رویا نجفی وثوق - دکتری تخصصی، گروه آمارزیستی، دانشکده بهداشت، مرکز تحقیقات علوم بهداشتی، دانشگاه علوم پزشکی همدان، همدان، ایران
جواد فردمال - استاد، گروه آمارزیستی، دانشکده بهداشت، مرکز تحقیقات مدلسازی بیماریهای غیرواگیر، دانشگاه علوم پزشکی همدان، همدان، ایران
علی قلعه ایها - استاد، گروه روانپزشکی، دانشکده پزشکی، مرکز تحقیقات اختلال رفتاری و سوء مصرف مواد، دانشگاه علوم پزشکی همدان، همدان، ایران.
حسین محجوب - استاد، گروه آمارزیستی، دانشکده بهداشت، مرکز تحقیقات علوم بهداشتی، دانشگاه علوم پزشکی همدان، همدان، ایران

اختلال دوقطبی یکی از انواع بیماری های مزمن است که بار اقتصادی بسیاری را بر بیماران و جامعه تحمیل می کند. با توجه به بالا بودن درصد بستری اینبیماران، پیشگیری از بستری مجدد یکی از اولویت های بهداشتی و درمانی است. بنابراین در مطالعه حاضر، عملکرد مدل های انباشت تصادفی و رگرسیونلجستیک در پیش بینی بستری مجدد بیماران مبتلا به اختلال دوقطبی بررسی شد. در این مطالعه هم گروهی تاریخی، اطلاعات ۴۰۰ بیمار مبتلا به اختلالدوقطبی مراجعه کننده به بیمارستان فرشچیان همدان طی سالهای۱۳۸۷ ، درنظر گرفته شد. متغیرهای مورد مطالعه شامل ویژگی های پایه و متغیرهای مربوط به بیماری بودند. نتایج نشان داد، سن، وضعیت تاهل، شغل، دوره بیماری و نوع درمان، مهمترین متغیرها در پیشبینی بستری مجددبیماران بودند. میزان دقت و سطح زیر منحنی راک برای انباشت تصادفی به ترتیب ۰/۷۷، ۰/۸۹ و برای رگرسیون لجستیک به ترتیب ۰/۶۵ و ۰/۶۶ بود. بنابراین، انباشت تصادفی در مقایسه با رگرسیون لجستیک عملکرد بهتری دارد.

یادگیری ماشین، انباشت تصادفی، رگرسیون لجستیک، اختلال دوقطبی