مدل سازی ارتباط بین شکست شناختی و کیفیت زندگی بیماران بهبود یافته از سرطان با الگوریتم های یادگیری ماشین

شکست شناختی شامل نقص در حافظه، توجه و ادراک از پیامدهای شایع در بیماران بهبود یافته از سرطان است که می تواند کیفیت زندگی آنها را به شدت تحت تاثیر قرار دهد. با توجه به نرخ بالای بقای این بیماران، بررسی رابطه شکست شناختی و کیفیت زندگی که شامل ابعاد سلامت جسمی، روانی و اجتماعی است ضرورت یافته است. اگرچه تحقیقات گذشته به تاثیر منفی درمان های سرطان بر عملکرد شناختی اشاره دارند اما به دلیل محدودیت های روش های آماری سنتی رابطه دقیق بین شدت شکست شناختی و کاهش کیفیت زندگی کمتر مورد مطالعه قرار گرفته است. این تحقیق با بهره گیری از یادگیری ماشین مدلی را ارائه می دهد که به پیش بینی و شناسایی بیماران در معرض خطر کمک می کند و امکان طراحی مداخلات بهبود کیفیت زندگی را فراهم می سازد. این تحقیق با هدف پیش بینی کیفیت زندگی بیماران بهبود یافته از سرطان بر اساس سطح شکست شناختی و با بهره گیری از الگوریتم های یادگیری ماشین به سوالات زیر می پردازد: آیا می توان با استفاده از سطح شکست شناختی کیفیت زندگی بیماران بهبود یافته از سرطان را به طور دقیق پیش بینی کرد؟ آیا مدل های مبتنی بر یادگیری ماشین در مقایسه با روش های سنتی می توانند پیش بینی دقیق تری از کیفیت زندگی این بیماران ارائه دهند؟ در راستای هدف، تحقیق فرضیات زیر مطرح می شود: فرضیه اول بین سطح شکست شناختی و کیفیت زندگی بیماران بهبود یافته از سرطان رابطه معنی داری وجود دارد. فرضیه دوم: مدل های مبتنی بر یادگیری ماشین قادر به ارائه پیش بینی های دقیقی از کیفیت زندگی بیماران بر اساس سطح شکست شناختی هستند و عملکرد بهتری نسبت به روش های سنتی دارند.

کلیدواژه ها:

یادگیری ماشین ، الگوریتم های طبقه بندی ، شکست شناختی ، کیفیت زندگی ، بیماران بهبود یافته از سرطان