تقييم أداء الشبكات العصبية الاصطناعية في تصنيف حالات فقر الدم لدى النساء الحوامل في مدينة بنغازي

الملخص

هدفت هذه الدراسة إلى تقييم قدرة الشبكات العصبية الاصطناعية على تصنيف حالات فقر الدم لدى النساء الحوامل، باعتباره أحد أبرز التحديات الصحية العالمية التي تؤثر على صحة الأم والجنين، والتعرف على أهم المتغيرات المرتبطة بعملية التصنيف. وتنبع أهمية الدراسة من إمكانية الاستفادة من أساليب التصنيف الحديثة في تحليل البيانات الصحية والكشف عن الأنماط والعلاقات بين المتغيرات المختلفة. اعتمد البحث على بيانات ثانوية شملت 600 امرأة حامل من مدينة بنغازي، تم اختيارهن عشوائيًا من عدة عيادات ومستشفيات خلال فترة (2020-2021) (نصر، 2023). واشتملت البيانات على مجموعة متنوعة من العوامل الديموغرافية والصحية والمتعلقة بالحمل. وتم تحديد حالة فقر الدم بالاستناد إلى مستوى الهيموجلوبين في الدم، بحيث صُنفت الحالة التي يقل فيها مستوى الهيموجلوبين عن 11 (g/dL) ضمن فئة المصابات بفقر الدم، بينما صُنفت الحالات التي يبلغ فيها المستوى (g/dL) 11 أو أكثر ضمن فئة غير المصابات، وفق المعيار المعتمد في الدراسة. واستُخدمت الشبكات العصبية الاصطناعية لبناء نموذج تصنيفي، مع تقسيم البيانات إلى مجموعتين؛ إحداهما للتدريب والأخرى للاختبار، بهدف تقييم قدرة النموذج على تصنيف الحالات بصورة صحيحة. أظهرت النتائج أن دقة التصنيف بلغت 90.8% في بيانات التدريب، و88.8% في بيانات الاختبار، مما يشير إلى قدرة النموذج على تصنيف حالات فقر الدم لدى النساء الحوامل بدرجة جيدة، مع تقارب نسبي بين أدائه في مجموعتي التدريب والاختبار. كما بين تحليل أهمية المتغيرات أن النزيف أثناء الحمل جاء في المرتبة الأولى، تليه المكملات الغذائية، ثم تناول حبوب الحديد، والإجهاض السابق، والوزن، والعمر، ومدة الدورة الشهرية، والمستوى التعليمي، وعمر الجنين بالأسابيع. وتبرز هذه النتائج أهمية استخدام الشبكات العصبية الاصطناعية في تصنيف البيانات الصحية وتحديد المتغيرات الأكثر إسهامًا في عملية التصنيف. وتوصي الدراسة بإجراء دراسات إضافية على عينات مستقلة للتحقق من قدرة النموذج على التعميم، والاستفادة من نتائج التصنيف في دعم الدراسات الصحية المتعلقة بفقر الدم لدى النساء الحوامل، مع مراعاة أن أهمية المتغيرات في النموذج لا تعني بالضرورة وجود علاقة سببية بينها وبين الإصابة بفقر الدم.