ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > تحليل زمن البقاء باستخدام أسلو...>الوصف

تحليل زمن البقاء باستخدام أسلوب الشبكات العصبية الاصطناعية ونموذجي انحدار كوكس والانحدار اللوجستي: دراسة تطبيقية

العنوان المترجم: Survival Time Analysis Using Artificial Neural Networks, Cox Regression, and Logistic Regression Models: An Applied Study
المصدر: مجلة التجارة والتمويل
الناشر: جامعة طنطا - كلية التجارة
المؤلف الرئيسي: بسيوني، عبدالرحيم عوض عبدالخالق (مؤلف)
المؤلف الرئيسي (الإنجليزية): Bassiouni, Abdulrahim Awad Abdulkhaleq
المجلد/العدد: ع4
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2022
الشهر: ديسمبر
الصفحات: 856 - 896
DOI: 10.21608/caf.2022.280943
ISSN: 1110-4716
رقم MD: 1363823
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
تحليل البقاء | الشبكات العصبية الاصطناعية | انحدار كوكس | الانحدار اللوجستي
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

33

حفظ في:
المستخلص: استهدف البحث دراسة مقارنة بين أسلوب الشبكات العصبية الاصطناعية ونموذج انحدار كوكس ونموذج الانحدار اللوجستي وذلك بالتطبيق على عينة من 161 مريض سرطان للرئة ومجموعة من العوامل المؤثرة في زمن البقاء على قيد الحياة وتوصلت الدراسة إلى أن باستخدام أسلوب الشبكات العصبية الاصطناعية أهم العوامل المؤثرة في زمن البقاء هي التدخين والمهنة ودرجة المرض ثم العمر بكفاءة تصل إلى 86% وحساسية 85% ونوعية 87% ونسبة تصنيف خاطئ 14% أما نموذج انحدار كوكس توصل إلى أن أهم العوامل المؤثرة في زمن البقاء وهي درجة المرض، وطرق العلاج، الإصابة بكورنا والتدخين وذلك بكفاءة 80.7% وحساسية 82.5% ونوعية 79% ونسبة تصنيف خاطئ 19.8% أما باستخدام نموذج الانحدار اللوجستي فأهم العوامل المؤثرة في زمن البقاء هي المهنة، ودرجة المرض، التدخين ثم العمر بكفاءة تصل إلى 67.1% وحساسية 54.3% ونوعية 76.9% ونسبة تصنيف خاطئ 32.9% وبالتالي هناك أفضلية للشبكات العصبية الاصطناعية عن نموذج انحدار كوكس ونموذج الانحدار اللوجستي في تحديد العوامل المؤثرة في زمن البقاء والتصنيف والتنبؤ بالمشاهدات الجديدة

The objective of the research is to compare artificial neural networks with Cox Regression model with logistic Regression model By Appling a sample of 161 lung cancer patients and affecting of factors in survival time, so there’s a better chance of artificial neural networks than the cox Regression model and the logistic Regression model of classification and prediction. Because she has higher sensitivity, higher specificity, higher efficiency and lowest rate of misclassification.
ISSN: 1110-4716

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.