مقایسه شبکه‌های عصبی مصنوعی، درخت تصمیم، تحلیل تشخیصی و رگرسیون لوجستیک در پیش‌بینی بارداری ناخواسته در مادران مولتی‌پار شهر خرم‌آباد

نویسندگان

1 آمار زیستی گروه بهداشت عمومی، دانشکده بهداشت و تغذیه دانشگاه علوم پزشکی لرستان، خرم‌آباد، ایران

2 آمار زیستی، عضو مرکز تحقیقات پروتئومیکس، دانشکده پیراپزشکی دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران

3 آمار زیستی گروه آمار زیستی، دانشکده علوم پزشکی دانشگاه تربیت مدرس، تهران، ایران

4 آمار گروه آمار، دانشکده علوم ریاضی و کامپیوتر دانشگاه صنعتی امیرکبیر، تهران، ایران

5 گروه بهداشت عمومی، دانشکده بهداشت و تغذیه دانشگاه علوم پزشکی لرستان، خرم‌آباد، ایران

6 آمار زیستی گروه آمار زیستی، دانشکده بهداشت دانشگاه علوم پزشکی ایران، تهران، ایران

چکیده

مقدمه و هدف: بارداری ناخواسته، نوعی از بارداری است که دست‌کم از نظر یکی از زوجین، ناخواسته باشد و پیامدهایی نامطلوب را برای خانواده و اجتماع به‌همراه‌دارد. در این مطالعه با استفاده از چهار مدل طبقه‌بندی، وقوع بارداری ناخواسته در جمعیت شهری خرم‌آباد پیش‌بینی‌شد و مدل‌ها مورد مقایسه قرارگرفتند.

مواد و روش‌ها: در این مطالعه مقطعی، 467 نفر از مادران باردار مولتی‌پار مراجعه‌کننده به مراکز بهداشتی- درمانی خرم‌آباد در سال1390 با روش نمونه‌گیری طبقه‌ای و خوشه‌ای انتخاب‌شده، متغیرهای مرتبط اندازه‌گیری‌شدند. در مدل‌بندی داده‌ها از مدل رگرسیون لوجستیک، تحلیل تشخیصی، درخت تصمیم‌گیری و شبکه‌های عصبی پرسپترون سه‌لایه و نرم‌افزار SPSS و MATLAB استفاده‌شد؛ برای مقایسه این مدل‌ها، شاخص‌های حساسیت، ویژگی، سطح زیر منحنی مشخصه و میزان پیش‌بینی صحیح به‌کارگرفته‌شدند.

نتایج: شیوع بارداری ناخواسته، 3/32 درصد بود. عملکرد مدل‌ها براساس شاخص سطح زیر منحنی مشخصه به‌ترتیب عبارت‌بود: از شبکه‌های عصبی مصنوعی (741/0)، درخت تصمیم‌گیری (731/0)، رگرسیون لوجستیک (712/0) و تحلیل تشخیصی (711/0). بیشترین درصد حساسیت به مدل درخت تصمیم‌گیری (5/73 درصد) و بیشترین میزان ویژگی به شبکه عصبی مصنوعی (3/62 درصد)، مربوط بوده‌است.

نتیجه‌گیری: با توجه به شیوع به‌نسبت بالای بارداری ناخواسته در شهر خرم‌آباد، لزوم بازنگری در برنامه‌های تنظیم خانواده، محسوس است. به‌رغم تشابه نسبی روش‌های یادشده، اگر توان پیشگویی بالاتر مدل، مدنظر محقق باشد، مدل شبکه‌های عصبی و اگرتفسیرپذیری بهتر نتایج، مدنظر باشد، استفاده از درخت تصمیم‌گیری و رگرسیون لوجستیک توصیه‌می‌شوند.

کلیدواژه‌ها