 360 پرستار شاغل در بیمارستان‌های وابسته به دانشگاه علوم‌پزشکی کرمانشاه بودند. متغیر پاسخ تمایل یا عدم تمایل به جراحیزیبایی بود. ارزیابی شبکه‌عصبی‌مصنوعی بر اساس ملاک حداقل مربعات خطای پیش‌بینی صورت گرفت. مجموعه داده ها، بصورت تصادفی، به دو قسمت آموزشی و آزمایشی تقسیم شدند. 70% از داده‌ها برای آموزش و 30% داده‌ها برای آزمون در نظر گرفته شدند. با استفاده از شاخص منحنی راک و صحت پیش‌بینی، دو مدل با هم مقایسه شدند. برای تحلیل داده‌ها از نرم افزارSPSS v.22 و Statistica v.12 و آزمون مجذور کای (Chi-square) استفاده شد.
یافته‌ها: در گروه آموزش، صحت پیش‌بینی، حساسیت، ویژگی و سطح زیر منحنی راکِ برای روش رگرسیون‌لجستیک به ترتیب برابر با 777/0، 760/0، 798/0، 779/0 و برای روش شبکه عصبی مصنوعی847/0، 859/0 833/0، 846/0 بود. همچنین در گروه آزمون این معیارها برای روش رگرسیون‌لجستیک به ترتیب برابر با 813/0، 738/0، 926/0، 832/0 و برای شبکه‌عصبی‌مصنوعی 735/0، 737/0، 731/0، 735/0بود. آزمون مجذور کای، اختلاف معنی‌داری بین سطح زیر منحنی راک دو روش، در هیچ یک از گروه‌ها نشان نداد.
نتیجه‌گیری: در گروه آموزش، عملکرد روش شبکه‌عصبی‌مصنوعی بهتر از روش رگرسیون‌لجستیک بود ولی در گروه آزمون، صحت پیش‌بینی و ویژگی روش رگرسیون‌لجستیک، بیش از روش شبکه‌عصبی‌مصنوعی بود. لذا می‌توان جهت پیش‌بینی تمایل به جراحیزیبایی در این مجموعه از پرستاران از روش رگرسیون‌لجستیک استفاده کرد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
آمار زیستی
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
