fa تببین عوامل کلینیکی و اپیدمیولوژیکی موثر بر مورتالیتی بیماران کرونایی شهر ایلام با استفاده مدل شبکه‌ های عصبی مصنوعی HSR کوهورت مقدمه و هدف:<br> از دسامبر 2019 همزمان با شیوع بیماری <span dir="LTR">COIVD-19<a href="#_ftn1" name="_ftnref1" title="">[1]</a></span> در چین و گسترش برق‌آسای آن در تمام کشورها، بزرگ‌ترین بحران نظام سلامت و چالش جامعه بشری بعد از جنگ جهانی پدید آمد که نظام‌های سلامت، اقتصاد جهانی و حکومت‌ها را به‌شدت تحت تأثیر قرار داد[1] به‌طوری‌که اولویت‌های قبلی و فعالیت‌های معمول در اکثر حوزه‌ها متوقف و تلاش و سرمایه‌گذاری گسترده‌ای در جهت پیشگیری، تشخیص و&nbsp; درمان&nbsp; بیماری، کاهش نرخ ابتلا ، کاهش تعداد بیماران بدحال و نیازمند تخت مراقبت ویژه و بالاخره کاهش&nbsp; نرخ مرگ‌ومیر شکل گرفت [2]. علیرغم این تلاش بی‌سابقه جنبه‌های مختلف تشخیصی و درمانیِ پیشنهادی و در حال استفاده ، تاکنون با چالش و تردیدهای زیادی همراه بوده است [3]. لذا کم کردن محدودیت‌ها و شکاف دانش موجود، اولویت و تمرکز اصلی مطالعات در حوزه علوم پزشکی بنا بر تشویق سازمان بهداشت جهانی است[4].بر اساس مطالعات صورت گرفته عوامل زیادی می‌توانند در پیش‌آگهی وخیم و بیماران کرونایی و مرگ‌ومیر آنان مؤثر باشند از طرفی بیشتر اطلاعات در مورد فاکتورهای اپیدمیولوژیکی و آزمایشگاهی بیماری <strong><span dir="LTR">COVID</span></strong><span dir="LTR">-19</span> ناکافی بوده و موردتردید هستند و قطعیت و شواهد کافی در این مورداستفاده از آنان وجود ندارد. شناسایی اهمیت هر یک از شاخص‌های مرتبط با مرگ‌ومیر حاصل از بیماری،&nbsp; با استفاده از مدل‌های خروجی کارآمد می‌تواند در&nbsp; روند درمان و مراقبت بهتر، مدیریت منابع کمیاب در زمان پیک بیماری ازجمله اولویت‌های بندی تخت‌های ویژه و تخت‌های بستری، مدیریت منابع انسانی با توجه به محدودیت منابع انسانی حرفه‌ای، افزایش ضریب اطمینان نسبت به بیماران با خطر پایین‌تر جهت مراقبت در منزل، برنامه‌ریزی مناسب جهت تخصیص دارو و واکسن‌های احتمالی در صورت ساخت در آینده مورداستفاده قرار گیرد. لذا مطالعه حاضر با هدف تبیین نقش ریسک فاکتورهای اپیدمیولوژیکی و آزمایشگاهی بر مورتالیتی بیماران کرونایی با استفاده از مدل شبکه‌ های &nbsp;عصبی مصنوعی صورت می گیرد.<br> روش کار :<strong>مطالعه حاضر نوعی مطالعه کوهورت گذشته نگر است که درآن مشخصات دموگرافیک و آزمایشگاهی بیمارانی که از تاریخ شروع شیوع کرونا ( از تاریخ اول اسفند) تا اول تیرماه&nbsp; با تشخیص قطعی بیماری </strong><strong><span dir="LTR">COVID-19</span>&nbsp; مراجعه و بهبود یافته یا فوت شده اند&nbsp; به مطالعه وارد می شوند.&nbsp; این&nbsp; سپس متغیرهای دموگرافیک، بالینی و آزمایشگاهی با استفاده از مدل شبکه های مصنوعی مورد تحلیل قرار می گیرد تا ریسک فاکتورهای مرتبط با مورتالیتی بیماران شناسایی گردد.</strong><br> بعد از تایید طرح و گرفتن کد اخلاق&nbsp;&nbsp; اطلاعات از روی پرونده ها و یا سیستم ریجستری جمع آوری می شود . پس از تکمیل اطلاعات از طریق داده های قبلی،&nbsp; برررسی مجدد پرونده ها در صورت لزوم و تماس با بیماران و خانواده های آنان ،تجزیه ها و تحلیل با استفاده از نرم افزار <span dir="LTR">MATLAB</span> انجام و فاکتور های موثر در مورتالیتی، متغیرهای میانجی، و سهم هر عامل در تبیین واریانس متغیر وابسته جهت تعیین اهمیت هریک از عوامل&nbsp; و ......شناسایی و نتایج به صورت تحلیل، جدول و نمودار ارائه خواهد شد. <span class="tlid-translation translation" lang="en">Since December 2019, coinciding with the outbreak of COIVD-19 in China and its spread to all countries, the greatest post-World War II health crisis and human society challenge has severely affected health systems, the global economy, and governments. [1] As previous priorities and routine activities in most areas have ceased and extensive efforts and investments have been made to prevent, diagnose and treat the disease, reduce the incidence rate, reduce the number of critically ill patients in need of intensive care and finally reduce the mortality rate [2]. Despite