• AR
  • EN

پایــگاه خبــری

  • فهرست اخبار
  • آموزشی
  • پژوهشی
  • دانشجویی و فرهنگی
  • اداری
  • دستاوردها
  • نشست‌ها
  • انتصاب‌ها
  • خبرنامه‌ها
    > فهرست اخبار > جلسه دفاع پایان نامه: سیده شقایق شریعت، گروه مهندسی صنایع
تاریخ: 1403/7/14
ساعت: 14:36
بازدید: 148
شماره خبر: 23685

چاپ خبر
ارسال خبر

اخبار مرتبط

گالری

برچسب‌ها

    به اشتراک بگذارید

     
    جلسه دفاع پایان نامه: سیده شقایق شریعت، گروه مهندسی صنایع

    جلسه دفاع پایان نامه: سیده شقایق شریعت، گروه مهندسی صنایع

    خلاصه خبر:

    عنوان پايان نامه: طراحي مدل پيش بيني عفونت هاي دوره نوزادي در بخش مراقبت هاي ويژه نوزادان بر پايه واكاوش داده

    ارائه کننده: سیده شقایق شریعت
    استاد راهنما: دكتر مهرداد كارگري
    استاد مشاور: دكتر بختيار استادي
    استاد داور داخلي: دكتر الهام آخوند زاده نوقايي
    استاد داور خارج از دانشگاه: دكتر عباس حبيب الهي
    نماينده تحصيلات تكميلي: دكتر الهام آخوند زاده نوقايي
    تاریخ: 1403/07/15     
    ساعت: 12:30
    مكان: اتاق 223 دانشكده فني و مهندسي

    چکیده:
    عفونت‌های دوره نوزادی، یکی از عوامل مهم مرگ‌و‌میر نوزادان در بخش مراقبت‌های ویژه نوزادان در 28 روز اول زندگی است. ازاین رو هدف از این پژوهش، ارائه ابزاری جهت پیش‌بینی عفونت‌های دوره نوزادی از طریق روش‌های واکافت داده با استفاده از اطلاعات دموگرافیک افراد است تا بتواند در تشخیص زودهنگام این بیماری به پزشک کمک کرده و از عوارض آن جلوگیری شود.براي اين منظور دو مجموعه داده در این مطالعه، مورد استفاده قرار گرفت. مجموعه داده‌ی اول شامل مشخصه‌های متنوعی از مادران و فرزندان نوزادشان است که از طریق سامانه ایمان گردآوری شده و با بهره‌گیری از روش‌های داده‌کاوی تحلیل شد. مجموعه داده‌ی دوم تنها ویژگی‌های مادر را شامل می‌شود. درمجموع 113378 نمونه مورد بررسي قرار گرفت. به دليل نامتوازن بودن مجموعه داده‌های موردمطالعه از روش‌های ROS ،RUS، GAN و یک رويكرد جدید استفاده شد. سپس روش‌های واکافت داده شامل جنگل تصادفی، درخت تصمیم، ماشین بردار پشتیبان، شبکه عصبی، رگرسیون لجستیک، الگوریتم  k‌نزدیک‌ترین همسایه، الگوریتم‌های طبقه‌بند ترکیبی: Bagging، Boosting و Stacking Ensemble Classifier با استفاده از مدل‌های برتر انتخاب شده، ساخته و بر روی مجموعه داده‌های آموزشی آموزش داده شد. هر يك از مدل‌های دسته‌بند توسط معيارهای صحت، دقت، حساسيت، وضوح و F1-score مورد ارزیابی قرار گرفت. مقایسه‌ی نتایج الگوریتم‌های مورد استفاده در دیتاست اول و دوم، نشان می‌دهد که استفاده از مجموعه داده‌ی دوم و مشخصه‌های مادر به تنهایی می‌تواند در پیش‌بینی عفونت‌های دوره نوزادی موثر واقع شود و شناسايی زنان باردار با خطر تولد فرزندی با عفونت‌های دوره نوزادی و عوامل مؤثر در بروز آن، مي‌تواند به كادر درمان كمك كند تا با مدیریت، نظارت و كنترل، احتمال تولد فرزندی با عفونت‌های دوره نوزادی را كاهش دهند و در نهايت تبعات منفي آن برای جوامع و خانواده نيز كاهش پيدا كند. مدل ترکیبی stacking در مجموعه داده اول و دوم به ترتیب با F1-score برابر با 81.31 درصد و 97.21 درصد، قادر به پیش‌بینی عفونت‌های دوره نوزادی در بیماران جدید است. به منظور بهینه‌سازی هزینه‌های مرتبط با بخش مراقبت‌های ویژه نوزادان، به طراحی و ایجاد یک مدل ریاضی پرداخته شد. هدف از ایجاد این مدل، بهینه‌سازی و بهبود مدیریت هزینه‌های مختلف با دقت بالا بود. پس از توسعه و اجرای مدل، تحلیل حساسیت به‌منظور ارزیابی تأثیر تغییرات پارامترهای مختلف بر نتایج نهایی و هزینه‌های درمانی مورد بررسی قرار گرفت. تفسير نتایج و به‌كارگيری آن مي‌تواند در سطح كلان و از ديد سياست‌گذاری و برنامه‌ريزی حوزه بهداشت به كار گرفته شود.

    خبر بعدی خبر قبلی

    ما را در شبکه‌های اجتماعی دنبال کنید

    © تمامی حقوق سایت برای دانشگاه تربیت مدرس محفوظ است.