메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
대한의료정보학회 Healthcare Informatics Research Healthcare Informatics Research 제23권 제4호
발행연도
2017.1
수록면
277 - 284 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Objectives: Kidney transplantation is the best renal replacement therapy for patients with end-stage renal disease. Several studies have attempted to identify predisposing factors of graft rejection; however, the results have been inconsistent. We aimed to identify prognostic factors associated with kidney transplant rejection using the artificial neural network (ANN) approach and to compare the results with those obtained by logistic regression (LR). Methods: The study used information regarding 378 patients who had undergone kidney transplantation from a retrospective study conducted in Hamadan, Western Iran, from 1994 to 2011. ANN was used to identify potential important risk factors for chronic nonreversible graft rejection. Results: Recipients' age, creatinine level, cold ischemic time, and hemoglobin level at discharge were identified as the most important prognostic factors by ANN. The ANN model showed higher total accuracy (0.75 vs. 0.55 for LR), and the area under the ROC curve (0.88 vs. 0.75 for LR) was better than that obtained with LR. Conclusions: The results of this study indicate that the ANN model outperformed LR in the prediction of kidney transplantation failure. Therefore, this approach is a promising classifier for predicting graft failure to improve patients' survival and quality of life, and it should be further investigated for the prediction of other clinical outcomes.
#Kidney Transplantation #Graft Rejection #Logistic Models #Neural Networks #Data Mining

목차

등록된 정보가 없습니다.

참고문헌 (25)

참고문헌 신청
Agresti A / 2011 / International encyclopedia of statistical science / Springer : 206 ~ 208 google schola Ayat S / 2013 / A comparison of artificial neural networks learning algorithms in predicting tendency for suicide / Neural Comput Appl 23 (5) : 1381 ~ 1386 google schola Caocci G / 2013 / Artificial neural networks: architectures and applications / InTech google schola Delen D / 2012 / An analytic approach to better understanding and management of coronary surgeries / Decis Support Syst 52 (3) : 698 ~ 705 google schola Ghadiani MH / 2012 / Delayed graft function, allograft and patient srvival in kidney transplantation / Arab J Nephrol Transplant 5 (1) : 19 ~ 24 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0