所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

计算工具为人类乳头状瘤病毒(HPV)模糊逻辑的风险预测

每一个的Kassandra佩雷拉贝尔福1*萨利,克里斯蒂娜•穆迪尼奥蒙泰罗2,艾伦Kardec Duailibe巴罗斯3

1东北的学生毕业后在生物技术,生物技术网络(RENORBIO),巴西

2教授,毕业后在生物技术、马拉尼昂的联邦大学,巴西

3毕业后教授成人健康计划,巴西联邦马拉尼昂大学

*通讯作者:
每一个的Kassandra佩雷拉贝尔福
Rua 04 Quadra 09 Casa 3都市区居住白桃花心木
圣路易斯,妈,巴西
电话:+ 55 (98)99111 - 2694
电子邮件:ilkabelfort@gmail.com

收到日期:03/11/2020;接受日期:19/12/2020;发表日期:26/12/2020

访问更多的相关文章研究和评论:护理和健康雷竞技苹果下载科学杂志》上。

文摘

作品简介:人类乳头瘤病毒(HPV)是一种最常见的性传播感染(性病)和负责世界上大约99%的宫颈癌。因此,这项工作的目标是开发一个人乳头状瘤病毒风险预测的模糊逻辑计算工具。

材料和方法:这涉及到计算模型的开发使用模糊逻辑工具来预测女性更倾向暴露和感染人乳头状瘤病毒。健康的生活方式,和性数据收集的成年女性使用半结构式问卷,肿胀的细胞学发生阴道涂片的分析,和DNA-HPV研究是通过嵌套聚合酶连锁反应(PGMY09/11(第一轮PCR)和GP + 5 / GP + 6(第二轮PCR)使用铂™Taq DNA聚合酶系统(英杰公司™,纽约,美国)。在文献中,后来这些被添加到结果的分析参与者的数据构建的计算确定的风险。

结果:统计分析后,风险设置连接到3套(绿色、黄色和红色),获得fuzzified数据的可用性变量的风险计算器下列事项:绿色=(0 - 30%),低风险;黄色=(31 - 50%),中风险;红色= 50%以上,HPV感染的风险很高。操作系统:400年流行病学和颈椎的结果发现的女性参与研究被用于培训162软件和系统验证。证明统计数据后,插入数据库中的结果开始。

结论:结果模糊推理系统也可以采用的HPV筛查,因为这将反过来有助于减少情况下与癌症的死亡率。这个专家系统是用户友好的和基于病人的抱怨进行筛选(临床和实验室数据)医学专家。

关键字

模糊、医学信息学、人类乳头瘤病毒,巴氏试验、软件验证。

介绍

世界卫生组织(世卫组织)报告每天超过一百万例性病病例的发生,全世界。每年大约有3.57亿新发感染估计,包括人乳头状瘤病毒、衣原体、淋病、梅毒和滴虫病。在巴西,卫生部(MS)的数据显示,25 - 39岁之间的人口是最容易感染性病(1]。他也解释说,有筛查项目不足,困难在获得卫生服务,缺乏健康教育项目,早期发现和治疗,尤其是在发展中国家(2]。

HPV感染是世界上最常见的性传播感染。据估计,80%的世界人口将会接触到一生中至少有一个类型的人乳头状瘤病毒(雷竞技网页版3]。病毒被确定为一个病因州几乎100%的病例的颈cancer-CC [4]。因此,这种情况被认为是一个优先的公共卫生问题,因为治愈的可能性是直接正比于癌症的早期诊断和及时治疗(5]。

HPV感染的患病率的研究显示,超过6.3亿人,包括男人和女人,被感染。

对于巴西来说,估计有9到1000万感染了这种病毒,每年有70万新病例发生3]。关于宫颈癌新发病例的估计,2019年癌症研究所估计有16590 (6]。从这个角度看,针对增加的积极影响的分析宫颈癌的流行病学状况,有必要行动增加覆盖cervical-vaginal病变的筛查测试,这些病变的识别系统的改善和宫颈癌和投资在健康教育修改人口暴露于感染的危险因素,以及关于这一主题的相关信息的传播。

