• 1402/09/07 - 00:09
  • - تعداد بازدید: 402
  • - تعداد بازدیدکننده: 366
  • زمان مطالعه : 8 دقیقه
  • /ZJCTo
گفت‌وگوهای ویژه _ 10

ارائه مدل پیش‌بینی سالمندی موفق از سوی محققین دانشگاه علوم پزشکی ایران

استادیار مدیریت اطلاعات سلامت دانشگاه علوم پزشکی ایران به تشریح طرح تحقیقاتی ارائه مدل پیش‌بینی سالمندی موفق با استفاده از رویکرد یادگیری ماشین پرداخت و گفت: استفاده از مدل پیش‌بینی سالمندی موفق در مراحل اولیه زندگی سالمندان یا حتی در افراد میان‌سال منجر به بهبود عملکرد فیزیکی، کاهش اختلالات فیزیکی و شناختی، افزایش مشارکت اجتماعی و موفقیت در سال‌های واپسین زندگی سالمندان می‌شود.

به گزارش روابط عمومی دانشگاه علوم پزشکی ایران، در راستای معرفی دستاوردهای تحقیقات تکمیل شده دانشگاه؛ پژوهشگران در قالب گفت‌وگوهایی به تشریح و تبیین این پروژه‌ها می‌پردازند که در قالب گفت‌وگوهای ویژه در وب سایت دانشگاه علوم پزشکی با هدف تبیین رسالت اطلاع رسانی اهداف هفت گانه دانشگاه علوم پزشکی ایران منتشر می‌شود.

 

در این زمینه دکتر سمیه نصیری در گفت‌و‌گو با روابط عمومی دانشگاه علوم پزشکی ایران به تشریح طرح تحقیقاتی با عنوان (ارائه مدل پیش‌بینی سالمندی موفق با استفاده از رویکرد یادگیری ماشین) پرداخت که این گفت‌وگو از جنس سلامت پیش روی شماست.

 

 _ با تشکر از جنابعالی با معرفی خود، سوابق علمی، پژوهشی، اجرایی و عملی و فعالیت‌های مرتبط با این پژوهش را بیان فرمایید
 
سمیه نصیری دارای مدرک دکتری مدیریت اطلاعات سلامت و هم اکنون نیز دارای رتبه علمی استادیار مدیریت اطلاعات سلامت هستم.
 
 

_ دلیل اصلی شما برای انتخاب این طرح تحقیقاتی و پژوهشی چه بوده و چه کسانی در این تحقیق یاری دهنده شما بوده‌اند؟

نصیری: در این طرح دکتر مریم احمدی به عنوان مجری اصلی و رئوف نوپور (مجری دانشجو) و بنده نیز به عنوان همکار طرح مشارکت داشتم. دلیل اصلی انتخاب موضوع به ماهیت و مشکلات دوره سالمندی مربوط می‌شود. از آنجا که جمعیت سالمندی روبه افزایش است و این گروه از اقشار جامعه آسیب پذیر بوده که با مشکلاتی همچون افزایش بیماری‌های غیر واگیر و مزمن روبروهستند. پدیده سالمندی با تغییرات عمده ای در ابعاد مختلف سلامتی مانند کاهش کیفیت زندگی، وابستگی فرد به دیگران در انجام کارهای روزانه، افزایش اختلالات روانی در فرد سالمند ناشی از سوگ فقدان‌های متعدد، تغییر وضعیت شغلی، افزایش میزان استرس، افسردگی و خودکشی همراه است.

 

از آنجا که فقدان مدل پیش بینی سالمندی موفق باعث شده تا ارزیابی دقیقی از کیفیت زندگی سالمندان صورت نپذیرد و افراد بیشتری در این سنین، زندگی همراه با ناخوشی و ناتوانی را سپری کنند. با توجه به این مشکلات به نظر رسید که اگر مدل‌های پیش بینی مبتنی بر یادگیری ماشین ایجاد شود که می‌تواند در زمینه شناسایی اختلالات جسمانی و روانشناختی سالمندان نقش مفیدی داشته باشد.

 

بنابراین، این پژوهش با هدف ایجاد مدل پیش‌بینی سالمندی موفق با استفاده از روش یادگیری ماشین بر اساس عوامل فیزیکی، روانی و سطح مشارکت اجتماعی سالمندان ایجاد شد. در این پژوهش، مسئولین و کارکنان سه مرکز سالمندی طلوع همدلی، مهرجویان و هستی شهرستان اهواز قدردانی می‌کنیم. همچنین محسن شفیعی کارشناس ارشد پرستاری سالمندشناسی در تعریف مفهوم سالمندی موفق به ما یاری رساندند.

