فهرست نشریات علمی دسترسی آزاد ایران

زمینه: افسردگی پس از زایمان یکی از مشکلات رو به رشد سلامت روان زنان است که پیامدهای گسترده ای برای مادر و خانواده دارد. مطالعات پیشین عمدتاً به متغیرهای محدود پرداخته اند و از روش های تحلیلی سنتی استفاده کرده اند. این در حالی است که پیش بینی چندبعدی با بهره گیری از الگوریتم های یادگیری ماشین هنوز کمتر مورد توجه قرار گرفته است . هدف: این پژوهش باهدف پیش بینی افسردگی پس از زایمان مبتنی بر متغیرهای چندگانه روان شناختی، جمعیت شناختی، سبک زندگی و عوامل مامایی و زنان و زایمان با استفاده از الگوریتم یادگیری ماشین بوده است. روش: پژوهش حاضر از نوع پژوهش های همبستگی مبتنی بر الگوریتم یادگیری ماشین بود. جامعه آماری پژوهش را زنان بارداری تشکیل دادند که در فاصله ی هفته 34 بارداری به بالا بودند. تعداد 198 شرکت کننده بر مبنای روش نمونهگیری در دسترس انتخاب شدند و به پرسش نامه افسردگی پس از زایمان (ادینبورگ، 2003)، پرسش نامه اضطراب بارداری (وندنبرگ، 1989)، پرسش نامه کیفیت خواب (پترزبورگ، 1989) و پرسش نامه محقق ساخته در ماه آخر بارداری و 150 نفر از همان گروه، به پرسش نامه حمایت اجتماعی (شربون و استوارت، 1991)، افسردگی پس از زایمان (ادینبورگ، 2003) و پرسش نامه محقق ساخته ی دیگری بعد از زایمان پاسخ دادند. ویژگی های توصیفی داده های به دست آمده با استفاده از نرم افزار SPSS نسخه 27 انجام شد و برای تعیین امکان پیش بینی افسردگی پس از زایمان بر اساس متغیرهای چندگانه، از تحلیل یادگیری ماشین استفاده گردید. یافته ها: نتایج نشان داد که ضریب AUC برای عملکرد مدل ارائه شده برای پیش بینی افسردگی پس از زایمان 72/0 به دست داده است که نشان دهنده ی عملکرد خوب مدل پژوهش می باشد و می توان گفت پیش بینی افسردگی پس از زایمان بر اساس متغیرهای چندگانه با استفاده از الگوریتم یادگیری ماشین امکان پذیر است. متغیرهای حمایت اجتماعی، اضطراب بارداری، تعداد بارداری، تعداد فرزندان و نخست زا بودن، بیشترین سهم را در پیش بینی افسردگی پس از زایمان بر اساس ارزیابی نهایی داشتند. نتیجه گیری: با توجه به شیوع بالای افسردگی پس از زایمان و پیامدهای گسترده آن، نتایج این پژوهش می تواند در طراحی ابزارهای غربالگری مبتنی بر یادگیری ماشین برای شناسایی زودهنگام زنان در معرض خطر به کار رود. همچنین، یافته ها می توانند راهنمایی برای برنامه ریزی مداخلات آموزشی و حمایتی جهت ارتقای آگاهی خانواده ها و سیاست گذاران سلامت باشند.