ویراساینس.
مقاله

مقایسه مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش بینی بقای بیماران لوسمی حاد

سعید حسینی تشنیزی، s. hosseini teshnizi دانشگاه علوم پزشکی هرمزگان مهدی تذهیبی، m. tazhibi دانشگاه علوم پزشکی اصفهانسازمان اصلی تایید شده: دانشگاه علوم پزشکی هرمزگان (hormozgan university of medical sciences) مینا توسلی فرحی، m. tavasoli farahi دانشگاه علوم پزشکی هرمزگانسازمان اصلی تایید شده: دانشگاه علوم پزشکی اصفهان (isfahan university of medical sciences)

چکیده

چکید ه سابقه و هدف مدل رگرسیون کاکس، یکی از روش‏های رایج تحلیل داده‏های بقا می‏باشد که قبل از به ‏کارگیری آن لازم است فرض متناسب بودن خطرات برقرار باشد. اخیراً مدل‏های شبکه عصبی بدون نیاز به فرض خاص، جایگزینی مناسب در پیش‏بینی بقا می‏باشند. هدف از این مطالعه، مقایسه‏ توانایی مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش‏بینی بقای بیماران لوسمی حاد بود. مواد و روش ها در یک مطالعه گذشته‏نگر، اطلاعات 197 بیمار لوسمی حاد بیمارستان سیدالشهدای اصفهان طی سال‏های 85 تا 88 جمع‏آوری گردید. ابتدا فرض متناسب بودن خطرات، آزمایش شد و سپس مدل رگرسیون کاکس پردازش گردید. دقت پیش‏بینی دو مدل با استفاده از دو روش منحنی راک و آزمون کاپا مقایسه گردید. برای تحلیل اطلاعات از نرم افزارهای 19 spss ، 2000 splus و matlab r2009a و آزمون رگرسیون لجستیک استفاده شد. یافته ها از بین 9 مدل‏ شبکه عصبی مصنوعی که تعداد نرون‏های آن ها بین 4 تا 12 بود، مدل شبکه عصبی با تعداد 5 نرون در لایه پنهان به عنوان مدل برتر با مدل رگرسیون کاکس مقایسه شد. مساحت زیر منحنی راک برای مدل شبکه عصبی و رگرسیون کاکس به ترتیب برابر با 709/0 و 458/0 به‏دست آمد. صحت پیش‏بینی بقا برای مدل شبکه عصبی و رگرسیون کاکس نیز به‏ترتیب برابر با 9/78% و 3/50% به ‏دست آمد. نتیجه گیری به‏دلیل دقت بالای مدل‏های شبکه عصبی در پیش‏بینی، استفاده از مدل‏های مختلف شبکه عصبی در پیش‏بینی بقا و توسعه آن ها در حوزه‏های مختلف علوم پزشکی پیشنهاد می‏شود.

اسناد مشابه

  • مقایسه مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش‌بینی بقای بیماران لوسمی حاد

    مقاله۲۰۱۳فصلنامه پژوهشی خونسعید حسینی تشنیزی، مهدی تذهیبی، مینا توسلی فرحی

    چکید ه سابقه و هدف مدل رگرسیون کاکس، یکی از روشهای رایج تحلیل دادههای بقا میباشد که قبل از به کارگیری آن لازم است فرض متناسب بودن خطرات برقرار باشد. اخیراً مدلهای شبکه عصبی بدون نیاز به فرض خاص، جایگزینی مناسب در پیشبینی بقا میباشند. هدف از این مطالعه، مقایسه توانایی مدل رگرسیون

  • مقایسه مدل خطی و شبکه عصبی مصنوعی در پیش‌بینی تولید شیر با استفاده از رکوردهای اولین دوره شیردهی ثبت شده

    مقاله۲۰۱۹پژوهش در نشخوارکنندگانکریم نوبری، حسن بانه، سعید اسماعیل خانیان، کاظم یوسفی کلاریکلائی

    سابقه و هدف: پیش‌بینی دقیق تولید شیر یکی از ملزومات مدیریت دامپروری و مدل‌سازی درآمد دامداران در تجزیه و تحلیل های هزینه-فایده می‌باشد. بطوری که پیش‌بینی دقیق رکوردهای آینده می‌تواند طول دوره رکوردبرداری را کاهش دهد. برآوردهای زودهنگام ارزش اصلاحی گاوهای نر با استفاده از رکوردهای

  • الگوی شبکه عصبی مصنوعی در تحلیل بقای بیماران سرطان معده

    مقاله۲۰۱۴پایشمحمدرضا گوهری، پریسا مختاری، محمد حسین پورحسینقلی، اکبر بیگلریان

    سرطان معده در ایران در رتبه نخست شایع‌ترین سرطان برای مردان و رتبه سوم در زنان است. هدف از این مطالعه، تحلیل بقای بیماران مبتلا به سرطان معده و در ادامه پیش‌بینی مرگ این بیماران با استفاده از الگوی شبکه عصبی است. در این مطالعه‌طولی گذشته‌نگر تعداد 242 بیمار که دارای تشخیص قطعی پا

  • کاربرد مدل ترکیبی موجک-شبکه عصبی در پیش بینی تغییرات کوتاه مدت تراز سطح دریا (مطالعه موردی: بندر چابهار)

    مقاله۲۰۱۴دو فصلنامه علمی - پژوهشی دریا فنونطاهر رجایی، اکبر شهابی

    پیش بینی دقیق تر از سطح دریا در مناطق ساحلی در کاربردهای مهندسی سواحل بسیار با اهمیت می باشد. با پیش بینی تراز سطح دریا مشاهده جریانات دریا و تغییرات آن ها در سطح، ارتفاع موج، سرعت باد و جزر و مد ممکن شده و این نقش بسزائی در برنامه ریزی و مدیریت سواحل دارد. این مطالعه، توانایی رو

  • مقایسه ی مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان معده

    مقالهکومشاکبر بیگلریان، akbar biglarian ابراهیم حاجی زاده، ebrahim hajizadeh انوشیروان کاظم نژاد، anoshirvan kazemnejad

    سابقه و هدف: یکی از روش های آماری تحلیل داده های بقا، مدل رگرسیونی کاکس است که نیازمند پذیره هایی مانند متناسب بودن مخاطرات است. در چند دهه اخیر به کارگیری مدل شبکه عصبی مصنوعی برای پیش بینی داده های بقا، افزایش یافته است. این مطالعه به منظور پیش بینی بقای بیماران مبتلا به سرطان

  • مقایسه مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان پستان

    مقالهمجله دانشگاه علوم پزشکی ایلاممسعود صالحی، m salehi محمودرضا گوهری، mr gohari نسیم وهابی، n vahabi فرید زایری

    مقدمه: امروزه انواع سرطان یکی از مهم ترین عوامل مرگ و میر در دنیا و سرطان پستان از شایع ترین آن ها در زنان میان سال می باشد. میزان بقای پس از تشخیص و درمان در این بیماران یکی از شاخص های مهم در کنترل بیماری است. در این مطالعه دو مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش بینی بقا