مقاله پیش بینی صحیح دز «انسولین و گلیبن کلامید» در بیماران دیابتی مبتنی بر ترکیب سیستم های هوشمند و سابقه بیماری که چکیده‌ی آن در زیر آورده شده است، در بهمن و اسفند ۱۳۹۱ در مجله دیابت و متابولیسم ایران (مجله دیابت و لیپید ایران) از صفحه ۲۴۵ تا ۲۵۹ منتشر شده است.
نام: پیش بینی صحیح دز «انسولین و گلیبن کلامید» در بیماران دیابتی مبتنی بر ترکیب سیستم های هوشمند و سابقه بیماری
این مقاله دارای ۱۵ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله الگوریتم ژنتیکی
مقاله دیابت
مقاله دز صحیح انسولین و گلیبن کلامید
مقاله شبکه های هوشمند مصنوعی

نویسنده(ها):
جناب آقای / سرکار خانم: فیوضی محمد
جناب آقای / سرکار خانم: حدادنیا جواد
جناب آقای / سرکار خانم: ملانیا نسرین
جناب آقای / سرکار خانم: هاشمیان مریم
جناب آقای / سرکار خانم: حسن پور کاظم

چکیده و خلاصه‌ای از مقاله:
مقدمه: یکی از عوارض خطرناک بیماری دیابت نوع ۱، افزایش و یا کاهش ناگهانی سطح غلظت قند خون می باشد که باعث بروز خطراتی مانند اغما و بیهوشی خواهد شد. انسولین و گلیبن کلامید، دو دارویی هستند که در اثر تجویز دز صحیح، سطح غلظت قند خون را در نهایت، به درستی تنظیم می کنند تا از بروز چنین عوارضی پیشگیری شود. بنابراین استفاده از روشی مناسب به منظور پیش بینی یا تجویز صحیح این دارو ها و در نهایت پیشگیری از این عوارض، گام مهمی در جهت کنترل بهینه بیماری محسوب می شود. در این تحقیق ما بر آن هستیم، تا با استفاده از ترکیب الگوریتم های داده کاوی و هوش مصنوعی، پیش بینی صحیحی از دز انسولین وگلیبن کلامید برای بیماران انجام دهیم.
روش ها: مراحل ایجاد سیستمی هوشمند به منظور تعیین و پیش بینی میزان صحیح انسولین و گلیبن کلامید بدین صورت است؛ که ابتدا لازم است تا شرایط و پارامترهایی که در میزان و دز دارو (انسولین و گلیبن کلامید) برای بیماران دخیل هستند را شناسایی نماییم، سپس بانک جامعی مبتنی بر این ویژگی ها تشکیل دهیم، با همکاری تیم پزشکی مرکز تحقیقات دیابت شهرستان سبزوار، بانک جامعی در ۳ مرحله بر اساس اطلاعات ۱۱۰ بیمار و ۲۵۸ مورد مشکوک آن مرکز طراحی شد، سپس طبق قاعده سیستم های هوشمند و شبکه های عصبی مصنوعی، مدلی به منظور پیش بینی میزان دز انسولین و گلیبن کلامید برای بیماران طراحی شد.
یافته ها: سیستم پیشنهادی با استفاده از ترکیب روش های مذکور موفق شد با تکیه بر ویژگی های پایگاه داده در قالب ترکیب و تعامل به دقت پیش بینی بیش از ۹۵% دست یابد. در مقایسه با روش های رایج از یکطرف و روش های مصنوعی از طرف دیگر (غالبا در بهترین حالت دقت و صحت قدرت پیش بینی آن ها در حدود ۸۵% برای مدت زمان کمتر از ۳ ساعت بوده است) به خوبی مشخص شد که، عملکرد سیستم پیشنهادی، مناسب تر، سریعتر و تا حدودی مطمئن تر از سایر روش های ترکیبی هوشمند است.
نتیجه گیری: این تحقیق با ارائه یک روش و مدل برگرفته از واقعیت و شرایط بیماران؛ میزان صحیح و تجویز شده دارو برای آنها را مشخص می کند، این در حالی است که نسبت به روند طبیعی تجویز توسط پزشکان، علاوه بر افزایش سرعت در تعیین میزان دارو، دارای صحت و مقبولیت و دقت قابل قبولی می باشد.