مقايسه به‌كارگيري شبكه عصبي پرسپترون چندلايه با رگرسيون وزن‌دار در تعيين الگوي جغرافيايي بروز بيماري تب مالت استان مازندران (1396-1388)

سابقه و هدف: روش‌هاي يادگيري ماشين از جمله شبكه عصبي مصنوعي، پيش‌بيني بهتري نسبت به روش‌هاي كلاسيك دارد. اين مطالعه به ‌منظور مقايسه به‌كارگيري شبكه عصبي پرسپترون چندلايه با رگرسيون وزن‌دار در تعيين الگوي جغرافيايي بروز بيماري تب مالت استان مازندران (1396-1388) درباره 3732 بيمار انجام شد. مواد و روش‌ها: نوع مطالعه اكولوژيكال و از نوع اگزيستينگ ديتا به ‌صورت ثبتي است. براي مدل‌سازي و پيش‌بيني بروز بيماري از شبكه عصبي پرسپترون چندلايه استفاده و نتايج با رگرسيون وزني مقايسه شد. جهت مقايسه مدل‌ها از دو معيار RMSE و MAPE استفاده شد. تمام آناليزها با استفاده از نرم‌افزار SPSS v.26 و مايكروسافت اكسل 2016 انجام شد. يافته‌ها: نرخ استاندارد سني بروز بيماري 13/2 در 100 هزار نفر است. سال 1391 بالاترين نرخ بروز (17/2) و كم‌ترين (10/6) مربوط به سال 1393 بود. شهرستان گلوگاه (0/35) و شهرستان‌هاي قائمشهر و فريدون‌كنار (3/0) بالاترين و پايين‌ترين نرخ بروز را داشتند. متغيرهاي جنسيتِ مرد، سكونت روستايي، سن بالاي 55 سال، تماس با فراورده‌هاي لبني، خانه‌دار بودن، دامداري و شغل‌هاي وابسته به دام، تماس با دام و واكسيناسيون دام بر بروز استاندارد بيماري در هر دو مدل شبكه عصبي مصنوعي و رگرسيون وزني (به ‌غير از متغير بالاي 55 سال) تأثيرگذار بود. استنتاج: قدرت پيش‌بيني مدل در شبكه عصبي پرسپترون چندلايه از رگرسيون وزن‌دار بيش‌تر بود.