تبین مرگ و میر ناشی از COVID-19 با استفاده از شبکه عصبی مصنوعی (ANN) بر اساس عوامل خطر زمینه ای و آزمایشگاهی در ایلام ، ایران

گسترش موج های جدید شیوع ویروس کرونا ، میزان مرگ و میر بالا ، و چالش های وقت گیر و متعدد برای دستیابی به ایمنی جمعی از طریق واکسیناسیون و نیاز به اولویت بندی تخصیص واکسن ها در جمعیت عمومی ، منجر به شناسایی عوامل خطر مرتبط با مرگ و میر در بیماران از طریق استراتژی های بدیع و مدل های آماری جدید شده است. در این مطالعه ، از مدل شبکه عصبی مصنوعی (ANN) برای پیش بینی عوارض در بیماران مبتلا به COVID-19 استفاده شد. داده های 2206 بیمار از برنامه ثبت ریجستری بیمارستان شهید مصطفی خمینی ایلام ، استخراج شد و به طور تصادفی در دو گروه آموزشی (1544) و آزمایش (662) مورد تجزیه و تحلیل قرار گرفت. با استفاده از مدل های مختلف یک شبکه عصبی سه لایه ، 12 متغیر می توانند بیش از 77 درصد از واریانس مرگ و میر در بیماران COVID-19 را توضیح دهند. این یافته ها می تواند برای مدیریت بهتر مرگ و میر ، اولویت بندی واکسیناسیون ، آموزش عمومی و قرنطینه و اختصاص تخت های مراقبت های ویژه برای کاهش مرگ و میر ناشی از COVID-19 مورد استفاده قرار گیرد. این یافته ها همچنین قدرت تبیین بهتر مدلهای ANN را برای پیش بینی مرگ و میر بیماران تایید کرد