تعیین عوامل محیطی موثر بر بیوآئروسل های هوابرد در بیمارستان با اسفاده از مدل های غیرخطی
با توجه به اثر چشمگیر عوامل محیطی و ساختاری بر غلظت بیوآیروسل ها در هوای درونی بیمارستان و همچنین توجه کمتر به تعیین این ارتباط که معمولا به صورت غیرخطی است، هدف از این مطالعه تعیین پراکندگی توزیع بیوآیروسل ها و عوامل محیطی موثر بر غلظت آن ها در هوای درونی بیمارستان با استفاده از شبکه ی عصبی مصنوعی بوده است.
در این مطالعه غلظت بیوآیروسل ها با استفاده از روش غیرفعال و به مدت یک ساعت در ناحیه ی تنفسی انسان تعیین گردید. محیط کشت استفاده شده برای باکتری و قارچ به ترتیب تیپیکون سوی آگار سابورود دکستروز آگار بوده که در دماهای 15، 25 و 37 درجه، انکوبه گردید. متغیر مستقل شامل سه دسته متغیرهای ساختاری (تعداد تخت های بخش، ابعاد اتاق و ابعاد پنجره ها)، متغیرهای راهبری و مدیریت در بیمارستان (تعویض هوای بخش در هر ساعت) و متغیرهای آنالیزی (دمای انکوباسیون و نوع محیط کشت) بوده که اثر این متغیرها به وسیله ی شبکه ی عصبی مصنوعی با الگوریتم levenberg-marqut مدل سازی شد.
پیش بینی اثر عوامل نتایج این مطالعه نشان داد که پراکندگی بیوآیروسل ها در بخش های دیالیز و جراحی مردان بیشتر بوده است. همچنین شبکه ی عصبی مصنوعی توانایی مناسبی در پیش بینی اثر عوامل محیطی و ساختاری بیمارستان بر روی بیوآیروسل ها به خصوص قارچ ها داشته است؛ به طوری که حداکثر و حداقل غلظت باکتری ها و قارچ ها در داده های واقعی مشابه با داده های پیش بینی شده ی شبکه ی عصبی مصنوعی بوده است. افزون بر این، ضریب هم بستگی برای قارچ ها برابر با 0.95 بوده و میزان هم بستگی داده های واقعی و داده های پیش بینی شده توسط شبکه ی عصبی مصنوعی بالاتر از 0.92 بوده است.
با توجه به نتایج، شبکه عصبی مصنوعی می تواند روش مناسب و قابل اعتمادی جهت پیش بینی وابستگی غلظت بیوآیروسل ها به عوام محیطی و ساختاری بیمارستان باشد.
هوابرد ، باکتری ، قارچ ، شبکه ی عصبی ، عوامل محیطی
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.