初级卫生保健的主要形式是访问促进人口战略行动,预防、控制、诊断、基于可用性和治疗性传播感染的集体活动,男用和女用避孕套,分配的可用性疫苗,和健康指导,除了进行预防性宫颈检查收集,因此开始变化的预防、治疗和治疗模式。

因此,初级卫生保健水平的性能的指标有助于改善预防和早期诊断,且仍在使用干涉他们的风险因素,如鼓励安全的性行为,减少烟草通过吸烟计划,并进行考试。值得一提的是有预防颈椎经常考试的重要性。

然而,尽管在公共网络测试是可用的,仍然有禁忌,围绕着由女性收集和预防的重要性。另一方面,健康专家仍然想念的机会收集并通知在不同的时间,尤其是对女性进入医疗单位其他服务。因此,需要插入创新方法的主动搜索和筛选这些女性更快。

因此,早期的一个可能的改进搜索来自技术发展。关于这个进化,生物信息学作为一个工具来帮助筛选,预测和早期诊断的疾病,因为它可以被定义为研究、开发、和应用健康数据的使用的计算工具,包括获取、存储、组织、归档、分析这些数据(7]。因此开始插入软件、应用程序、游戏,其中,作为疾病预测学习方法,除了其他功能。这些方法的出现,主要是,提醒人们预防疾病。和他们正在成功地植入/实现在医学(8]。

即模糊作为替代方法已用于多个领域,包括医学。它的主要优点是易于处理语言术语和不准确和不确定的信息,除了低计算成本。因此,使用这些模型在初级卫生保健中至关重要,便宜,卫生专业人员和容易处理的快速搜索女性,特别是那些不是寻找考试,可能的诊断和短暂的转诊治疗。前体病变的癌症,如果有必要,从而预防疾病进展和提高治疗效率。

最后,本文的目的是创建一个计算工具中使用模糊逻辑为女性的扩张的搜索策略在一个合适的时间来执行宫颈癌预防,从而提高早期诊断指标,将直接反映在宫颈癌发病率和死亡率的减少由于人乳头状瘤病毒。

材料和方法

是软件的开发使用模糊逻辑工具屏幕更大的倾向的女性风险暴露在人乳头状瘤病毒。

发展的计算模型、数据对人乳头瘤病毒及其危险因素的女性(≥18岁)寻求统一的卫生系统的初级卫生保健服务的圣·路易斯·马/被使用,比较和验证他们的信息在科学文献中可用HPV的危险因素。

这项研究是马拉尼昂联邦大学的伦理委员会批准(编号为2383604)。所有参与者提供书面知情同意。

数据的收集和分组数据集

参与者包括562名女性,年龄在18 - 70岁,与活跃的性生活和用户统一的初级保健卫生系统(SUS)的圣·路易斯·/ MA。排除标准包括月经当天咨询,子宫切除术,怀孕,或产后45天不到。所有个人回答半结构化问卷基于验证工具,评估社会人口特征、年龄、性行为、平价、吸烟状况、方法避孕和性病的历史。

宫颈上皮组织标本收集和测试。DNA的存在/ HPV检测使用嵌套与引物聚合酶链反应(PCR)嵌套集PGMY09/11(第一轮PCR)和GP + 5 / GP + 6(第二轮PCR)使用铂™Taq DNA聚合酶系统(英杰公司™,纽约,美国)。

结果显示,女性感染了人乳头状瘤病毒归类为DNA / HPV阳性,和女人没有归类为感染了人乳头状瘤病毒DNA / HPV阴性。根据文献中的数据,6(六)代数余子式被选为潜在的预测和发展的重要软件,其中包括:年龄、教育、吸烟、性行为、怀孕,使用口服避孕药(亚奥理事会)9]。

