تحلیل ارتباط میان سن و جنسیت افراد مبتلا به مالتیپل اسکلروزیس با اطلاعات بالینی کووید ۱۹

در چند سال گذشته ، گسترش سریع بیماری کووید-۱۹ به یک تهدید جدی برای جهان تبدیل شد. میلیونها نفر در سراسر جهان به این بیماری مبتلا شدند. همه گیری کووید-۱۹ بر جنبه های مختلف زندگی بشر اثرات قابل توجهی داشت . به منظور ایمنی و ایجاد تمهیدات لازم، تحلیل و بررس ی اثرات این ویروس بر گروههای مختلف جمعیتی ضرور ی است . این امر می تواند به کنترل نرخ همه گیری و مدیریت بهتر بیماران کمک نماید. افراد مبتلا به بیماریهای مزمن مانند مالتیپل اسکلروزیس (MS) از جمله جمعیت های حساس در برابر کووید-۱۹ محسوب می شوند. این بیماری عصبی مزمن که عمدتا زنان و افراد در سنین جوانی و میانسالی را تحت تاثیر قرار می دهد، با سیستم ایمنی و واکنش های التهابی بدن درگیر است . به همین دلیل ، تحلیل همبستگی و طبقه بندی سن و جنسیت افراد مبتلا به MS با استفاده از اطلاعات بالینی کووید-۱۹ از اهمیت ویژهای برخوردار است . این کار قادر است به تحلیل تاثیر ترکیبی این دو بیمار ی بر روی افراد و احتمال تعاملات میان آنها بپردازد که تا کنون در پژوهش ها گزارش نشده است . در مطالعه حاضر، دادههای بالینی موجود در پایگاه داده آزاد را تحلیل نمود که شامل اطلاعات مربوط به ۱۱۴۱ فرد مبتلا به MS است . مجموعه داده شامل متغیرهای مختلف ی مانند ویژگی ها ی جمعیت شناخت ی ، شرایط همراه، مدت بستری در بیمارستان و علائم کووید-۱۹ در افراد مبتلا به MS است . در مطالعه حاضر، برای بررسی روابط بین سن ، جنسیت و شدت علائم کووید-۱۹، از تحلیل همبستگی پیرسون استفاده شد. همچنین ، برای طبقه بند ی بیماران بر اساس سن و جنسیت و پیش بینی شدت علائم ، از الگوریتم ماشین بردار پشتیبان (SVM) با هسته های مختلف بهره گرفته شد. معیارهای ارزیاب ی صحت و امتیاز ۱F برای ارزیابی مدلها با روش اعتبارسنجی متقابل holdout (با ۱۰، ۲۰، ۳۰ و ۵۰ % داده ها به عنوان مجموعه تست ) استفاده شدند. استفاده شدند. بهترین نتایج برای طبقه بندی سن با استفاده از روش اعتبارسنجی تست ۲۰% و آموزش ۸۰% با هسته خطی صحت ۵/۷۸ % و امتیاز ۱F ۹۶/۸۷ % به دست آمده است . در طبقه بندی جنسیت در همه حالات روش های اعتبارسنجی ، مقدار صحت یکسان و برابر با ۸۲/۷۹% بود.

کلیدواژه ها:

کووید-۱۹ ، مالتیپل اسکلروزیس ، سن ، جنسیت ، ماشین بردار پشتیبان