پیش بینی عارضه آنسفالوپاتی کبدی در بیماران پیوند کبد با استفاده از الگوریتم ماشین بردار پشتیبان در زنان میانسال فعال
در بیماران پیوند کبد، بروز عوارض بعد از عمل، زمان بستری و مراقبت بیماران را طولانی تر و هزینه های درمان را افزایش می دهد. هدف از این مطالعه پیش بینی عارضه آنسفالوپاتی کبدی در بیماران پیوند کبد با استفاده از الگوریتم ماشین بردار پشتیبان در زنان میانسال فعال بود.
جامعه آماری شامل 652 بیمار بودند که از بین آنها، 165 زن میانسال فعال دارای علایم آنسفالوپاتی که طی سال های 1380-1401 پیوند کبد انجام داده بودند به صورت در دسترس وارد مطالعه شدند. از الگوریتم ماشین بردار پشتیبان برای پیش بینی عارضه آنسفالوپاتی کبدی در بیماران پیوند کبدی و از نرم افزار مطلب برای تجزیه و تحلیل داده ها استفاده شد.
با استفاده از 14 ویژگی مربوط به اطلاعات آزمایشگاهی، آنتروپومتری و سبک زندگی آزمودنی ها، الگوریتم ماشین بردار پشتیبان، می تواند با دقت 81/2 درصد و صحت 74/6 درصد افراد با و بدون عارضه آنسفالوپاتی کبدی را پیش بینی کند.
با توجه به دقت الگوریتم ماشین بردار پشتیبان روی داده ها ، به نظر می رسد این سیستم بتواند با دقت بالا و با صرف کمترین هزینه پزشکان را در پیش بینی خطر عارضه آنسفالوپاتی کبدی بعد از پیوند، یاری نماید. سیستمها ی پشتیبانی تصمیم گیری مبتنی بر کامپیوتر می توانند تصمیمات بالینی ضعیف را کاهش دهند و همچنین هزینه های مربوط به آزمایش های بالینی غیرضروری را به حداقل رسانند.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.