Л.Ажнай
Loading...
Товч нэр
Л.Ажнай
Бүтэн нэр
Лувсан-Иш Ажнай
Латин нэр
Luvsan-Ish Ajnai
Эрдмийн цол
Профессор
Харьяалал
13 results
Now showing 1 - 10 of 13
- Some of the metrics are blocked by yourconsent settings
Item type:Publication, Ангилагчийн гүйцэтгэлийг үнэлэх хэмжүүр Өсвөр үеийхний сэтгэл хөдлөлийн өгөгдөл(National University of Mongolia, 2023-10-27); ; ; ; Vaanchindorj, Bayarmaa - Some of the metrics are blocked by yourconsent settings
Item type:Publication, Experimental study on the preventive effect of Anemarrhena rhizome on pregnancy loss and the incidence rate of cleft palate in A/J mice(2025) ;Gantugs, Anar-Erdene ;Niimi, Teruyuki ;Inoue, Makoto ;Chimedtseren, IchinnorovSakuma, ChisatoPregnancy loss is a significant concern worldwide, encompassing miscarriage and stillbirth. Miscarriage, defined as the loss of a baby before 28 weeks of gestation, accounts for approximately 15% of pregnancies. Stillbirth, occurring at or after 28 weeks of gestation, affects nearly 2.0 million pregnancies annually, predominantly in low- and middle-income regions. This study aims to investigate the potential of Anemarrhena rhizome (AR) herbal medicine in mitigating pregnancy loss and reducing the incidence of cleft palate in A/J mice models. A total of 390 6-week-old A/J mice were used for the study. Three different dosages of dried AR (6, 12, and 18 g) were boiled to prepare water extracts. The mice were divided into experimental groups receiving these extracts and a control group. Pregnancy outcomes, including fetal mortality rates and incidence of cleft palate, were assessed. The experimental groups receiving AR herbal medicine demonstrated significantly lower fetal mortality rates compared to the control group. Additionally, the incidence of cleft palate was notably reduced in the experimental groups, with the AR 6 g and AR 12 g groups showing significant reductions compared to the control group. AR herbal medicine shows promise in mitigating pregnancy loss and reducing the incidence of cleft palate in A/J mice models. These findings suggest the potential of AR as a therapeutic agent for improving fetal health outcomes. Further research is warranted to elucidate the underlying mechanisms and optimize dosage strategies for maximizing its therapeutic benefits in pregnancy-related complications. - Some of the metrics are blocked by yourconsent settings
Item type:Publication, Өсвөр үеийнхний сэтгэл хөдлөл, зан үйлийн машин сургалтын загваруудыг харьцуулсан дүн(2025-01-01) ;Г.Батнаст; ; ; В.БаярмааҮндэслэл: Дэлхийн хэмжээнд 10-19 насныхны 13% сэтгэцийн эмгэгтэй байна. 2020 оны байдлаар 19 хүртэлх насны 1.289.587 хүүхэд байгаа нь 2015 оныхоос 0.9%-иар өссөн үзүүлэлттэй. 