CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

شناسایی و پیش بینی عوامل موثر بر فوت بیماران مبتلا به سکته قلبی با استفاده از روش های رگرسیون لجستیک و جنگل تصادفی

عنوان مقاله: شناسایی و پیش بینی عوامل موثر بر فوت بیماران مبتلا به سکته قلبی با استفاده از روش های رگرسیون لجستیک و جنگل تصادفی
شناسه ملی مقاله: ICIORS13_041
منتشر شده در سیزدهمین کنفرانس بین المللی انجمن ایرانی تحقیق در عملیات در سال 1399
مشخصات نویسندگان مقاله:

محمد جوکاردارابی - دانشجوی کارشناسی ارشد، دانشگاه یزد
حسن خادمی زارع - استاد ، دانشگاه یزد
سیده مهدیه نماینده - استادیار، دانشگاه علوم پزشکی شهید صدوقی یزد؛
محمدصالح اولیا - استاد ، دانشگاه یزد؛

خلاصه مقاله:
امروزه پیشرفت تکنولوژی و پیشرفت سخت افزارها و نرم افزارهای مختلف از حفظ، ایجاد و نگهداری اطلاعات و به دنبال آن افزایش روزافزون جمعیت، بشر را با حجم بالایی از داده در تمام زمینه ها روبرو کرده است. از جمله این موارد می توان به میزان بالای داده های پزشکی که امروزه در دسترس است، اشاره نمود. پزشکان معتقدند که میتوان اطلاعات ارزشمندی را از این داده ها در خصوص بیماریها و ارتباط آنها با یکدیگر و عوامل ایجاد کننده آنها بدست آورد. یکی از معضلات حوزه سلامت و پزشکی، بیماریهای قلبی است که بیش از یک سوم مرگ و میرها را شامل می شود. در این تحقیق به بررسی عوامل تاثیرگذار بر بیماری سکتی قلبی داد که یکی از بیماریهای قلبی و عروقی است. پرداخته می شود. به منظور شناسایی این عوامل و میزان تاثیر آنها از روش های جنگل تصادفی و رگرسیون لجستیک در نرم افزار R استفاده کرده ایم و هرکدام به ترتیب با AUC٪۸۶ و ٪۸۴ شده اند که با استفاده از این دو روش و نظر خبرگان، عوامل نیتروژن اوره خون، وضعیت بدو ورود، فشار خون سیستولیک، فشار خون دیاستولیک، سن، آزمایش کراتنین، ضربان قلب، قد، وزن، کلسترول بد، قند خون ناشتا، هموگلوبین، کلسترول کل، نوع سکته قلبی، درد قفسه سینه، ایست قلبی خارج از بیمارستان، سابقه سکته قلبی، سابقه کلسترول بالا، سابقه فشار خون و سابقه آنژیوگرافی بیشترین تاثیر را در فوت بیمار داشته اند.

کلمات کلیدی:
بیماری سکته قلبی حاد؛ مرگ و میر بیمارستانی؛ جنگل تصادفی؛ رگرسیون لجستیک؛ داده کاوی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1124843/