عناصر مشابهة
تحليل زمن البقاء باستخدام أسلوب الشبكات العصبية الاصطناعية ونموذجي انحدار كوكس والانحدار اللوجستي: دراسة تطبيقية
| المصدر: | مجلة التجارة والتمويل |
|---|---|
| الناشر: |
جامعة طنطا - كلية التجارة
|
| المؤلف الرئيسي: | |
| المجلد/العدد: | ع4 |
| محكمة: | نعم |
| الدولة: | مصر |
| التاريخ الميلادي: | 2022 |
| الصفحات: | 856 - 896 |
| DOI: | 10.21608/caf.2022.280943 |
| ISSN: | 1110-4716 |
| رقم MD: | 1363823 |
| نوع المحتوى: | بحوث ومقالات |
| اللغة: | Arabic |
| قواعد المعلومات: | EcoLink |
| مواضيع: | |
| رابط المحتوى: |
|
| 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. |
|---|
