کاربرد شبکه عصبی مصنوعی در پیش بینی افسردگی سالمندان

افزایش جمعیت سالمندان، جامعه را با مشکلات و مسائل جدی مربوط به آنها روبرو خواهد ساخت. افسردگی از عمده ترین اختلالات دوران سالمندی است که فاکتورهای متفاوتی از جمله جنسیت، سن، تحصیلات، محل زندگی و ... می توانند، بر آن موثر باشند. اما اغلب این متغیرها به طور کامل قابل کنترل نبوده و بین آن ها اثر متقابل وجود دارد. لذا یافتن روابط این متغیرها با استفاده از مدل های رگرسیونی که دارای فرضیات محدود کننده ای هستند، اغلب با مشکلاتی مواجه است. در این مطالعه به منظور غلبه بر این مشکل از مدل شبکه عصبی مصنوعی برای تعیین میزان تاثیر متغیرهای سن، وضعیت تاهل، تعداد اعضای موجود در خانواده، میزان درآمد، وضعیت اشتغال، وضعیت خانه نشینی، جنسیت، محل زندگی(شهر یا روستا)، تعداد بیماری مزمن غیرواگیر و قومیت بر افسردگی سالمندان استفاده شده است. اطلاعات 1477 نفر بین 60-92 سال با استفاده از نرم افزار SPSS22 آنالیز گردید. شبکه عصبی مناسب برای پیش بینی، شبکه ای با پنج گره در لایه میانی و تابع تانژانت هایپربولیک در هر دو لایه میانی و خارجی می باشد. اما مدل شبکه عصبی کصنوعی در این مطالعه کارآمد نبود و اغلب افراد را بدون توجه به وضعیت افسردگیشان، سالم ارزیابی می کرد. دلیل ناکارآمدی مدل شبکه عصبی عدم انتخاب مناسب متغیرهای تاثیر گذار بود. لذا به نظر می رسد علارغم مطالعات گسترده در زمینه افسردگی سالمندان، نیاز به مطالعاتی که بتوانند متغیرهایی موثرتری را معرفی نمایند، هنوز احساس می شود.

Keywords:

افسردگی سالمندان , شبکه عصبی مصنوعی , فاکتورهای موثر , قومیت