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

Authors

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)

abstract

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.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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

  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 روش‌ها   در یک مطالعه گذشته‏نگر...

full text

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

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 بقای بیماران سرطان پستان با یکدیگر مقایسه شده اند. مواد و روش ها: داده های این پژوهش که از نوع مطالعات بقا است، از پرون...

full text

مقایسه‌ی مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش‌بینی بقای بیماران مبتلا به سرطان معده

سابقه و هدف: یکی از روش‌های آماری تحلیل داده‌های بقا، مدل رگرسیونی کاکس است که نیازمند پذیره‌هایی مانند متناسب بودن مخاطرات است. در چند دهه اخیر به‌کارگیری مدل شبکه عصبی مصنوعی برای پیش‌بینی داده‌های بقا، افزایش یافته است. این مطالعه به منظور پیش‌بینی بقای بیماران مبتلا به سرطان معده به کمک دو مدل رگرسیونی کاکس و شبکه عصبی مصنوعی انجام شده است. مواد و روش‌ها: طی سال‌های 1381 لغایت 1385، تعداد ...

full text

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

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 معده به کمک دو مدل رگرسیونی کاکس و شبکه عصبی مصنوعی انجام شده است. مواد و روش ها: طی سال های 1381 لغایت 1385، تعداد 4...

full text

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

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 بقای بیماران سرطان پستان با یکدیگر مقایسه شده اند. مواد و روش ها: داده های این پژوهش که از نوع مطالعات بقا است، از پروند...

full text

مقایسه مدل شبکه عصبی مصنوعی و رگرسیون پارامتری در پیش‌بینی بقای بیماران مبتلا به سرطان معده

Background & Objective: Using parametric models is common approach in survival analysis. In the recent years, artificial neural network (ANN) models have increasingly used in survival prediction. The aim of this study was to predict of survival rate of patients with gastric cancer by using a parametric regression and ANN models and compare these methods. Methods: We used the data of 436 gast...

full text

My Resources

Save resource for easier access later


Journal title:
فصلنامه پژوهشی خون

جلد ۱۰، شماره ۲، صفحات ۱۵۴-۱۶۲

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023