2013 оны өсвөр үеийнхний судалгаагаар эрүүл саруул 60.5%, сэтгэл хөдлөл, зан үйлийн асуудалтай 30.5%, эмгэгтэй 9% байна. Говь-Алтай аймагт (2018-2019 он) хийсэн судалгаагаар 58.6% эрүүл, 36.1% асуудалтай, 5.2% эмгэгтэй байна. Олон улсад өсвөр үеийнхний сэтгэцийн эрүүл мэндийг 8 ^ ^ асуулгаар үнэлэн, хиймэл оюуны аргаар таамагласан судалгааны ажлууд нилээд бий болж байна. Монгол улсын хувьд сэтгэцийн эрүүл мэндийн салбарт цугларсан их өгөгдөлд хиймэл оюун, машин сургалтын аргаар тооцоолсон судалгааны ажил хомс байгаа нь энэхүү судалгааны ажлыг гүйцэтгэх үндэслэл болж байна. Зорилго: Өсвөр насныхны сэтгэл хөдлөл, зан үйлийн машин сургалтын загваруудыг харьцуулах. Арга, аргачлал: Эрүүл Мэндийн Яамны Анагаах Ухааны Ёс Зүйн Хяналтын Хорооны 2022 оны 262 тоот тогтоолоор тус судалгааг хэрэгжүүлэх зөвшөөрөл авсан. СЭМҮТ-тэй хамтран Говь-Алтай аймгийн 6-12 дугаар ангийн 3764 сурагч, тэдний асран хамгаалагч, ангийн багшийн “Хүчтэй ба сул талын тухай-8^^” асуумжаар өгөгдөл цуглуулан, сурагч, асран хамгаалагч, ангийн багш тус бүрийн өгөгдлийн сан үүсгэсэн. Сурагчийн санг машин сургалтын С50, бейс, дүрэмд үндэслэсэн аргуудаар шинжлэн, загварууд үүсгэн, загварын гүйцэтгэлийг үнэлэх хэмжүүрээр үнэлэн, харьцууллаа. Үр дүн: Судалгаанд хамрагдсан сурагчдын сэтгэл хөдлөлийн толгой өвдөх, олон зүйлд санаа зовох, аз жаргалгүй байх зэрэг шинж тэмдгээс эмгэг үүсэх магадлал 0.57, амархан айх, шинэ нөхцөл байдалд сандрахад зааг буюу сэтгэл хөдлөл, зан үйлийн тулгамдсан асуудал үүсэх магадлал 0.55 байна.Зан үйлийн хувьд уур уцаартай, дуулгаваргүй, бусад хүүхдүүдтэй зодолддог, гэр, сургууль, бусад газраас хулгай хийдэг зэрэг үзүүлэлтээс тулгамдсан асуудал үүсэх магадлалтай (0.67) байна. Хэт идэвхтэй байдлын тайван бус, анхаарал сарних зэрэг хүчин зүйлээс хамааран сэтгэл хөдлөл, зан үйлийн тулгамдсан асуудал үүсэх магадлал 0.65, эмгэг нь байнга эргэлзэх, үйлдэл хийхээсээ өмнө аливааг тунгаахгүй, даалгавраа эцэс хүртэл нь хийхгүй зэрэг шинж тэмдгээс шалтгаалан үүсэх магадлалтай. Үе тэнгийнхний харилцааны хувьд ганц дотны найзтай, бусдад таалагдахгүй зэрэг үзүүлэлтээс эмгэг, ихэнхдээ ганцаараа тоглох, дарамтлуулах, томчуудтай байх амар зэрэг шинж тэмдгээс сэтгэл хөдлөл, зан үйлийн тулгамдсан асуудал үүсэх магадлалтай. Дүгнэлт: Хөндлөн баталгаажуулалт нь НоШ-Ои1 аргаас 10-12% илүү загварын гүйцэтгэлийн хэмжүүрүүдийн үр дүн үзүүлсэн нь өгөгдлийн хэмжээ ихсэхэд хөндлөн баталгаажуулалт илүү үр дүнтэй болохыг харуулж байна. С50 алгоритмаар тооцсон загварын гүйцэтгэлийн хэмжүүрүүд бейсийн загвараас маш бага 1% илүү байсан ч хэт олон салаатай мод үүсэж, тайлбарлахад хүндрэлтэй байсан. Статистик ач холбогдлын шалгуураар загваруудын хооронд ялгаа гараагүй тул тайлбарлахад хялбар, маш бага зөрүүтэй бейсийн загвараар үр дүнг илтгэсэн. Энэ нь өгөгдлийн сангийн мөр болон аттрибутын тоог ихэсгэхэд бейсийн арга сайн ажиллаж буйг харуулж байна. Өгөгдлийн тандалт Ангилал Гүйцэтгэлийн хэмжүүр Статистик туршилт - Some of the metrics are blocked by yourconsent settings
