سامان محمدپور

مقدمه: زردی یکی از مشکلات شایع دوران نوزادی است که حدود 60 درصد از نوزادان رسیده و 80 درصد از نوزادان نارس در هفته اول زندگی به آن مبتلا می شوند. مطالعه حاضر، به منظور ایجاد سیستمی برای پیش بینی زردی نوزادان در 24 تا 72 ساعت اول پس از تولد با بکارگیری الگوریتم ماشین بردار پشتیبان انجام شد. روش ها: این مطالعه از نوع کاربردی -توسعه ای بود که با روش کمی انجام شد. ابتدا بر اساس بررسی متون، پرسشنامه ای حاوی عوامل مؤثر در پیش بینی زردی نوزادان طراحی شد. تحلیل داده ها با استفاده از آمار توصیفی انجام شد و عواملی در مدل لحاظ شد که حداقل 50 درصد از متخصصان آن را ضروری تشخیص دادند. سپس، داده های 1178 نوزاد متولدشده در بیمارستان لولاگر تهران از پرونده زایمان استخراج شد و جهت پیش بینی زردی نوزادان، از چندین الگوریتم یادگیری ماشین استفاده شد که در این میان با توجه به نتایج حاصله جهت مدلسازی نهایی، الگوریتم ماشین بردار پشتیبان استفاده و با سنجه های مختلف ارزیابی گردید. یافته ها: یافته های حاصل از این پژوهش نشان داد که مدل پیشنهادی با الگوریتم SVMبه دلیل ایجاد فاصله بین کلاس ها به عنوان بهترین خروجی انتخاب شد. بنابراین، مدل نهایی الگوریتم SVM با استفاده از هسته گوسی و با سیگمای 1/2360605 ایجاد شد که 30 درصد از نمونه ها (354 مورد) آزمون شدند و از این تعداد 321 مورد به درستی پیش بینی شد. در این مدلسازی سنجه های دقت، سطح زیر نمودار ROC و معیار F1 به ترتیب 92/7 درصد، 93 درصد و 88 درصد بدست آمد. نتیجه گیری: استفاده از SVM در ایجاد سیستم پیش بینی زردی نوزادان می تواند به پزشکان در پیش بینی به موقع زردی نوزادان کمک نماید و امکان انجام اقدامات پیشگیری و جلوگیری از خطرات احتمالی ناشی از زردی نوزادان را فراهم نماید.

مقدمه: حوادث ترافیکی یکی از دلایل اصلی مرگ ومیر در سراسر جهان از جمله ایران محسوب می شود. عوامل متعددی در بروز حوادث ترافیکی نقش دارند که با استفاده از مدل های مختلف می توان این عوامل را شناسایی و بروز حوادث ترافیکی را پیش بینی کرد. هدف این مطالعه پیش بینی حوادث ترافیکی بر اساس وضعیت آب وهوا با استفاده از شبکه عصبی مصنوعی می باشد. روش ها: پژوهش حاضر به روش کمی بین سال های 1393 تا 1396 انجام شد که داده های ترافیکی طی با استفاده از شبکه پرسپترون چندلایه بررسی شد. متغیرهای ورودی شبکه شامل حداقل دما، میانگین دما، متوسط بارش، حداکثر سرعت باد، یخبندان، فشار هوا، غلظت مه و متغیر خروجی نیز تعداد تصادفات در محیط موردمطالعه بود. یافته ها: شبکه طراحی شده، با هفت نورون در لایه ورودی، چهار نورون در لایه میانی و یک نورون در لایه خروجی با تابع بهینه سازی لونبرگ-مارکواردت و تابع انتقال تانژانت سیگموئید در لایه میانی و تابع انتقال خطی در لایه خروجی به عنوان شبکه بهینه انتخاب شد. یافته ها نشان داد که شبکه طراحی شده با ضریب همبستگی (R= 0.90) و میانگین مربع خطا (MSE= 0.01) توانایی بالایی در پیش بینی حوادث ترافیکی دارد. نتیجه گیری: با توجه به اهمیت پیش بینی حوادث ترافیکی و نقش آن جهت ارتقای سلامت افراد جامعه، نتایج حاصل از این مطالعه می تواند جهت گسترش اقدامات پیشگیرانه مؤثرتر برای سیاست گذاران و محققان قابل استفاده باشد. با توجه به نتایج بدست آمده شبکه عصبی کارایی خوبی برای پیش بینی کوتاه مدت جریان ترافیک از خود نشان داده است.

مقدمه: بیماری آسم به دلیل مدیریت نادرست، در نیمی از افراد مبتلا به این بیماری به صورت «کنترل نشده» باقی مانده است. از دلایل اصلی نداشتن مدیریت می توان به پیگیری نکردن کنترل بیماری توسط بیمار، ناآگاهی پزشک عمومی از وضعیت بیمار و پیروی نکردن پزشک عمومی از راهنماها در مدیریت بیماری، اشاره کرد. هدف مطالعه حاضر ایجاد مدل مفهومی برای سامانه مدیریت بیماری آسم در مراقبت اولیه بود. روش ها: در پژوهش حاضر، ابتدا گردش کارهای مدیریت بیماری آسم ایجاد شد. سپس، مدل مفهومی سامانه با زبان مدل سازی یکپارچه ایجاد و با استفاده از روش هم اندیشی خبرگان توسط پنج متخصص آسم، سه متخصص انفورماتیک و دو متخصص مدیریت اطلاعات سلامت ارزیابی شد که به روش نمونه گیری دسترسی آسان انتخاب شده بودند. ابزار گردآوری داده چارچوب بحث با سؤال های باز بود کهپس از بحث و تبادل نظر در خصوص مدل مفهومی توافق جمعی حاصل شد و به صورت هم زمان بر نمودارهای مدل مفهومی اعمال شد. یافته ها: مدل مفهومی سامانه در قالب 10 نمودار از جمله مورد کاربرد کسب و کار، مورد کاربرد، فعالیت ، توالی و کلاس ایجاد و ارزیابی شد. در نمودار مورد کاربرد کسب و کار، مورد کاربردهای اصلی و در نمودار مورد کاربرد، مورد کاربردهای جزیی تر به تصویر کشیده شد. در نمودار فعالیت، نحوه پذیرش، ویزیت و مدیریت بیمار به تصویر کشیده شد. نمودار توالی و کلاس نیز، ترتیب انجام عملیات مدیریت بیماری آسم و شی ءهای موردنیاز مدیریت بیماری آسم ارائه شد. نتیجه گیری: از آنجا که متخصصین آسم، انفورماتیک و مدیریت اطلاعات سلامت صحت مدل مفهومی ارائه شده در پژوهش حاضر را تایید نموده اند، انتظار می رود مدل مفهومی ارائه شده، به طراحی سامانه هایی کارا و منطبق با نیاز کاربران، کمک قابل توجهی نماید.