دانلود رایگان ترجمه مقاله مدل احتمالی زنجیره مارکوف در مطالعات دیابت پس از بارداری – Iospress 2010

logo-4

دانلود رایگان مقاله انگلیسی یک مدل احتمالی زنجیره مارکف تلرانس گلوکز در مطالعات پیگیری دیابت بعد از بارداری به همراه ترجمه فارسی

 

عنوان فارسی مقاله: یک مدل احتمالی زنجیره مارکف تلرانس گلوکز در مطالعات پیگیری دیابت بعد از بارداری
عنوان انگلیسی مقاله: A Markov chain probability model of glucose tolerance in post gestational diabetes follow up study
رشته های مرتبط: پزشکی، مامائی
فرمت مقالات رایگان مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF میباشند
کیفیت ترجمه کیفیت ترجمه این مقاله خوب میباشد 
توضیحات فقط اوایل مقاله ترجمه شده است.  
نشریه Iospress
کد محصول f343

مقاله انگلیسی رایگان

دانلود رایگان مقاله انگلیسی

ترجمه فارسی رایگان 

دانلود رایگان ترجمه مقاله
جستجوی ترجمه مقالات جستجوی ترجمه مقالات پزشکی

 

 

بخشی از ترجمه فارسی مقاله:

چکیده
زنانی که از دیابت دوران بارداری رنج میبرند (GDM) در خطر توسع ی دیابت نوع دوم هستند. اما سطح این خطر و زمان بندی پیشرفت از نوع نرمال به حالت پیش دیابتی هنوز به صورت واضح مشخص نشده است. در این مطالعه ما تلاش داریم تا داده هایی را از مطالعه های طولی در گروهی از زنان که پیشینه ی GDM دارند را بررسی کنیم، که این زنان تحت تست های میزان تولرانس گلوکز خوراکی ( OGTT) در برنامه های سالانه قرار گرفته اند و ۵ سال بعد از این تست مورد پیگیری قرار گرفته اند. مدل سازی های سه حالته ی مارکوف برای نشان دادن دینامیک تغییرات بین حالت های متابولیک ایجاد شده است. ما از این داده ها استفاده کردیم تا به صورت تجربی پارامتر های تغییر کننده در یک سال را در مدل تخمین بزنیم و پیش بینی هایی در مورد متابولیسم های گلوکز بعد از این بررسی که میتواند در سه سال یا پنج سال موجب T2DM شود را ایجاد کنیم. نتایج نشان میدهد که سوژه هایی که متابولیسم گلوکز آن ها چند ماه بعد از زایمان با مشکل رو به رو است( ۱۰% ) به ندرت در سه سال بعد به این مشکل دچار خواهند بود. زمانی که میزان تولرانس گلوکز آن ها بعد از زایمان بالا است احتمالا بالایی ( ۰٫۸۰) دارند که به همین صورت در سه سال بعدی زایمان باقی بمانند.

تحلیل داده ها
زنجیره ی مارکوف
یک زنجیره ی مارکوف (MC) یک روش تصادفی ساده است که معمولا برای بررسی پدیده های غیر قطعی شامل زمان، از آن استفاده میشود. در یک فرآیند تصادفی تغییرات حالت ( مقادیر فرآیند ها) توسط قوانین احتمالات کنترل میشود. این قوانین توصیف کننده ی مقادیر فعلی و مقادیر آتی فرآیند ها از نظر پیشینه وضعیت قبلی شان هستند که به آن قوانین انتقال گفته میشود. یک زنجیره ی مارکوف، به خصوص یکی از قوانین انتقال را دارد که بیشترین وابستگی را به اخرین وضعیت های گذشته ی فرآیند دارد و پیشینه ی کلی فرآیند را در نظر نمیگیرد.

بخشی از مقاله انگلیسی:

Abstract

Women with gestational diabetes mellitus (GDM) are at increased risk of developing type 2 diabetes (T2DM). However, the degree of risk and the timing of progression from normal to a pre-diabetic or diabetic state have not been clearly quantified. In this study we analyzed data from a longitudinal study on a group of women with a history of GDM, that were inserted in an oral glucose tolerance test (OGTT) annual screening program and followed up for 5 years after partum. A three state Markov chain model was proposed to represent the dynamics of changes between metabolic states. We used the data to empirically estimate the one-year transition parameters of the model and make predictions about the possibility that women with normal glucose tolerance or impaired glucose metabolism just after partum will develop overt T2DM in three or five years. Results show that subjects with an impaired glucose metabolism few months after partum will hardly (10%) be in the same state after three years. Women with normal glucose tolerance after partum will have a high probability (0.80) to be in the same state three years after.

 

Methods

Oral Glucose Tolerance Test

After an overnight fast, all women underwent a standard 75-g OGTT. Venous blood samples were collected immediately before glucose ingestion (fasting sample, t = 0) and at 10, 20, 30, 60, 90, 120, 150 and 180 min afterwards for glucose, insulin and C-peptide measurements.Data analysis Markov chains A Markov chain (MC) is a simple stochastic process often used to model uncertain phenomena evolving in time. In a stochastic process changes of state (value of the process) are governed by probabilistic laws. The laws describing present and future values of the process in terms of its past state history are called transition laws. A Markov chain, specifically, is characterized by transition laws depending only the most recent past state and not on the whole past history.

 

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.