فهرست نشریات علمی دسترسی آزاد ایران

سابقه و هدف: عفونت ادراری ( UTI ) یکی از عفونت های شایع است که سیستم ادراری را تحت تأثیر قرار می دهد. روش تشخیص استاندارد UTI تجزیه وتحلیل کشت ادرار است. بااین حال، این روش تشخیصی زمان بر بوده و به شدت مستعد خطاست. با توجه به اینکه پیش بینی سریع عفونت ادراری به شروع به موقع مصرف آنتی بیوتیک و کنترل بهینه تر عفونت ادراری کمک می کند، توسعه روش های تشخیص سریع تر موردتوجه محقّقان این حوزه قرار دارد. مواد و روش ها: مطالعه حاضر براساس داده های منتشرشده یک مطالعه کوهورت گذشته نگر که در کشور دانمارک و با حجم نمونه 300000 به انجام رسیده، انجام شده است. در مطالعه حاضر و براساس داده موجود، توانمندی الگوریتم های یادگیری ماشین شامل بردارهای پشتیبان، درخت تصمیم گیر، آنالیز تفکیک کننده خطّی و ماشین رگرسیون خطّی در پیش بینی عفونت ادراری براساس پیش گوکننده هایی نظیر سوابق پزشکی و داده های دموگرافیک برای بیماران بستری در بیمارستان ارزیابی شده است. یافته ها: نتایج این مطالعه نشان داد که طبقه بندی تفکیک کننده خطّی با دقت 0.64 ± 65.16 پیش بینی UTI را با استفاده از ویژگی های دموگرافیک و سوابق پزشکی بیمار انجام می دهد. از میان ویژگی ها، سن تأثیر قابل توجهی بر پیش بینی UTI داشت؛ به نحوی که دقت مدل در تشخیص UTI در نمونه های کهن سال، بزرگ سال، کودک و جوان به ترتیب 73.64، 25.86، 39.42 و 60.60 بوده است. ویژگی های با قدرت تمایز بالا نیز با توجه به تجزیه وتحلیل مؤلّفه های همسایگی پیشنهاد شد. نتیجه گیری: نتایج این مطالعه پتانسیل هوش مصنوعی را برای پیش بینی سریع UTI نشان می دهد. بااین حال، عملکرد سیستم پیش بینی کننده با افزودن ویژگی های دیگر قابل افزایش خواهد بود.