مقاله طراحي شبكه عصبي مصنوعي براي پيش بيني توام سندرم متابوليك و شاخص مقاومت به انسولين (HOMA-IR): مطالعه قند و ليپيد تهران که چکیده‌ی آن در زیر آورده شده است، در اسفند ۱۳۸۸ در دانشور از صفحه ۲۹ تا ۳۸ منتشر شده است.
نام: طراحي شبكه عصبي مصنوعي براي پيش بيني توام سندرم متابوليك و شاخص مقاومت به انسولين (HOMA-IR): مطالعه قند و ليپيد تهران
این مقاله دارای ۱۰ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله پاسخ دومتغيره آميخته
مقاله شبكه عصبي مصنوعي
مقاله سندرم متابوليك
مقاله مقاومت به انسولين
مقاله مدل هاي چندمتغيره

نویسنده(ها):
جناب آقای / سرکار خانم: سدهي مرتضي
جناب آقای / سرکار خانم: محرابي يداله
جناب آقای / سرکار خانم: کاظم نژاد انوشيروان
جناب آقای / سرکار خانم: جوهري مجد وحيد
جناب آقای / سرکار خانم: حدائق فرزاد

چکیده و خلاصه‌ای از مقاله:
مقدمه و هدف: زماني كه در يك مطالعه بيش از يك متغير پاسخ با مقياس اندازه گيري متفاوت داشته باشيم، اين گونه پاسخ ها را چندمتغيره آميخته مي گويند. با توجه به محدوديت ها و برقرارنبودن برخي پيش فرض ها، روش هاي كلاسيك آماري براي مدل بندي و پيش بيني اين پاسخ ها کارايي ندارند. هدف اين مطالعه، طراحي شبكه عصبي مصنوعي براي مدل بندي و پيش بيني پاسخ هاي دومتغيره آميخته شامل سندرم متابوليك و شاخص HOMA-IR  مي باشد.
مواد و روش ها: تعداد ۳۴۷ نفر از افراد شركت كننده در مطالعه قند و ليپيد تهران، كه در فاز اول مطالعه بر اساس تعريف
ATPIII مبتلا به سندرم متابوليك نبودند، به عنوان نمونه انتخاب شدند. متغيرهاي دموگرافيك، سابقه بيماري قلبي – عروقي، نمايه توده بدني، LDL، HDL، کلسترول تام، تري گليسيريد، قندخون ناشتا و دوساعته، سيگار، فشار خون سيستوليک، دياستوليک و دور کمر ثبت شدند. شاخص HOMA-IR و بروز سندرم متابوليک پس از سه سال پيگيري به عنوان متغيرهاي پاسخ درنظر گرفته شدند. برازش مدل هاي مختلف شبكه عصبي در دو مرحله براي تعيين تعداد گره ها در لايه مياني و تعيين بهترين الگوريتم آموزش انجام شد و پيش بيني بر اساس اين مدل ها صورت گرفت. از شاخص صحت پيش بيني به عنوان معيار مقايسه مدل هاي نهايي استفاده شد. براي طراحي و برازش مدل ها از نرم افزار MATLAB استفاده شد.
نتايج: در مرحله اول مدل سازي، مدل با ده گره در لايه مياني با صحت پيش بيني ۵۶/۶۷ و ۶۹ درصد به ترتيب براي داده هاي آزمون و اعتبارسنجي و در مرحله دوم، الگوريتم هاي SCG، OSS و RP به ترتيب با صحت پيش بيني ۷۸، ۷۶ و ۷۶ درصد براي داده هاي اعتبارسنجي و 78.37، ۷۴٫۳۲ و ۷۵٫۶۷ درصد داراي بيشترين صحت پيش بيني بودند.
نتيجه گيري: تحقيق نشان داد كه مدل هاي شبکه عصبي مصنوعي با الگوريتم هاي آموزش SCG، OSS و RP به ترتيب داراي بيشترين صحت پيش بيني سندرم متابوليك و شاخص HOMA-IR به صورت همزمان هستند.