this unprecedented effort, various diagnostic and therapeutic aspects of the proposed and in use have been accompanied by many challenges and doubts so far [3]. Therefore, reducing the limitations and gaps in existing knowledge is the main priority and focus of studies in the field of medical sciences according to the encouragement of the World Health Organization. [4] According to studies, many factors can affect the prognosis of coronary heart disease and mortality. Most of the information on the epidemiological and laboratory factors of COVID-19 is insufficient and questionable, and there is insufficient evidence and evidence for its use. Recognizing the importance of each of the indicators related to mortality from disease, using efficient output models can in the process of treatment and better care, management of scarce resources during the peak of the disease, including prioritization of special beds and hospital beds, human resource management due to limitations Professional human resources, increasing the reliability of patients at lower risk for home care, appropriate planning for drug allocation and possible vaccines if used in the future. Therefore, the aim of this study was to explain the role of epidemiological and laboratory risk factors on the mortality of coronary patients using the artificial neural network model.<br> Methods: The present study is a retrospective cohort study in which the demographic and laboratory characteristics of patients who referred from the onset of coronary heart disease (March 1) to July 1 with a definitive diagnosis of COVID-19 and improved or died were studied. they enter. Demographic, clinical and laboratory variables are then analyzed using the artificial network model to identify risk factors associated with patient mortality.<br> After approving the plan and getting the code of ethics, information is collected from the files or the registry system. After completing the information through previous data, reviewing the files if necessary and contacting patients and their families, analysis and analysis using MATLAB software and effective factors in mortality, mediating variables, and the share of each The factor will be identified in explaining the variance of the dependent variable to determine the importance of each factor and ...... and the results will be presented in the form of analysis, table and graph.</span> بیماری کوید 19- مدل شبکه های عصبی مصنوعی COVID_19 , Artificial neural networks , mortality 0 0 http://newresearch.medilam.ac.ir/browse.php?a_code=A-10-2913-1&slc_lang=fa&sid=1 Fakhredin taghinezhad فخرالدین تقی نژاد taghynejad@yahoo.com 5819941871 100319475328460041455 Yes Psychosocial Injuries Research Center, Ilam University of Medical sciences, Ilam, Iran مرکز تحقیقات آسیب‌های روانی و اجتماعی، دانشگاه علوم پزشکی ایلام، ایلام، ایران Mohamadreza Kafashian محمدرضا کفاشیان m_r_kaffashian@yahoo.com 3329718927 100319475328460041456 No Department of Physiology, School of Medicine, Ilam University of Medical sciences, Ilam, Iran گروه آموزشی فیزیولوژی، دانشکده پزشکی، دانشگاه علوم پزشکی ایلام، ایلام، ایران Gholamreza Kalvandi غلامرضا کلوندی pezeshk1351@yahoo.com 4529870881 100319475328460041457 No Psychosocial Injuries Research Center, Ilam University of Medical sciences, Ilam, Iran مرکز تحقیقات آسیب‌های روانی و اجتماعی، دانشگاه علوم پزشکی ایلام، ایلام، ایران Elham Shafiei الهام شفیعی eshafiei1524@gmail.com 4500820612 100319475328460041458 No Psychosocial Injuries Research Center, Ilam University of Medical sciences, Ilam, Iran مرکز تحقیقات آسیب‌های روانی و اجتماعی، دانشگاه علوم پزشکی ایلام، ایلام، ایران