عنوان طرح: بررسی عوامل محیطی مؤثر بر تعداد بیماران مبتلا به انفارکتوس حاد میوکارد بستری در بیمارستان قلب فرشچیان با استفاده از روش‌های یادگیری ماشین در سری زمانی

مجری(ان): رویا نجفی وثوق

همکار(ان): حسین محجوب، صمد مصلحی، زهرا ترک‌شوند، امیر شعبانلو، امیرحسین یزدی

تاریخ انتشار: 1405

نوع طرح: کاربردی

پیام کلیدی:

• روند صعودی بستری‌ها: تعداد بیماران مبتلا به انفارکتوس حاد میوکارد در طول سال‌های ۱۳۹۴ تا ۱۴۰۴ در همدان روندی افزایشی داشته است.
• الگوی فصلی: پذیرش بیماران قلبی دارای الگوی فصلی مشخص است.
• عوامل محیطی مؤثر: از میان متغیرهای محیطی، دما و سطح اکسیدهای نیتروژن (NOx) بیشترین تأثیر را بر افزایش تعداد بستری‌ها داشته‌اند.
• برتری مدل یادگیری ماشین: مدل LSTM (نوعی شبکه عصبی عمیق) نسبت به مدل‌های کلاسیک سری زمانی مانند SARIMA، دقت بسیار بالاتری در پیش‌بینی تعداد بیماران دارد.
• نیاز به اقدامات پیشگیرانه: با توجه به روند افزایشی و تأثیرپذیری از آلودگی هوا، اجرای سیاست‌های کاهش آلاینده‌ها و اطلاع‌رسانی به موقع به گروه‌های پرخطر (سالمندان، بیماران قلبی) ضروری است.

متن پیام پژوهشی:  

بیماری‌های قلبی-عروقی مهم‌ترین عامل مرگ‌ومیر در جهان هستند و آلودگی هوا به عنوان یک عامل خطر محیطی قابل کنترل، نقشی کلیدی در تحریک حملات قلبی دارد. شناسایی ارتباط بین پارامترهای اقلیمی و تعداد بستری‌ها، امکان پیش‌بینی روزهای پرخطر را فراهم کرده و به سیستم سلامت کمک می‌کند تا با اقدامات پیشگیرانه و اطلاع‌رسانی به موقع، از بروز سکته‌های قلبی جلوگیری نماید.

نتایج مطالعه حاضر نشان داد که تعداد بیماران مبتلا به انفارکتوس حادمیوکارد بستری‌شده در بیمارستان قلب فرشچیان همدان، طی سال‌های ۱۳۹۴ تا ۱۴۰۴ به تدریج افزایش یافته و در برخی فصول سال بیشتر می‌شود. دو عامل محیطی یعنی دمای هوا و آلاینده‌های ناشی از دود و ترافیک بیشترین تأثیر را بر این افزایش داشتند. همچنین روش هوشمند یادگیری ماشین (LSTM) توانست با دقت بالایی تعداد بستری‌ها را پیش‌بینی کند. این یعنی می‌توان با هشدار به موقع از بسیاری از سکته‌های قلبی پیشگیری کرد.

کاربرد نتایج پژوهش حاضر شامل موارد زیر است:
1. هشدار زودهنگام: پیش‌بینی روزهای پرخطر از نظر آلودگی و دما برای اطلاع‌رسانی به بیماران قلبی و سالمندان.

2.  مدیریت منابع بیمارستانی: برنامه‌ریزی برای تخت‌های بستری و نیروی انسانی در ماه‌های اوج بیماری.

۳. سیاست‌گذاری زیست‌محیطی: ارائه شواهد به مسئولین برای کاهش آلاینده‌های هوا، به ویژه در مناطق شهری پرترافیک.

تاثیرات و کاربردهای پژوهش:

1. ایجاد پایگاه داده‌ای ارزشمند از اطلاعات اقلیمی، آلاینده‌ها و بستری‌های قلبی طی یک دهه
2. معرفی مدل LSTM به عنوان روشی کارآمد برای پیش‌بینی تعداد بیماران بستری مبتلا به بیماری‌های قلبی-عروقی
3. هشدار به موقع به پزشکان و مراکز درمانی برای آمادگی در روزهای پرخطر
4. مدیریت بهینه تخت‌های بیمارستانی و توزیع منابع انسانی در ماه‌های اوج بستری
5. شناسایی گروه‌های پرخطر (سالمندان، بیماران زمینه‌ای) برای مراقبت‌های ویژه
6. ارائه شواهد علمی به مسئولین شهری برای تدوین سیاست‌های کاهش آلودگی هوا
7. برنامه‌ریزی شهری برای کاهش ترافیک و منابع آلاینده در فصول پرخطر
8. افزایش آگاهی عمومی درباره تأثیر محیط بر سلامت قلب
9. توانمندسازی افراد آسیب‌پذیر برای کاهش مواجهه با آلودگی هوا

محدودیتهای شواهد چه بودند؟

مهمترین محدودیت مطالعه حاضر ناقص بودن برخی اطلاعات بود.

آیا این خبر می تواند از نظر اجتماعی، سیاسی، فرهنگی، بهداشتی، ارزش های دینی و قوانین سازمان غذا و دارو، تبعاتی داشته باشد؟

خیر

در صورتی که این طرح منتج به مقاله شده است لینک مقاله درج شود:

ایمیل ارتباطی و تلفن مجری اصلی طرح:

roya.najafivosough@gmail.com

منابع و مراجع:

1.         Royé D, Zarrabeitia MT, Fdez-Arroyabe P, Gutiérrez AÁ, Santurtún A. Role of apparent temperature and air pollutants in hospital admissions for acute myocardial infarction in the North of Spain. Revista Española de Cardiología (English Edition). 2019;72(8):634-40.

2.         Bai X, Ming X, Zhao M, Zhou L. Explore the effect of apparent temperature and air pollutants on the admission rate of acute myocardial infarction in Chongqing, China: a time-series study. BMJ open. 2024;14(4):e084376.

3.         Schwartz J, Wei Y, Dominici F, Yazdi MD. Effects of low-level air pollution exposures on hospital admission for myocardial infarction using multiple causal models. Environmental research. 2023;232:116203.

4.         Çakmak A, Kertmen Ö. Correlations Between Air Pollutants and Acute Coronary Syndrome Subtypes: A Six-Year Analysis. Turk Kardiyol Dern Ars. 2026;54(5):388-94.

5.         Qiu H, Luo L, Su Z, Zhou L, Wang L, Chen Y. Machine learning approaches to predict peak demand days of cardiovascular admissions considering environmental exposure. BMC Medical Informatics and Decision Making. 2020;20(1):1-11

گروه مخاطب

پیام پژوهش

متخصصان قلب و عروق

اطلاع از عوامل مؤثر بر ابتلا به انفارکتوس حاد میوکارد بستری و انجام اقدامات لازم جهت پیشگیری از ابتلا به این بیماری و انجام روش‌های درمانی مناسب در فصول مختلف سال

بیماران و خانواده آن‌ها

آگاهی از عوامل مؤثر بر ابتلا به انفارکتوس حاد میوکارد بستری در فصول مختلف

محل بکارگیری نتایج تحقیق( صنعت، جامعه)

پیشنهاد نحوه کاربست

بیمارستان‌ها

برنامه‌ریزی و تدوین برنامه جهت مدیریت تعداد تخت‌های بیمارستان قلب فرشچیان