输入变量

输入变量是把一位女士的元素或风险因素风险更高的人乳头状瘤病毒。输入年龄、教育、吸烟、性行为、怀孕、口服避孕药的使用。这些因素被选为参数评估数据收集和分析的起点在考试中收集的女性参与研究。分析流行病学数据都使用了统计软件包为社会Sciences-SPSS版本22。

整个数据被划分为400个数据样本进行训练和162年的数据样本进行测试。检查或验证集是用来检查如何,而广义的训练集测试集来评估如何在高效简称ANFIS预测人乳头状瘤病毒。

模糊逻辑方法

软件的建设遵循监督学习,从训练数据集的算法预测结果,输出结果在哪里提供的培训过程。

算法的发展发生在两个阶段:

)第一次是PHP语言和MySQL数据库收集的数据的插入,分离,和标准化的信息。这个阶段的目的是通过计算机系统搜索和比较快。

b)第二阶段的组织是模糊集组装的模糊逻辑系统。在这部作品中,Trapeizodal隶属函数,算法执行处理的考虑的区间变量的限制已经完整的会员。

模型的建设,有必要将输入数据划分为程度的风险,以及输出设置,代表最后多云。定义输入和输出集后,基本数据插入软件被称为HPV风险计算器。fuzzified集的形成,软件的基础是建立数据集,这是与梯形针对性功能在所有变量。在软件开发过程中,它强调,这是创建这样一个分散推理系统由一组规则,如果使用(前期),那么(结果),指定输入和退出的分散集之间的关系。因此,共有38个模糊化规则被用来组装Mamdani推理方法(10]。

对于风险输出变量,以下描述评价百分比:非常low-0 10%;原先最低5 - 30%;从20到50%;从高40%到80%;非常高的100%到70。

基于上述指标,软件指的是数据在每个研究对象的面试和考试。在收集数据,进行计算来确定风险,然后分析这些结果,风险设置连接到3集。随后,数据的模糊化得到下列事项提供风险计算器作为变量:

•绿色=(0 - 30%),低风险;

•黄色=(31 - 50%)、中风险;

•红=超过50%,高的风险。

结果与讨论

计算器是建立在两个主要阶段:流行病学数据和生物样本的集合成年人,性行为活跃的女性,SUS的用户,预测软件的开发来计算与HPV感染的风险。

它表明,人乳头状瘤病毒的主要风险因素在研究人口吸烟、年龄、教育、性行为,使用口服避孕药。这些危险因素与科学文献一致强调的重要性,引导现代生活方式经历了由女性,谁,一般来说,获得生活习惯,经常构成某些疾病的风险,他们甚至不会怀疑。

这些风险因素作为输入数据的软件,因此建设计算器。首先,软件验证和培训。所有的女人都愿意参与流行病学的研究阶段,来自400个参与者的数据被用来训练软件和信息从162年验证系统。

因此,划分指标(收件箱名叫“指示器”),而以前在方法中选择阶段(风险因素选择文学相比,风险因素中观察到的流行病学数据收集)。那么这些“假想”的风险因素进行了“真正的”研究参与者的信息。然后(收件箱命名为“用户”)的关系是根据选定的指标,来证明这个人是否有积极的变量,最后,选择指标的交叉/变量并进行积极的结果。这个决定这个人是否适合接触病毒(收件箱命名“user-indicator”)。

图1显示了这个插入模型得到的结果时的学习步骤(训练),在这之后,目前的评估(验证)的构造模型。

nursing-health-sciences-validation-step

图1:学习的结果和验证算法的步骤。

该软件是托管在重火力点(https://firebase.google.com/?hl=pt-br)。计算器的地址是由作者。重火力点是老板(后端服务),Google的Web和移动应用程序。推出并使用开始于2004年,今天,它被认为是最好的选择的工具在一些具体项目中,由于提供的服务的数量,除了容易实现(https://support.google.com/admob/answer/ 6360054 ?Hl = en-BR, 2019)。计算器是注册的国家工业产权(INPI) BR512019000887-1数量。

