Razi Journal of Medical Sciences

fa کاربرد مدل شبکه عصبی مصنوعی در پیش‌بینی پاسخ‌های آمیخته بیماری قلبی Application of artificial neural network model in predicting the mixed response of atherosclerosis disease آمار حیاتی Biostatistics پژوهشي Research زمینه و هدف: در مطالعات اپیدمیولوژی و پزشکی، گاهی پژوهشگر با مواردی مواجه میشود که لازم است دو متغیر پاسخ را به صورت توام (همزمان) از روی تعدادی متغیر کمکی پیشبینی نماید. زمانی که متغیر پاسخ آمیخته باشد، با توجه به محدودیتها و برقرار نبودن برخی پیش فرضها، روشهای کلاسیک آماری برای مدلبندی و پیشبینی کارایی لازم را ندارند. هدف این مطالعه بکارگیری مدل شبکه عصبی مصنوعی برای پیشبینی متغیر پاسخ آمیخته در بیماری قلبی است.<o:p /> روش کار: در پاییز و زمستان 1390، تعداد 276 بیمار قلبی که از بیمارستان شهید مدنی خرم آباد ترخیص شده بودند به صورت کوهورت تاریخی مورد مطالعه قرار گرفتند. از این نمونه برای پیشبینی توام کلسترول و سطح LDL استفاده شد. دادهها به تصادف به دو گروه آموزش (175 نفر) و آزمون (91 نفر) تقسیم شدند. برای تحلیل دادهها از شبکه عصبی مصنوعی با الگوریتم شیب توام مقیاس شده (Scaled Conjugate Gradient) و برای تعیین مناسب‌ترین مدل از معیار صحت پیشبینی استفاده شد. برای تحلیل از نرم افزار MATLAB نسخه 11/7 استفاده شد.<o:p /> یافته‌ها: بالاترین صحت پیشبینی برای مدل شبکه عصبی مصنوعی چهار لایه برای متغیر پاسخ آمیخته برابر 76/51 درصد به دست آمد.<o:p /> نتیجه‌گیری: مدل شبکه عصبی مصنوعی با دو لایه میانی برای پیشبینی متغیر پاسخ آمیخته مناسب است.<o:p /> Background: In epidemiological and medical studies, sometimes researchers are faced for prediction of two response variables (simultaneously) based on a number of independent variables. When the response variable is mixed, according to established limits and absence of assumption, the classical statistical methods are not enough efficient for classification and prediction goals. The purpose of this study is using Artificial Neural Network (ANN) model to predict the mixed response variable in heart disease.<o:p /> Methods: A total of 276 cardiac patients who were discharged from Madani Hospital were studied as historical cohort, from October 2011 to March 2012. This sample was used to predict the cholesterol and also LDL levels of patients. Data was randomly divided into two sets: training (175 cases) and testing (91 cases) sets. Data analysis was made by ANN model with SCG algorithms in MATLAB software, version 7.11 and appropriateness of the model was assessed by the accuracy prediction.<o:p /> <h1 style="margin: 0in 0in 0pt text-align: justify line-height: normal text-justify: inter-ideograph">Results: The highest accuracy of prediction of mixed response variable was 51.76% for a four-layer ANN model.<o:p /></h1> Conclusions: The ANN model is suggested to predict the mixed response variable in medical studies.<o:p /> شبکه عصبی مصنوعی، پاسخ آمیخته، بیماری قلبی، کلسترول، سطح LDL. Artificial neural network, Mixed response, Cardiac disease, Cholesterol, LDL level. 20 28 http://rjms.iums.ac.ir/browse.php?a_code=A-10-1-1465&slc_lang=fa&sid=1 Mahin Adeli مهین عادلی 3900319475328460024300 3900319475328460024300 No University of Social Welfare and Rehabilitation Sciences دانشگاه علوم بهزیستی و توان‌بخشی تهران Akbar Biglarian اکبر بیگلریان 3900319475328460024301 3900319475328460024301 Yes University of Social Welfare and Rehabilitation Sciences دانشگاه علوم بهزیستی و توان‌بخشی تهران Enayatollah Bakhshi عنایت‌اله بخشی 3900319475328460024302 3900319475328460024302 No University of Social Welfare and Rehabilitation Sciences دانشگاه علوم بهزیستی و توان‌بخشی تهران Omid Ali Adeli امیدعلی عادلی 3900319475328460024303 3900319475328460024303 No Lorestan University of Medical Sciences دانشگاه علوم پزشکی لرستان