Item type:Publication, Холбоо хамаарлын дүрэм: Ахмад настнуудын дундах хавсарсан архаг өвчлөл(2025-05-05) ;О.Ууганбаяр; ; ; Б.ОдгэрэлҮндэслэл: Дэлхийн хүн амын насжилт нь дэлхий нийтийн эрүүл мэндийн чиг хандлагыг тодорхойлдог. Нийслэлийн эрүүл мэндийн газрын 2021 оны тайланд тусгаснаар Монгол улсын хүн амын дундаж наслалт 71.3 жил (эрэгтэй 67.3, эмэгтэй 76.7) ба наслалтын зөрүү 9.4 жил бөгөөд 60 болон түүнээс дээш настай ахмад настан нийт хүн амын 8.1%-ийг эзэлж байна. Мөн энэхүү тайланд нийт амбулаторийн үзлэгийн 6.5% нь 6064 насныхан, 9% нь 65 ба түүнээс дээш насныхан хамрагдаж байгааг тодорхойлсон байгаа нь эрүүл мэндийн тусламж үйлчилгээг хангалттай сайн авч чадахгүй байгааг харуулсан. Иймээс ахмад настны эрүүл мэнд, амьдралын чанарыг сайжруулахын тулд тэдэнд үзүүлэх эрүүл мэндийн тусламж үйлчилгээний хүртээмжийг нэмэгдүүлэх, чанаржуулах нь чухал болоод байна. Ахмад настнуудын дунд зонхилон тохиолдож буй хавсарсан өвчлөл нь эрүүл мэндийн салбарын тулгамдсан асуудлын нэг хэвээр байгаа нь энэхүү судалгааг хийх үндэслэл боллоо. Зорилго: Хот болон хөдөөд ахмад настнуудын дунд зонхилон тохиолдож буй хавсарсан өвчлөлийн тархалт болон эрсдэлт хүчин зүйлсийг судлах. Арга, аргачлал: Судалгаанд Улаанбаатар хот болон хөдөө орон нутгийн жар болон түүнээс дээш насны 720 ахмадаас амьдралын хэв маягийн 156, өвчлөлийн түүхийн 18 асуумж судалгаа авч, мэдээллийн санг үүсгэв. Энэхүү мэдээллийн санд зонхилон тохиолдох архаг өвчлөлийн хамаарлыг тогтоохдоо Априори алгоритмаар SPSS-24.0 Python программд бодов. Хөндлөн огтлолын судалгааг хийхдээ Персоны корреляцийн коэффициентоор тоон үзүүлэлт хоорондын хамаарал, хүчин зүйлүүдийн нөлөөлөх нөлөөллийг нэг болон олон хүчин зүйлийн шугаман (β-коэффициент) болон бинар логистик регрессийн (odds ratio, CI 95%) аргаар тодорхойлж, ач холбогдлын түвшнийг р утга 0.05-аас бага байхад статистик ач холбогдолтой гэж тооцсон. Үр дүн: Хавсарсан өвчлөлийн тархалт нь хот (48.1%), хөдөө орон нутагт (51.9%) өндөр байгаа бөгөөд насжилт (хот OR: 2.45, 95% CI: 0.9-6.2; хөдөө OR: 6.35, 95% CI:1.47-27.4, p<0.01) нь хавсарсан өвчлөлөөр өвдөх эрсдэлт хүчин зүйл болж байв. Бид хавсарсан өвчлөлийг 2 болон түүнээс дээш архаг өвчлөлийн хослол гэж үзсэн бөгөөд 3, 4, 5 төрлийн архаг өвчлөл хавсарсан байх магадлал өндөр буюу нийт архаг өвчлөлтэй ахмадын 28,7% (165) байна. Хоёр архаг өвчлөлөөр хавсран өвчлөх нь 11 төрлийн хамаарал хотод, 18 төрлийн хамаарал хөдөө орон нутагт үүсэж (support (A→В)>3%, confidence (A→В)>30%, lift (A→В)>1) байна. Дүгнэлт: Хавсарсан өвчлөл нь хот болон хөдөөд орон нутагт ялгаатай бөгөөд хавсарсан өвчлөлийг үүсгэж буй архаг өвчлөлийн хавсралыг хоёр архаг өвчлөлийн хавсралаар судлахад 11 төрлийн хамаарал хотод, 18 төрлийн хамаарал хөдөө орон нутагт байна. - Some of the metrics are blocked by yourconsent settings
Item type:Publication, C5.0 алгоритмд суурилсан сэтгэл ханамжийн ангиллын дүрэмт загварын судалгаа(2026-03-30) ;Б.Одгэрэл; ; ;Ч.БаасандоржҮндэслэл: Likert төрлийн асуулгад суурилсан өгөгдлийг сэтгэл ханамжийг үнэлэхэд өргөн ашигладаг боловч бодит хэрэглээнд зөвхөн ангиллын өндөр нарийвчлал бус, загварын тайлбарлах чадвар чухал шаардлагатай болдог. Дүрэмд суурилсан машин сургалтын аргууд нь эдгээр хоёр шаардлагыг зэрэг хангах боломж олгодог. Сүүлийн жилүүдэд машин сургалтын аргуудыг ашиглан ангилал, таамаглал хийх судалгаа эрчимтэй хөгжиж байгаа ч сэтгэл ханамжийн Likert төрлийн асуулгад С5.0 ангиллын алгоритм ашиглсан судалгаа хомс байгаа тул уг судалгааг хийх үндэслэл