@article { author = {Abasi, Fariba and Samaei, Mohammad Reza}, title = {Determination of Environmental Factors Affecting Airborne Bioaerosols in Hospitals Using Nonlinear Models}, journal = {Sadra Medical Journal}, volume = {10}, number = {1}, pages = {13-22}, year = {2021}, publisher = {Shiraz University of Medical Sciences}, issn = {2322-4339}, eissn = {2322-4339}, doi = {10.30476/smsj.2022.89525.1201}, abstract = {Introduction: Environmental and structural factors have a significant effect on the concentration of bioaerosols in the indoor air; however, this issue has not received enough attention in research. . Therefore, this study aimed to determine the distribution of bioaerosols and environmental factors affecting the concentration of bioaerosols by using an artificial neural network.Methods: In this study, the concentration of bioaerosols was determined using the inactive method for one hour in the human respiratory tract. The teypticas soy agar and sabouroud dextrose agar were used to culture bacteria and fungi; then, they were incubated at 15, 25, and 37° C. The independent variable includes three categories of structural variables (number of ward beds, room dimensions, and window dimensions), hospital management and management variables (ward air change per hour), and analytical variables (incubation temperature and type of culture medium). The effect of these variables was modeled by an artificial neural network with Levenberg–Marquardt algorithm.Results: This study showed that the distribution of bioaerosols in dialysis and surgery wards was higher than in other wards. Also, the artificial neural network can predict the effect of environmental and structural factors of the hospital on bioaerosols, especially fungi because the maximum and minimum concentrations of bacteria and fungi in the actual data were similar to the data predicted by the artificial neural network. In addition, the correlation coefficient for the fungi was 0.95, and the correlation rate between the actual data and the data predicted by the artificial neural network was higher than 0.92.Conclusion: ANN could be a desirable and reliable method for detecting bioaerosol in hospitals based on the environmental and structural parameters.}, keywords = {Airborne,Bacteria,fungi,Neural Network,Environmental Factors}, title_fa = {تعیین عوامل محیطی مؤثر بر بیوآئروسل‌های هوابرد در بیمارستان با اسفاده از مدل‌های غیرخطی}, abstract_fa = {مقدمه: با‌توجه‌به اثر چشمگیر عوامل محیطی و ساختاری بر غلظت بیوآئروسل‌ها در هوای درونی بیمارستان و همچنین توجه کمتر به تعیین این ارتباط که معمولاً به صورت غیرخطی است، هدف از این مطالعه تعیین پراکندگی توزیع بیوآئروسل‌ها و عوامل محیطی مؤثر بر غلظت آن‌ها در هوای درونی بیمارستان با استفاده از شبکه‌ی عصبی مصنوعی بوده است.روش­ها: در این مطالعه غلظت بیوآئروسل‌ها با استفاده از روش غیرفعال و به مدت یک ساعت در ناحیه‌ی تنفسی انسان تعیین گردید. محیط کشت استفاده‌شده برای باکتری و قارچ به‌ترتیب تیپیکون سوی آگار سابورود دکستروز آگار بوده که در دماهای 15، 25 و 37 درجه، انکوبه گردید. متغیر مستقل شامل سه دسته متغیرهای ساختاری (تعداد تخت‌های بخش، ابعاد اتاق و ابعاد پنجره‌ها)، متغیرهای راهبری و مدیریت در بیمارستان (تعویض هوای بخش در هر ساعت) و متغیرهای آنالیزی (دمای انکوباسیون و نوع محیط کشت) بوده که اثر این متغیرها به‌وسیله‌ی شبکه‌ی عصبی مصنوعی با الگوریتم levenberg-marqut مدل‌سازی شد.یافته‌ها: پیش‌بینی اثر عوامل نتایج این مطالعه نشان داد که پراکندگی بیوآئروسل‌ها در بخش‌های دیالیز و جراحی مردان بیشتر بوده است. همچنین شبکه‌ی عصبی مصنوعی توانایی مناسبی در پیش‌بینی اثر عوامل محیطی و ساختاری بیمارستان بر روی بیوآئروسل‌ها به‌خصوص قارچ‌ها داشته است؛ به طوری که حداکثر و حداقل غلظت باکتری‌ها و قارچ‌ها در داده‌های واقعی مشابه با داده‌های پیش‌بینی‌شده‌ی شبکه‌ی عصبی مصنوعی بوده است. افزون‌بر این، ضریب هم‌بستگی برای قارچ‌ها برابر با 0.95 بوده و میزان هم‌بستگی داده‌های واقعی و داده‌های پیش‌بینی‌شده توسط شبکه‌ی عصبی مصنوعی بالاتر از 0.92 بوده است.نتیجه‌گیری: با توجه به نتایج، شبکه عصبی مصنوعی می­تواند روش مناسب و قابل اعتمادی جهت پیش بینی وابستگی غلظت بیوآئروسل­ها به عوام محیطی و ساختاری بیمارستان باشد.}, keywords_fa = {هوابرد,باکتری‌,قارچ,شبکه‌ی عصبی,عوامل محیطی}, url = {https://smsj.sums.ac.ir/article_48712.html}, eprint = {https://smsj.sums.ac.ir/article_48712_b3fb38406b2133b6ee060c12a319209d.pdf} }