İlaç kullanımı birçok risk içermektedir. Bu riskler hastanede yatış için kabul alanların aldıkları ilaçla ilgili problemler, hastanede yatış sırasında alınan ilaca bağlı sorunlar, taburcu edilmeden alınan ilaç problemleri, medikal hatalar ve ilaç ilaç etkileşimleri(İİE)dir [1]. İİE’lerin ölümcül etkilerinden dolayı, FDA (U.S. Food and Drug Administration) ve EMEA (European Medicines Agency) bu alanda çalışmalar yapmaktadır [2]. Lazarou ve arkadaşlarına göre hastanede yatan hastaların %6,7’sinde, %0,32’lik bir oranda ölümcül İİE tespit edilmiştir [3]. İİE’den dolayı ölümlerin ABD’ye maliyeti yıllık 136milyar$ olmaktadır [4]. İİE’lerin ölümcül etkilerinin önüne geçilmesi için bu çalışmada İİE’lerin yapay sinir ağlarıyla sınıflandırılması amaçlanmaktadır. Bu çalışmada Jordan Elman Ağları bazı İİE’lere uygulanmış ve sınıflandırma işlemi 1000 adımda eğitilmiştir. Eğitimin 149 adım sonunda Levenberg Marquardt öğrenme algortimasıyla 0,0305’lik bir MSE ile Jordan ağı oluşturulmuş ve ağın test sonucu 0,8177’lik korelasyon katsıyısı elde edilmiştir. Bu çalışma ayrıca Türkiye Cumhuriyeti Bilim Sanayi ve Teknolji Bakanlığı tarafından 00912.STZ.2011-1 kod numaralı “İlaç Etkileşimleri” projesi olarak desteklenmiştir.
The use of medications involves many risks. These risks include problems related to the medication they receive in the hospital, problems related to the medication they receive during the hospital, problems related to the medication they receive without removal, medical errors and medication interactions. Due to the fatal effects of IEAs, the FDA (U.S. Food and Drug Administration) and the EMEA (European Medicines Agency) are conducting studies in this field [2]. According to Lazarou and his colleagues, in 6.7 percent of hospitalized patients, a 0.32 percent rate of fatal HEI was detected [3]. The cost of deaths due to AI is $136 billion a year in the United States. To prevent the fatal effects of AI, this study aims to classify AI by artificial nerve networks. In this study, Jordan Elman Networks applied to some AI and the classification process was trained in 1000 steps. At the end of the 149 steps of training, a Jordan network was created with a 0.0305 MSE with Levenberg Marquardt learning algorithm, and the test resulted in a correlation ratio of 0.8177. This study was also supported by the Ministry of Science and Technology of the Republic of Turkey as the code number 00912.STZ.2011-1 "Drug Interactions" project.
Alan : Mimarlık, Planlama ve Tasarım; Mühendislik
Dergi Türü : Uluslararası
Benzer Makaleler | Yazar | # |
---|
Makale | Yazar | # |
---|