болсон. Зорилго: Сэтгэл ханамжийн хоёр ангиллыг (High/Medium) таамаглахад C5.0 ангиллын алгоритмыг 10fold cross-validation аргаар хэрэгжүүлж, загварын гүйцэтгэл болон тайлбарлах чадварыг үнэлэх. Арга, аргачлал: Судалгааг АШУҮИСийн Био-Анагаахын сургуулийн Физик мэдээлэл зүйн тэнхимийг түшиглэн Эрүүл мэндийн мэдээллийн технологич мэргэжлээр төгссөн төгсөгчдийн сэтгэл ханамжийн судалгааны өгөгдлийг ашиглан хийсэн. Судалгаанд Likert төрлийн дөрвөн хувьсагч (V1–V4) бүхий өгөгдлийг ашигласан. C5.0 загварыг параметрийн торон хайлтаар сургаж, 10-fold cross-validation-ын хүрээнд accuracy болон confusion matrix ашиглан үнэлсэн. Мөн эцсийн дүрэмд суурилсан загвараас IF–THEN дүрмүүдийг гарган авч, шийдвэрийн логикийг flowchart хэлбэрээр дүрсэлсэн. Үр дүн: Судалгааны үр дүнд дүрэмд суурилсан C5.0 загвар хамгийн оновчтой гэж сонгогдож, cross-validation-ын хүрээнд тогтвортой гүйцэтгэл үзүүлсэн. Confusion matrix-ийн үр дүн нь High ангиллыг өндөр нарийвчлалтай илрүүлж байгааг харуулсан. Гарсан дүрмүүдээс V4 болон V2 хувьсагчид сэтгэл ханамжийг тодорхойлох голлох нөлөөтэй болох нь илэрхий болсон. Дүгнэлт: C5.0 алгоритмыг cross-validation-ын хүрээнд ашиглах нь Likert өгөгдөлд суурилсан сэтгэл ханамжийн ангиллыг үр дүнтэй, ойлгомжтой байдлаар гүйцэтгэх боломжтой ба дүрэмд суурилсан бүтэц нь загварыг тайлбарлах, шийдвэр дэмжих хэрэглээнд ашиглахад тохиромжтой давуу тал болж байгаа нь тус тус батлагдлаа. - Some of the metrics are blocked by yourconsent settings
Item type:Publication, Оюутны сэтгэл ханамжийн үнэлгээний кластер шинжилгээ(2023-05-22) ;Ц.Мөнгөнтуул; ; ; Үндэслэл: Их, дээд сургуулийн үйлчилгээний чанарын шалгуур үзүүлэлтийн нэг бол оюутны сэтгэл ханамж юм. Зорилго: Анагаахын Суурь боловсролын I дамжааны оюутнуудаас Анагаахын физикийн хичээлд хэр сэтгэл ханамжтай байгааг кластерын аргаар судлахаар зорилоо. Арга, аргачлал: Энэхүү зорилгын хүрээнд АШУҮИСийн Анагаахын суурь боловсролын I дамжааны анагаахын физик хичээлийг судалсан нийт 324 оюутнаас асуумж судалгаа авлаа. Сэтгэл ханамжийн түвшинг “Маш Cайн”, “Cайн”, “Дунд ”, Муу”, “Маш Муу” гэсэн таван түвшингээр тодорхойлов. Оюутнуудаас хичээлийн үнэлгээний 8, багшийн үнэлгээний 19, оюутны үнэлгээний 12 нийт 39 асуумжаар судалгаа авлаа. Судалгаанаас 39 талбартай, 324 бичлэгтэй мэдээллийн санг үүсгэв. Энэхүү мэдээллийн санд өгөгдөл тандалтын k-means аргаар MATLAB, R програмд кластер шинжилгээ хийв. Үр дүн: Өгөгдлийн санг H шалгуур (hopkins)-ыг бодоход 0.88, 0.87, 0.97 гэсэн утгууд гарлаа. Энэ нь кластер шинжилгээний аргуудыг ашиглах боломжтой болохыг харуулж байна. Хичээлийн үнэлгээний дэд санг гурван кластерт хуваалаа. Үүнд: I кластерт “Cайн” үнэлгээтэй 150 обьект 46.2%, II кластерт “Дунд” үнэлгээтэй 119 обьект 36.7%, III кластерт “Муу” үнэлгээтэй 54 обьект 16.6% байна. Багшийн үнэлгээний дэд санг гурван кластерт хуваахад II кластерт “Cайн” үнэлгээтэй 179 обьект 55.2%, III кластерт “Дунд ” үнэлгээтэй 108 обьект 33.3% нь, I кластерт “Муу” үнэлгээтэй 36 обьект 11.1% байна. Оюутаны үнэлгээний дэд санг хоёр кластерт хуваахад II кластерт “маш Cайн” үнэлгээтэй 215 обьект 