استفاده از شبكه عصبي مصنوعي و مقايسه آن با رگرسيون لجستيك در پيش‌ بيني اختلالات رواني بعد از تروما در بيماران دچار آسيب مغزي خفيف

مقدمه: امروزه شبكه هاي عصبي مصنوعي در پيش بيني اثرات متغيرهاي متعدد و با روابط پيچيده بر روي يك متغير خاص مورد توجه قرار گرفته است. در اين مطالعه، قدرت شبكه عصبي مصنوعي در پيش بيني اختلالات رواني بعد از تروما در بيماران دچار آسيب مغزي خفيف با رگرسيون لجستيك مقايسه شد. مواد و روش ها: در يك مطالعه كوهورت آينده نگر، 100 نفر بيمار ترومايي ارجاع شده به مركز تروماي بيمارستان شهيد بهشتي كاشان طي مدت 6 ماه مورد بررسي قرار گرفتند. سپس بيماران ترومايي به طور تصادفي به دو گروه آموزشي(50 نفر) و آزمايشي(50 نفر) تقسيم شدند. چهارده متغير سن، جنس، شغل، سطح تحصيلات، وضعيت تاهل، وضعيت اقتصادي، سابقه قبلي اختلال رواني در بستگان درجه يك، سابقه بستري در بخش جراحي اعصاب، سابقه قبلي تروما، سابقه بيماري زمينه اي، سابقه مصرف دارو سايكولوژيكي، سابقه بيهوشي، سابقه استفاده از الكل، سابقه استفاده از مواد مخدر در اين افراد بررسي شدند. سيصد مدل شبكه عصبي مصنوعي و رگرسيون لجستيك در گروه اول ساخته و در گروه دوم مقادير پيش بيني شده توسط دو مدل نهايي مقايسه شدند. براي تخمين قدرت پيش بيني اختلال رواني از منحني راك و صحت كلاس بندي استفاده گرديد. يافته هاي پژوهش: نتايج اين مطالعه نشان داد، شاخص درصد پيش بيني درست براي مدل شبكه هاي عصبي برابر 65/90 درصد و براي رگرسيون لجستيك برابر 96/75 درصد مي باشد. بحث و نتيجه گيري: مدل هاي شبكه عصبي مصنوعي در پيش بيني اختلال رواني از مدل رگرسيون لجستيك قوي تر بودند. اين تفاوت نشانگر قدرت بيشتر مدل هاي مبتني بر شبكه هاي عصبي مصنوعي در پيش بيني موارد اختلال رواني با استفاده از ريز فاكتورهاي مختلف و لزوم استفاده از اين فناوري در موارد غربالگري جمعيتي مي باشد.