پیش بینی سپسیس به دلیل عفونت اسینتوباکتر در نوزادان بستری در بخش مراقبت های ویژه نوزادان

سپسیس، مهمترین بیماری 28 روز اول زندگی و از دلایل اصلی مرگ و میر نوزادان در بخش مراقبت های ویژه می باشد. سپسیس نوزادی می تواند از علایم بالینی عفونت های بیمارستانی باشد. از این رو هدف از این پژوهش، ایجاد و ارزیابی مدل پیش بینی سپسیس بیمارستانی و ارایه نتایج آن به ارایه دهندگان خدمات مراقبت سلامت است. 

در این مطالعه ی توصیفی کاربردی، جامعه ی پژوهش شامل نوزادان بستری در بخش مراقبت های ویژه بیمارستان ولیعصر (عج) تهران و نمونه پژوهش، داده های ثبت شده ی 4196 نوزاد بستری شده در این بخش از سال 95 تا شهریور ماه 99 می باشد. ویژگی های اولیه جهت ایجاد مدل پیش بینی بیماری سپسیس با بررسی منابع اطلاعاتی مرتبط و مطابق با نظر استادان و مسیولان مرکز تحقیقات مادر و جنین بیمارستان ولیعصر تهیه گردید و روایی آن توسط 5 نفر از استادان فوق تخصص نوزادان این بیمارستان تایید شد. در این پژوهش از الگوریتم های یادگیری ماشین جهت ایجاد مدل پیش بینی سپسیس استفاده شده است. 

یافته ها: 

برای ارزیابی مدل های ایجاد شده، از پارامترهای Accuracy و AUROC (سطح زیرمنحنیROC) استفاده شد. بیشترین مقدار Accuracy و AUROC به ترتیب مربوط به الگوریتم های Adaptive Boosting و جنگل تصادفی می باشد.

نتیجه گیری: 

منحنی های یادگیری نشان می دهد که با استفاده از نمونه های آموزشی مختلف و انتخاب پیچیده تر ویژگیهای ترکیبی، عملکرد مدل ها بهبود می یابد. تحقیقات بیشتر برای ارزیابی اثربخشی بالینی مدل های یادگیری ماشین در یک کارآزمایی ضروری است.