کاربرد یادگیری ماشین در پیش بینی افسردگی بیماران سرطانی

Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 178

متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

THPC04_040

تاریخ نمایه سازی: 29 دی 1400

Abstract:

مقدمه: افسردگی یکی از مشکلات شایع برای بیماران سرطانی در سراسر جهان تلقی می شود. طبقه بندی ودرمان افسردگی بیماران سرطانی مشکل است. یادگیری ماشین یکی از رویکردهایی است که در دسته بندی ودرمان افسردگی بیماران سرطانی می تواند کمک کننده باشد. بنابراین، هدف پژوهش حاضر، کاربرد یادگیریماشین در پیش بینی افسردگی بیماران سرطانی بود.روش پژوهش: این پژوهش به صورت مروری در سال ۲۰۲۱ و از طریق جستجو در پایگاه های اطلاعاتی معتبراز قبیل Web of Science, PubMed و Scopus و موتور جستجوی Google Scholar با کلیدواژه هایDepression, Machine Learning, Cancer و Prediction و بدون محدودیت زمانی انجام شد. همچنین،منابع مقالات جهت اطمینان از کامل بودن نتایج جستجو، بررسی گردید. پس از حذف عناوین تکراری با کمکنرم افزار EndNote ، عنوان و چکیده مقالات توسط پژوهشگران مورد بررسی قرار گرفت و براساس معیارهایورود و خروج پژوهش حاضر، مقالات وارد مطالعه شدند. یافته ها: در این پژوهش ۱۴۵ مقاله بازیابی شد که براساس معیارهای ورود به مطالعه، ۱۲ مقاله جهت بررسی تمام متن انتخاب شدند. نتایج پژوهش حاضر نشان داد که از روش های یادگیری ماشین می توان در پیش بینیو درمان افسردگی بیماران مبتلا به سرطان استفاده کرد. افسردگی می تواند کیفیت زندگی بیماران سرطانیرا تحت تاثیر قرار دهد و در فرآیند های تشخیصی و طول مدت درمان بیماران اثرگذار باشد. همچنین، افسردگیپس از درمان می تواند برای بیماران سرطانی رخ دهد، که روش های یادگیری ماشین می توانند در پیش بینیو پیشگیری از افسردگی بیماران سرطانی کمک کننده باشند. باتوجه به الگوریتم های یادگیری ماشین وپیش بینی های انجام شده توسط آن، می توانند درمان مناسب را با توجه به سطح و درجه افسردگی به بیمارانسرطانی ارائه داده و هزینه های مربوط به ارائه خدمات مراقبت سلامت را کاهش دهند.نتیجه گیری: الگوریتم های یادگیری ماشین می توانند نقش مهمی را در صنعت مراقبت سلامت ایفا کنند.این الگوریتم ها در جهت پیش بینی و پیشگیری از بیماری ها، افرایش کیفیت زندگی بیماران و همچنین، ارتقاسطح سلامت جامعه می توانند کمک کننده باشند.

Authors

مرضیه باریز

گروه فناوری اطلاعات سلامت، دانشکده مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی شیراز، شیراز، ایران- انجمن علمی دانشجویی فناوری اطلاعات سلامت ایران، ایران

محدثه میرزائی بایگی

گروه فناوری اطلاعات سلامت، دانشکده بهداشت و پیراپزشکی، دانشکده علوم پزشکی نیشابور، نیشابور، ایران

پوریا افشاری فرد

کمیته تحقیقات دانشجویی، گروه فناوری اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی لرستان، خرم آباد، ایران

زهرا جمشید دوست

کمیته تحقیقات دانشجویی، گروه فناوری اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی همدان، همدان ایران

علیرضا بنای یزدی پور

دانشجوی دکترای تخصصی مدیریت اطلاعات سلامت، گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران- مرکز پژوهش های علمی دانشجویان، دانشگاه علوم پزشکی تهران، تهران، ایران