پیش بینی تمایل به جراحی زیبایی در پرستاران با استفاده از مدل رگرسیون لجستیک و مقایسه آن با شبکه عصبی مصنوعی

رگرسیون لجستیک یکی از روش های مدل بندی برای متغیرهای وابسته دو حالتی است. از طرفی شبکه عصبی مصنوعی یک روش انعطاف پذیرو با کمترین محدودیت است. اهمیت رشد روز افزون جراحی های زیبایی غیر ضروری و از طرفی اهمیت پیش بینی و کلاس بندی، ما را بر آن داشت که مطالعه حاضر را، با هدف مقایسه رگرسیون لجستیک و شبکه عصبی مصنوعی، در پیش بینی تمایل به جراحی زیبایی پرستاران انجام دهیم.
روش کار: نمونه ها شامل 360 پرستار شاغل در بیمارستان های وابسته به دانشگاه علوم پزشکی کرمانشاه بودند. متغیر پاسخ تمایل یا عدم تمایل به جراحی زیبایی بود. ارزیابی شبکه عصبی مصنوعی بر اساس ملاک حداقل مربعات خطای پیش بینی صورت گرفت. مجموعه داده ها،  بصورت تصادفی، به دو قسمت آموزشی و آزمایشی تقسیم شدند. 70% از داده ها برای آموزش و 30% داده ها برای آزمون در نظر گرفته شدند. با استفاده از شاخص منحنی راک و صحت پیش بینی ، دو مدل با هم مقایسه شدند. برای تحلیل داده ها از نرم افزارSPSS v.22  و Statistica v.12 و آزمون مجذور کای (Chi-square) استفاده شد.
یافته ها: در گروه آموزش، صحت پیش بینی، حساسیت، ویژگی و سطح زیر منحنی راک برای روش رگرسیون لجستیک به ترتیب برابر با 777/0، 760/0، 798/0، 779/0  و برای روش شبکه عصبی مصنوعی847/0، 859/0 833/0، 846/0 بود. همچنین در گروه آزمون این معیارها برای روش رگرسیون لجستیک به ترتیب برابر با 813/0، 738/0، 926/0، 832/0 و برای شبکه عصبی مصنوعی 735/0، 737/0، 731/0، 735/0بود. آزمون مجذور کای، اختلاف معنی داری بین سطح زیر منحنی راک دو روش، در هیچ یک از گروه ها نشان نداد.
نتیجه گیری: در گروه آموزش، عملکرد روش شبکه عصبی مصنوعی بهتر از روش رگرسیون لجستیک بود ولی در گروه آزمون، صحت پیش بینی و ویژگی روش رگرسیون لجستیک، بیش از روش شبکه عصبی مصنوعی بود. لذا می توان جهت پیش بینی تمایل به جراحی زیبایی در این مجموعه از پرستاران از روش رگرسیون لجستیک استفاده کرد.