شناسایی علایم و بیماری های زمینه ای مرتبط با بیماری کووید-19 و پیش بینی وضعیت مرگ با کمک رگرسیون لوژستیک و شبکه های عصبی مصنوعی: یک رویکرد داده کاوی

شیوع و نرخ مرگ ومیر بالای بیماری کووید-19، علایم، اطلاعات جمعیت شناختی و بیماری های زمینه ای موثر در پیش بینی مرگ ناشی از آن را ضروری می سازد. لذا در این مطالعه قصد داریم به پیش بینی رفتار مرگ ومیر ناشی از کووید-19 در استان خراسان رضوی بپردازیم.

در این مطالعه داده های کامل 47460 نفر از بیماران بستری در بیمارستان های استان خراسان رضوی از 4 اسفند 1398 تا 21 شهریور 1400 جمع آوری شد. برای تشخیص بازماندگان و غیر بازماندگان ناشی از کووید-19 روش شبکه های عصبی و رگرسیون لوژستیک و برای مقایسه دو مدل از حساسیت، ویژگی، صحت پیش بینی و سطح زیر منحنی مشخصه عملکرد استفاده گردید.

 کاهش سطح هوشیاری، سرفه، درصد اکسیژن خون کمتر از 93%، سن، سرطان، بیماری های مزمن کلیه، تب داشتن، سردرد داشتن، سیگاری بودن، و بیماری های مزمن خون به عنوان ده عامل مهم تر در پیش بینی مرگ شناسایی شدند. صحت مدل شبکه عصبی و رگرسیون لوژستیک به ترتیب برابر 89/90% و 83/67%درصد، همچنین حساسیت، ویژگی و سطح زیر منحنی راک در دو مدل به ترتیب (76/14%، 68/94%)، (91/99%، 85/30%) و (77/14%، 68/98%) بود.

 یافته های ما اهمیت برخی اطلاعات جمعیت شناختی، بیماری های زمینه ای و علایم بالینی را ارایه کرد. همچنین، مدل شبکه عصبی می تواند مرگ را با دقت بیشتری نسبت به مدل رگرسیون لوژستیک پیش بینی کند. بااین حال، تحقیقات پزشکی در این زمینه با به کارگیری سایر روش های یادگیری ماشین و قدرت بالای آن ها، نتایج کامل کننده ای به دنبال خواهد داشت.