CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

پیش بینی عملکرد کلیه پیوندی به کمک سامانه تصمیم یار بالینی هوشمند

اعتبار موردنیاز PDF: ۰ | تعداد صفحات: ۲ | تعداد نمایش خلاصه: ۲۵ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: NCMIMED02_094
زبان مقاله: فارسی
نسخه کامل مقاله در کنفرانس ارائه نشده است و در دسترس نیست.

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله منتشر نشده و درپایگاه سیویلیکا موجود نمی باشد.

منبع مقالات سیویلیکا دبیرخانه کنفرانسها و مجلات می باشد. برخی از دبیرخانه ها اقدام به انتشار اصل مقاله نمی نمایند. به منظور تکمیل بانک مقالات موجود، چکیده این مقالات در سایت درج می شوند ولی به دلیل عدم انتشار اصل مقاله، امکان ارائه آن وجود ندارد.

خرید و دانلود فایل PDF مقاله

متن کامل (فول تکست) این مقاله منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد

مشخصات نویسندگان مقاله پیش بینی عملکرد کلیه پیوندی به کمک سامانه تصمیم یار بالینی هوشمند

  پرویز رشیدی خزاعی - دانشجوی دکتری فناوری اطلاعات، کامپیوتر، مهندسی برق و کامپیوتر، دانشگاه ارومیه، ارومیه، ایران،
  جمشید باقرزاده - گروه مهندسی برق و کامپیوتر، دانشگاه ارومیه، ارومیه، ایران،
  زهرا نیازخانی - دانشیار، گروه فناوری اطلاعات سلامت، پیراپزشکی، علوم پزشکی ارومیه، ارومیه، ایران
  حبیب اله پیرنژاد - دانشیار، گروه فناوری اطلاعات سلامت، پیراپزشکی، علوم پزشکی ارومیه، ارومیه، ایران

چکیده مقاله:

مقدمه:معیار اصلی پزشکان در فرایند مراقبت مادام العمر پس از پیوند کلیه، بررسی معاینات بالینی بیمار، نتایج آزمایشات و شاخص میزان فیلتراسیون کلیوی (eGFR )می باشد. سیستم های پشتیبان تصمیم با استفاده از این اطلاعات میتوانند پزشکان را در پیش بینی های بالینی حمایت نمایند. در مطالعات قبلی، روش های مختلفی در پیش بینی میزان بقاء کلیه پیوندی، بقای بیمار، انتخاب بهترین گیرنده و ... مورد استفاده قرار گرفته است ولی استفاده روتین روزانه ندارند. از اینر و هدف ما، ایجاد ابزاری است که بتواند به صورت روزانه، در هنگام مراجعه بیماران جهت مراقبت های پس از پیوند، اطلاعات و دانش مناسبی را تولید نموده و در اختیار پزشکان قرار دهد تا تصمیمات بهتری اتخاذ نمایند. ما در این تحقیق با استفاده از اطلاعات در دسترسمانند نتایج فعلی و قبلی آزمایشات و معاینات بالینی، مقدار eGFR را در بازه زمانی آتی (چند ماه بعد) پیش بینی می نمایم تا پزشک علاوه بر وضعیت کنونی بیمار از روند عملکرد آتی کلیه پیوندی نیز آگاهی یافته و روش درمانی مناسب تری را جهت دامه مراقبت انتخاب نماید. برای پیش بینی مقدار آتی eGFR ،مدل های مختلفی مبتنی بر شبکه های عصبی پرسپترون چندلایه، رگرسیون خطی، درخت تصمیم، ماشین بردار پشتیبان و شبکه های عصبی مبتنی بر ویولت استفاده گردیده و بهترین روش انتخاب شده است. روش بررسی: بخشی از اطلاعات و سوابق بالینی 15 سال گذشته 940 نفر از بیماران پیوندی مرکز پیوند کلیه بیمارستان امام خمینی ارومیه انتخاب گردید. رکوردهای اطلاعاتی مدنظر به عنوان دیتای اصلی سیستم پشتیبان تصمیم شامل نتایج آزمایشات FBS ،Scr ، BUN ،WBC ،Hgb و نتایج معاینات بالینی فشار خون سیستولی و دیاستولی، وزن، سن کنونی بیمار، سن پیوندی و مقدارکنونی eGFR می باشد که در هر بار مراجعه بیماران ثبت گردیده است. از میان تمامی داده ها، 75 %آنها برای آموزش و مابقی 25% آنها برای ارزیابی عملکرد مدل پیش بینی مورد استفاده قرار گرفت. در مرحله اول با استفاده از سابقه نتایج آزمایشات و معاینات روز جاری مقدار آتی eGFR بهعنوان شاخص عملکرد آتی کلیه پیش بینی گردید. در مرحله بعد، عمل پیش بینی با تعداد سوابق بیشتری از مراجعات قبلی (از 1 تا 10 سابقه قبلی) انجام و عملکرد مدل ارزیابی گردید. یافته ها: مجموعه دادهای شامل 35066 رکورد اطلاعاتی مربوط به 940 گیرنده کلیه بود. به طور متوسط هر بیمار دارای 39 رکورد سابقه مراجعه بوده و متوسط فاصله زمانی بین مراجعات مختلف هر بیمار 59 روز بود که نتایج، کارایی بهتر شبکه های عصبیپرسپترون چند لایه را نشان می دهد. به علاوه نتایج ارزیابی مدل نشان میدهد که هر قدر سوابق مراجعات بیشتری به عنوان ورودی مدل پیش بینی استفاده شود عملکرد مدل بهتر می شود نتیجه گیری: نتایج نشان می دهد این سامانه تصمیم یار میتواند به عنوان یک ابزار کمکی در دسترس پزشکان قرار گرفته و حین در فرایند مراقبت های روزانه پیگیری های مادام العمر بعد از پیوند اطلاعات مناسبی از وضعیت آتی عضو پیوندی در اختیار پزشک قرار داده و در تصمیم گیری به آنها کمک نماید.

کلیدواژه‌ها:

پیش بینی، عملکرد کلیه پیوندی، شبکه های عصبی مصنوعی، سیستم های تصمیم یار بالینی، پیوند کلیه

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCMIMED02-NCMIMED02_094.html
کد COI مقاله: NCMIMED02_094

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رشیدی خزاعی, پرویز؛ جمشید باقرزاده؛ زهرا نیازخانی و حبیب اله پیرنژاد، ۱۳۹۷، پیش بینی عملکرد کلیه پیوندی به کمک سامانه تصمیم یار بالینی هوشمند، دومین همایش انفورماتیک پزشکی و هفتمین همایش سلامت الکترونیک و کاربردهای ICT در پزشکی ایران، تهران، دانشگاه تربیت مدرس -انجمن انفورماتیک پزشکی دانشگاه، https://www.civilica.com/Paper-NCMIMED02-NCMIMED02_094.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (رشیدی خزاعی, پرویز؛ جمشید باقرزاده؛ زهرا نیازخانی و حبیب اله پیرنژاد، ۱۳۹۷)
برای بار دوم به بعد: (رشیدی خزاعی؛ باقرزاده؛ نیازخانی و پیرنژاد، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۹۴۸۱
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.