 

_ پژوهش‌تان را معرفی کرده و با معرفی ویژگی و نوآوری‌های درخصوص موضوعات و محورهای آن شرح دهید

نصیری: این پژوهش از این‌ جهت که برای پیش‌بینی سالمندی موفق و بهبود کیفیت زندگی سالمندان‌‌‌ استفاده شده است از نوع کاربردی بوده و با توجه به این‌که به توسعه و ارزیابی مدل پیش‌بینی سالمندی موفق پرداخته از نوع توسعه‌ای است. پژوهش حاضر در دو مرحله انجام شد، ابتدا عوامل مؤثر بر پیش‌بینی سالمندی موفق با نظرسنجی از 30 پرستار سالمند شاغل در بیمارستان حضرت رسول و فیروزگر دانشگاه علوم پزشکی ایران و بیمارستان امام خمینی و امیر المومنین شهرستان اهواز از طریق پرسش‌نامه تعیین شد.

 

پس از اخذ نظرسنجی از متخصصین، مهم‌ترین عوامل موثر بر پیش بینی سالمندی موفق به دست آمد که شامل عوامل اجتماعی-اقتصادی، شرایط و بیماری‌های همراه، عوامل حمایت دولتی و خانوادگی، فیزیکی، ذهنی، همه‌گیرشناسی و محیطی، جنسی، شاخص کیفیت زندگی (محورهای توانایی جسمی و اجتماعی، مشارکت فعال فیزیکی و شناختی، سلامت روانی، ارزیابی نشاط، درد جسمی و وضعیت سلامت عمومی بود)، استقلال فردی، رضایت از زندگی، سبک زندگی بود.

 

مرحله دوم پژوهش، با هدف طراحی و ارزیابی مدل اولیه پیش‌بینی سالمندی موفق با استفاده از یادگیری ماشین انجام شد. در این مرحله 980 نمونه سالمند طی سال‌های 1397 تا 1399 انتخاب شدند که از بین آن‌ها، 751 نمونه سالمند ناموفق و 229 سالمند موفق انتخاب شدند که به مراکز سالمندی مراجعه کردند، ابتدا از روش تحلیل رگرسیون برای شناسایی عوامل مؤثر بر پیش‌بینی سالمندی موفق استفاده شد. سپس، از الگوریتم‌های داده‌کاوی ادابوست، ایکس جی بوست، j-48، ناوی بیز، ماشین بردار پشتیبان، شبکه عصبی مصنوعی و جنگل تصادفی برای ایجاد مدل پیش‌بینی سالمندی موفق مبتنی بر رویکرد یادگیری ماشین استفاده شد.

 

در نهایت الگوریتم‌ها با استفاده از معیارهای عملکردی ارزش پیش‌گویانه مثبت، ارزش پیش‌گویانه منفی، حساسیت، دقت، صحت، اندازه F و سطح زیر منحنی خصوصیت گیرنده عامل به‌منظور انتخاب بهترین مدل پیش‌بینی با بالاترین عملکرد مقایسه و تحلیل شد. جنبه نوآوری این پژوهش مربوط به دامنه پژوهش و متغیرهای تاثیرگذار در سالمندی موفق است. برخلاف پژوهش‌های پیشین، در مطالعه حاضر سعی شده است از عوامل فیزیکی، شناختی و اجتماعی در پیش‌بینی سالمندی موفق استفاده شود و تأکید این مطالعه بیشتر بر عوامل مشارکت اجتماعی و نقش این عوامل در پیش‌بینی سالمندی موفق بود.

 

همچنین، در این مطالعه به‌منظور آزمون تعمیم‌پذیری مدل از روش‌های ارزیابی اعتبارسنجی خارجی مدل با نمونه‌های متعلق به سایر مراکز سالمندی استفاده شد. نتایج حاصل از ارزیابی مدل نشان داد که این مدل با در نظر گرفتن ابعاد بیشتری از سالمندی موفق و به خصوص تأکید بر جنبه‌های اجتماعی از قابلیت تعمیم‌پذیری و کاربردپذیری بالایی برخوردار بود. در مطالعه حاضر از الگوریتم‌های ترکیبی برای ایجاد مدل پیش‌بینی سالمندی موفق استفاده شد که نتایج بسیار مطلوبی به دست آمد.

 

مدل موجود در پژوهش حاضر می‌تواند سالمندی موفق را در افراد مسن پیش‌بینی کند تا با پیش‌بینی به‌موقع و تعدیل و بهبود عوامل مختلف فیزیکی، ذهنی و اجتماعی و بهبود سبک زندگی، میزان کیفیت زندگی و سالمندی موفق و شیوه زندگی مطلوب را در این گروه سنی از افراد افزایش دهد.

