پیش بینی عارضه آنسفالوپاتی کبدی در بیماران پیوند کبد با استفاده از‎ الگوریتم ماشین بردار پشتیبان در زنان میانسال فعال

Abstract

زمینه و هدف: در بیماران پیوند کبد، بروز عوارض بعد از عمل، زمان بستری و مراقبت بیماران را طولانی‌تر و هزینه‌های درمان را افزایش می‌دهد. 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. روش‌ها: جامعه آماری شامل 652 بیمار بودند که از بین آنها، 165 زن میانسال فعال دارای علائم آنسفالوپاتی که طی سال‌های 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 داده‌ها استفاده شد. یافته‌ها: با استفاده از 14 ویژگی مربوط به اطلاعات آزمایشگاهی، آنتروپومتری و سبک زندگی آزمودنی‌ها، الگوریتم‎ ماشین بردار پشتیبان، می‌تواند با دقت 81/2 درصد و صحت 74/6 درصد افراد با و بدون عارضه آنسفالوپاتی کبدی را پیش بینی کند. نتیجه‌گیری: با توجه به دقت‎ الگوریتم ماشین بردار پشتیبان روی داده‎ها‎‌، به نظر می‎‌رسد 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. سیستم‎ها‎‌ی پشتیبانی تصمیم گیری مبتنی بر کامپیوتر می‎‌توانند تصمیمات بالینی ضعیف را کاهش دهند و همچنین هزینه‎ها‎‌ی مربوط به آزمایش‎ها‎‌ی بالینی غیرضروری را به حداقل رسانند.