ให้ความรู้เกี่ยวอาการของโรคกระเพาะ

ความสัมพันธ์ของ ABG กับความผิดปกติของต่อมไทรอยด์ (TD) ได้รับการอธิบายครั้งแรกเมื่อประมาณ 40 ปีที่แล้ว การศึกษาที่เก่ากว่าเหล่านี้ประเมินความสัมพันธ์ระหว่าง Pernicious Anemia (PA) และ Thyroiditis บนพื้นฐานของ auto-antibody ในกระเพาะอาหารและหรือต่อมไทรอยด์ การศึกษาอย่างเป็นระบบเมื่อเร็ว ๆ นี้เท่านั้นที่มุ่งเน้นไปที่ความสัมพันธ์ที่มักถูกมองข้ามนี้ บทความวิจัยที่จะตีพิมพ์ในวันที่ 28 มกราคม 2551 ใน World Journal of Gastroenterology สำรวจความสัมพันธ์ที่ถูกมองข้าม การศึกษาดำเนินการกับชุดข้อมูลของตัวแปรนำเข้า 29 ตัว (เกี่ยวกับการวิเคราะห์เชิงวิเคราะห์ วิถีชีวิต ครอบครัวและประวัติทางคลินิก ด้านชีวเคมีและเนื้อเยื่อวิทยา) ของผู้ป่วย ABG 253 ราย ข้อมูลทางชีวเคมีและอัลตราซาวด์ในการวินิจฉัย TD ไม่รวมอยู่ในชุดข้อมูล ในจำนวนผู้ป่วย ABG เหล่านี้ 185 รายเป็นหญิง (อายุเฉลี่ย 54 [17-83] ปี) และ 123 รายเป็นโรคโลหิตจางชนิดอันตราย TD มีอยู่ในผู้ป่วย 135 ราย (53.4%) และ 118 ราย (46.6%) มีต่อมไทรอยด์ที่แข็งแรง ในผู้ป่วยทุกราย การมีอยู่หรือไม่มีอยู่ของ TD ได้รับการประเมินโดยชีวเคมี อัลตราซาวนด์ และการประเมินต่อมไร้ท่อที่ศูนย์ตติยภูมิแห่งเดียว และการมีหรือไม่มีของมันถูกพิจารณาเป็นตัวแปรเป้าหมาย ตัวอย่างของผู้ป่วย ABG ถูกแบ่งย่อยแบบสุ่มหลายครั้งในสองตัวอย่างที่เท่ากันและสมดุลของอาสาสมัครที่มีและไม่มี TD; หนึ่งรายการสำหรับขั้นตอนการฝึกอบรม โรคกระเพาะ (การทดสอบ) และอีกรายการหนึ่งสำหรับขั้นตอนการคาดการณ์ (การทดสอบ) เพื่อลดจำนวนตัวแปรอินพุต การเลือกข้อมูลที่ให้ข้อมูลมากที่สุดเพื่อทำนายผลลัพธ์ ระบบ T&T ระบบ IS และโปรโตคอล TWIST ถูกนำมาใช้ T&T เป็นเทคนิคการสุ่มตัวอย่างข้อมูล โดยใช้อัลกอริธึมเชิงวิวัฒนาการที่พัฒนาโดยศูนย์วิจัย Semeion ซึ่งเป็นอัลกอริทึมการใช้สารกระตุ้นทางพันธุกรรม (GenD) ระบบ IS เป็นระบบ wrapper เชิงวิวัฒนาการซึ่งอิงกับ GenD เช่นกัน โดยสามารถลดจำนวนข้อมูลได้ ในขณะที่รักษาข้อมูลจำนวนมากที่สุดที่มีอยู่ในชุดข้อมูล ในโปรโตคอล TWIST ระบบ T&T และ IS จะทำงานในลักษณะคู่ขนานกันเพื่อเข้าถึงการแทนค่าของตัวแปรและขนาดตัวอย่างที่เหมาะสมเมื่อต้องจัดการกับปัญหาที่ซับซ้อนและไม่เป็นเชิงเส้น ผลลัพธ์ที่เกิดขึ้นจากการศึกษาชี้ให้เห็นว่าโครงข่ายประสาทเทียมสามารถทำนายการมีอยู่ของ TD ในผู้ป่วย ABG ได้อย่างแม่นยำ โดยใช้ตัวแปรทางชีวเคมีและเนื้อเยื่อวิทยาทางคลินิกและกระเพาะอาหาร แท้จริงแล้ว ANN ที่ปรับให้เหมาะสมนั้นให้ความแม่นยำถึง 76% ระบุผู้ป่วย ABG ที่มี TD ได้อย่างถูกต้องถึง 82% ซึ่งมีประสิทธิภาพดีกว่าโมเดล ANN ก่อนหน้ารวมถึงโมเดลเชิงเส้นแบบดั้งเดิม การศึกษานี้ไม่ได้ต้องการเน้นย้ำว่าระบบสนับสนุนการตัดสินใจเชิงสถิติขั้นสูงควรแทนที่หรือแทนที่แพทย์ที่มีประสบการณ์ แต่เพื่อเน้นย้ำว่าระบบเหล่านี้ควรถูกมองว่าเป็นเครื่องมือช่วยในการตัดสินใจเพื่อระบุการสอบสวนที่ดีขึ้นเพื่อประหยัดค่าใช้จ่ายและใช้ทรัพยากรเมื่อจำเป็นอย่างมีประสิทธิภาพ