后配置软件、培训和验证、数据输入到计算器,结果的准确性达82%。

在分析模型来描述模型,使用模糊逻辑在卫生领域,可用的文学,可以做一些考虑。在计算筛选模型来估计住院的长度,精度也用于评估数据,然而,这不是说多少了,回响在推理缺乏在这方面使用建模的研究。模糊,影响性能的比较更精确的结论,然而,有文章的民族文学模糊的应用程序(11]。

评估在18例口腔鳞状细胞癌(OSCC)一些细胞周期之间的关系标记和人乳头状瘤病毒感染,有条件地年龄,性别和某些习惯的患者,和评估的能力模糊neurais网络(模糊神经网络)建立一个适当的预测模型基于逻辑推理规则(12]。研究中,虽然小样本量的限制。

我们也可以提其他作者在模糊逻辑的模型,旨在评估使用相同的智能计算机系统,利用模糊逻辑方法的阅读专家预测患肿瘤前期病变的风险。构建该软件,作者使用了82假设的情况下(由一名医生)包含的不同方面的日常实践女性的健康专家,包括专家的情况下自己可能面临怀疑病人的临床评估的条件。研究已经得出结论,模糊逻辑是一个适当的读者的专家认为,如果验证,可用于公共卫生网络,开展有组织的时间表和顺向的患者数量增加。然而,强调的是,这个软件是建立在假设的数据,基于专家医生的经验,强调工作的重要性为HPV的创建开发风险计算器从真实数据收集从女性与生活活跃的性13]。

人乳头状瘤病毒风险计算器

软件收到HPV风险计算器的名字。第一个版本的计算器有3个数据输入屏幕。处理结果大约持续1分钟(图2)。

nursing-health-sciences-own-authorship

图2:自己的身份。

这个工具被设计的最初使用的卫生专业人员在家庭卫生战略(FHS)协助活动和早期搜索的女性不寻求收集宫颈预防性卫生单位。从这个意义上说,为降低宫颈癌的发生率随着细胞学的变化是在早期发现的,确定这个女人可以做计划顺序预防考试没有女人“失踪”的过程。

软件收到HPV风险计算器的名字。第一个版本的计算器有3个数据输入屏幕。处理结果大约持续1分钟(图2)。

因此,二次筛选或预防由吸引女性进行考试,通过考试的机会收集材料,当表现自信,它减少了手术和治疗的成本以及改善妇女的生活质量,家庭和社区。

计算器是易于使用,非常直观,不需要手册访问和/或一个彻底的评估结果。由于响应网页设计,它可以访问从电脑,平板电脑和智能手机。用户访问计算器通过链接:https://calculadora-hpv.firebaseapp.com/在系统的主界面,有最初的学分和只有一个按钮初始化问卷和回到主页的链接,这个屏幕开始调查问卷给适当的权限。为用户,只需点击“访问”,他将重定向到链接https://calculadora-hpv.firebaseapp.com/calc中可以插入数据。

结论

结果模糊推理系统也可以采用的HPV筛查,因为这将反过来有助于减少情况下与癌症的死亡率。这个专家系统是用户友好的和基于病人的抱怨进行筛选(临床和实验室数据)的医学专家。本研究提出了一个工具,财务成本低,可以排序,以令人满意的方式,持续时间一分钟的平均时间,假设一个重要和重要作用,卫生专业人员可以准备更快速和有效的。软件,到目前为止,世界上独一无二的用于初级保健,这被认为是条目的用户在巴西的卫生系统。

搜索参数的计算器的发展,它也发现宫颈癌预防需求很低的高功率考试的二级预防宫颈癌。最后,我们考虑集合的数量需要增加95%的精度范围内最优计算器验证。

引用

全球技术峰会