 

_ آیا این پژوهش به مرحله اجرا و یا بهره برداری درآمده است
 
نصیری: در حال حاضر خیر، ولی راه اندازی این مدل جزو اهداف بلند مدت تیم پژوهش خواهد بود.
 
_ این طرح پژوهشی چه گره ای از مشکلات مردم را برطرف می‌کند؟
 
نصیری: با توجه به پیشرفت‌های علمی صورت گرفته در حوزه پزشکی و افزایش جمعیت سالمندان و افزایش بیماری‌های مزمن و وابستگی فرد به دیگران در این دوره، توجه به مفهوم سالمندی موفق برای افزایش کیفیت زندگی این گروه از افراد بسیار حیاتی است. نتایج حاصل از این پژوهش نشان داد که استفاده از مدل‌های موجود بر اساس رویکردهای یادگیری ماشین می‌تواند سالمندی موفق را در افراد مسن پیش‌بینی کند.
 
استفاده از مدل پیش‌بینی سالمندی موفق در مراحل اولیه زندگی سالمندان یا حتی در افراد میان‌سال منجر به بهبود عملکرد فیزیکی، کاهش اختلالات فیزیکی و شناختی، افزایش مشارکت اجتماعی و موفقیت در سال‌های واپسین زندگی سالمندان می‌شود. نتایج حاصل از پژوهش می‌تواند به سالمندان در جهت اصلاح سبک زندگی آنان کمک کند.
 
استفاده از مدل‌های پیش‌بینی با استفاده از الگوریتم‌های یادگیری ماشین می‌تواند نقش مؤثری در افزایش کیفیت زندگی سالمندان؛ تشخیص به‌موقع و به‌تبع آن کاهش هزینه‌های اقتصادی برای افراد و جوامع داشته باشد.
 
_ انتظار شما از مسئولین و متولیان امر پژوهشی در زمینه حمایت و یا توسعه فعالیت‌های مشابه چیست و چه راهکارهایی را پیشنهاد می‌کنید؟
 
نصیری: با توجه به اینکه جمعیت سالمندی در ایران روبه افزایش است و پیش بینی شده تا سال 2050 جمعیت سالمندی به 30 درصد افزایش یابد که جزو پیرترین کشورهای جهان محسوب خواهد شد. انتظار می‌رود مدیران و سیاستگذاران سلامت به مسئله کیفیت زندگی سالمندی موفق توجه کنند و برای این امر مهم برنامه ریزی کرده و منابع مورد نیاز به منظور ارتقای سلامت سالمندان تخصیص کنند.
 
ارائه دهندگان خدمات مراقبت سلامت مانند پرستاران سالمندی می‌توانند از الگوی حاصل از پژوهش حاضر استفاده کرده و به مشاوره سالمندان جامعه و اصلاح سبک زندگی آن‌ها کمک کنند. بنابراین پیشنهاد می‌شود که در پژوهش‌های آینده به‌منظور ایجاد یک مدل پیش‌بینی با دقت بالاتر تا حد امکان از متغیرهای کمی استفاده شود. بر اساس نتایج حاصل از پژوهش عامل اجتماعی از جمله عوامل بسیار تأثیرگذار برای ایجاد مدل پیش‌بینی سالمندی موفق محسوب می شود
 
همچنین پیشنهاد می‌شود تا در پژوهش‌های آینده بر اساس امکانات موجود از این عوامل بیشتر استفاده شود تا بتوان مدل تعمیم‌پذیرتر و با کارایی بالاتری را در پیش‌بینی سالمندی موفق ارائه داد.
 
_ اگر توضیحی دیگری در خصوص برنامه‌های جاری، آینده و اهداف تان دارید در خاتمه گفت‌وگو بفرمائید
 
نصیری: با توجه به اینکه داده‌های مورداستفاده برای آموزش الگوریتم‌های یادگیری ماشین به‌منظور ایجاد مدل پیش‌بینی سالمندی موفق از سه مرکز سالمندی انتخاب‌شده بودند و ممکن است بر روی تعمیم‌پذیری مدل پیش‌بینی تا حدودی تأثیر داشته باشد. بنابراین، پژوهشگران درصدد هستند برای افزایش تعمیم‌پذیری مدل در محیط‌های مختلف آزمایش، از داده‌های مربوط به تعداد بیشتری از مراکز سالمندی استفاده کنند.
پایان مطلب//
 
  • گروه خبری : اخبار برتر,علمی
  • کد خبر : 319698
کپی لینک کوتاه:
کلمات کلیدی
A. Ramezanpour
خبرنگار:

A. Ramezanpour

تصاویر

نظرات

0 نظر برای این مطلب وجود دارد

نظر دهید