Abstract

目的:目前已知之頭部外傷預後預測模式大多為兩極性結果之選擇,如存活相對於死亡;良好的預後相對於不良之預後。如欲預測更詳細的預後等級則需建構更複雜的預測模式。方法:在本實驗中我們嘗試以類神經元網路預測中重度頭部外傷病患在格拉斯哥預後量表中五個等級(死亡、植物人狀態、嚴重殘障、中度殘障、恢復良好)之落點。分析資料來源為臺灣頭部外傷資料庫1995年6月1日至1998年5月30日收錄之個案。資料庫中共有18583筆資料,每筆資料有132個變數。在剔除輕度頭部外傷(昏迷指數≧13)與資料不完整之個案後個案數為4460。首先我們使用逐步邏輯回歸篩選出10個具統計意義之變數,再用這個變數來建構類神經網路。結果:此一類神經網路預測有75.8%為準確,14.6%預測較實際為悲觀,9.6%預測較實際為樂觀。此一類神經網路對於不同預後的預測能力有顯著差異;預測死亡與恢復良好準確性最高,預測植物人狀態準確性最差。結論:我們認為此一類神經網路可作為神經外科醫師為頭部外傷病患進行預後預測之參考。
Original languageTraditional Chinese
Pages (from-to)272-277
Number of pages6
Journal北市醫學雜誌
Volume2
Issue number3
DOIs
Publication statusPublished - 2005

Keywords

  • 頭部外傷
  • 類神經元網路
  • 預後預測
  • head injury
  • artificial neural network
  • outcome prediction

Cite this

Outcome Prediction in Moderate or Severe Head Injury Using an Artificial Neural Network. / 許明暉(Min-Huei Hsu); 李友專(Yu-Chuan Li); 邱文達(Wen-Ta Chiu); 顏如娟.

In: 北市醫學雜誌, Vol. 2, No. 3, 2005, p. 272-277.

Research output: Contribution to journalArticle

@article{177199f582f44b1e87a1ccfcf686c2d1,
title = "Outcome Prediction in Moderate or Severe Head Injury Using an Artificial Neural Network",
abstract = "目的:目前已知之頭部外傷預後預測模式大多為兩極性結果之選擇,如存活相對於死亡;良好的預後相對於不良之預後。如欲預測更詳細的預後等級則需建構更複雜的預測模式。方法:在本實驗中我們嘗試以類神經元網路預測中重度頭部外傷病患在格拉斯哥預後量表中五個等級(死亡、植物人狀態、嚴重殘障、中度殘障、恢復良好)之落點。分析資料來源為臺灣頭部外傷資料庫1995年6月1日至1998年5月30日收錄之個案。資料庫中共有18583筆資料,每筆資料有132個變數。在剔除輕度頭部外傷(昏迷指數≧13)與資料不完整之個案後個案數為4460。首先我們使用逐步邏輯回歸篩選出10個具統計意義之變數,再用這個變數來建構類神經網路。結果:此一類神經網路預測有75.8{\%}為準確,14.6{\%}預測較實際為悲觀,9.6{\%}預測較實際為樂觀。此一類神經網路對於不同預後的預測能力有顯著差異;預測死亡與恢復良好準確性最高,預測植物人狀態準確性最差。結論:我們認為此一類神經網路可作為神經外科醫師為頭部外傷病患進行預後預測之參考。",
keywords = "頭部外傷, 類神經元網路, 預後預測, head injury, artificial neural network, outcome prediction",
author = "許, {明暉(Min-Huei Hsu)} and 李, {友專(Yu-Chuan Li)} and 邱, {文達(Wen-Ta Chiu)} and 如娟 顏",
year = "2005",
doi = "10.6200/TCMJ.2005.2.3.06",
language = "繁體中文",
volume = "2",
pages = "272--277",
journal = "北市醫學雜誌",
issn = "1810-2549",
publisher = "臺北市立聯合醫院",
number = "3",

}

TY - JOUR

T1 - Outcome Prediction in Moderate or Severe Head Injury Using an Artificial Neural Network

AU - 許, 明暉(Min-Huei Hsu)

AU - 李, 友專(Yu-Chuan Li)

AU - 邱, 文達(Wen-Ta Chiu)

AU - 顏, 如娟

PY - 2005

Y1 - 2005

N2 - 目的:目前已知之頭部外傷預後預測模式大多為兩極性結果之選擇,如存活相對於死亡;良好的預後相對於不良之預後。如欲預測更詳細的預後等級則需建構更複雜的預測模式。方法:在本實驗中我們嘗試以類神經元網路預測中重度頭部外傷病患在格拉斯哥預後量表中五個等級(死亡、植物人狀態、嚴重殘障、中度殘障、恢復良好)之落點。分析資料來源為臺灣頭部外傷資料庫1995年6月1日至1998年5月30日收錄之個案。資料庫中共有18583筆資料,每筆資料有132個變數。在剔除輕度頭部外傷(昏迷指數≧13)與資料不完整之個案後個案數為4460。首先我們使用逐步邏輯回歸篩選出10個具統計意義之變數,再用這個變數來建構類神經網路。結果:此一類神經網路預測有75.8%為準確,14.6%預測較實際為悲觀,9.6%預測較實際為樂觀。此一類神經網路對於不同預後的預測能力有顯著差異;預測死亡與恢復良好準確性最高,預測植物人狀態準確性最差。結論:我們認為此一類神經網路可作為神經外科醫師為頭部外傷病患進行預後預測之參考。

AB - 目的:目前已知之頭部外傷預後預測模式大多為兩極性結果之選擇,如存活相對於死亡;良好的預後相對於不良之預後。如欲預測更詳細的預後等級則需建構更複雜的預測模式。方法:在本實驗中我們嘗試以類神經元網路預測中重度頭部外傷病患在格拉斯哥預後量表中五個等級(死亡、植物人狀態、嚴重殘障、中度殘障、恢復良好)之落點。分析資料來源為臺灣頭部外傷資料庫1995年6月1日至1998年5月30日收錄之個案。資料庫中共有18583筆資料,每筆資料有132個變數。在剔除輕度頭部外傷(昏迷指數≧13)與資料不完整之個案後個案數為4460。首先我們使用逐步邏輯回歸篩選出10個具統計意義之變數,再用這個變數來建構類神經網路。結果:此一類神經網路預測有75.8%為準確,14.6%預測較實際為悲觀,9.6%預測較實際為樂觀。此一類神經網路對於不同預後的預測能力有顯著差異;預測死亡與恢復良好準確性最高,預測植物人狀態準確性最差。結論:我們認為此一類神經網路可作為神經外科醫師為頭部外傷病患進行預後預測之參考。

KW - 頭部外傷

KW - 類神經元網路

KW - 預後預測

KW - head injury

KW - artificial neural network

KW - outcome prediction

U2 - 10.6200/TCMJ.2005.2.3.06

DO - 10.6200/TCMJ.2005.2.3.06

M3 - 文章

VL - 2

SP - 272

EP - 277

JO - 北市醫學雜誌

JF - 北市醫學雜誌

SN - 1810-2549

IS - 3

ER -