66.3%, I кластерт “Муу” үнэлгээтэй 108 обьект 33.3% байна. Энэхүү үүссэн кластеруудаа дүрслэлийн коэффициентоор (silhouette coefÏcient) үнэлэхэд нь хичээлийн үнэлгээний кластер 0.32, багшийн үнэлгээний кластер 0.31, оюутаны үнэлгээний 0.30 гарсан нь статистик ач холбогдолтой болохыг харуулж байна. Дүгнэлт: Эцэст нь дүгнэхэд кластер шинжилгээгээр Анагаахын физикийн хичээлийн загварт “Cайн” үнэлгээ 46.2%, “Дунд” үнэлгээ 36.7%, “Муу” үнэлгээ 16.6%, багшийн үнэлгээтэй загварт “Cайн” үнэлгээ 55.2%, “Дунд” үнэлгээ 33.3%, “Муу” үнэлгээ 11.1%, оюутны үнэлгээний загварт “Cайн” үнэлгээ 66.3%, “Муу” үнэлгээ 33.3% байна. - Some of the metrics are blocked by yourconsent settings
Item type:Publication, Цахим сургалтын оюутны сэтгэл ханамжийн кластер шинжилгээ: K-means & divisive hierarchical(2021-06-10); ; ; ; Их, дээд сургуулийн үйлчилгээний чанарын шалгуур үзүүлэлтийн нэг бол оюутны сэтгэл ханамж юм. Оюутнууд хичээлд оролцох идэвх, сургалтын орчин, хичээлийн үзүүлэн, материаллаг бааз, багшийн ур чадвар, хандлагад хэр сэтгэл ханамжтай байгааг судлахаар зорилоо. АШУҮИС-ийн суурь боловсролын I дамжааны анагаахын физик хичээлийг судалсан нийт 502 оюутнаас гурван бүлэг бүхий нийт 41 асуулттай асуумж судалгаа авлаа. Үүнд I бүлэгт тухайн хичээл хэрхэн үр дүнтэй, сонирхолтой байсан тухай 10 асуулт, II бүлэгт багшийн ур чадвар, хандлагын тухай 19 асуулт, III бүлэгт оюутан өөрөө хичээлдээ хэрхэн оролцсон тухай 12 асуулт бүхий сэтгэл ханамжийн судалгааны 502 бичлэгтэй мэдээллийн сан үүсгэв. Энэхүү мэдээллийн сандаа k-means, задалж, шатлах (Divisive Hierarchical Clustering) аргын R програмын eclust() функцээр кластер шинжилгээ хийлээ. Сэтгэл ханамжийг “маш сайн”, “сайн”, “дунд”, “муу”, “маш муу” гэсэн таван түвшингээр үнэлэв. Судалгаанд k-means аргаар 0.1-0.4, задалж-шатлах аргаар хуваах коэффициент 0.88-0.91 гарлаа. Иймээс задалж-шатлах аргаар хичээлийг үнэлэх гурав, багшийг үнэлэх гурав, оюутны хичээлд оролцоог үнэлэх хоёр кластерт тус тус хуваалаа. Хичээлийн үнэлэх загварын I кластерт дунд үнэлгээ 33%, II кластерт сайн үнэлгээ 61.4%, III кластерт муу үнэлгээ 5% байна. Багшийг үнэлэх загварын II кластерт сайн үнэлгээ 63.9%, I кластерт дунд үнэлгээ 31.8%, III кластерт муу үнэлгээ 4.1% байна. Оюутны хичээлийн идэвхийг үнэлэх загварын I кластерт сайн үнэлгээ 69.9%, II кластерт дунд үнэлгээ 30.07% байна. Шинжилгээнд задалж-шатлах загваруудын хуваах коэффициент нь илүү ач холбогдолтой загвар бүхий кластер болохыг илтгэж байна. Энэхүү хичээлийг үнэлэх загварт 61.4% сайн, багшийн үнэлгээний загварт 69.1% сайн, оюутны идэвх, оролцооны загварт 31.2 маш сайн, 38.8 сайн байна. - Some of the metrics are blocked by yourconsent settings
Item type:Publication, PIMA өгөгдлийн багцад суурилан Random Forest алгоритмаар чихрийн шижингийн төлөвийг урьдчилан таамаглах нь(2026-10-30) ;Ч.Баасандорж ;Б.Одгэрэл; ; - Some of the metrics are blocked by yourconsent settings
Item type:Publication, Brief histories of medical physics in Asia-Oceania(2015-09) ;Round, W H ;Jafari, S ;Kron, T ;Azhari, H AChhom, SThe history of medical physics in Asia-Oceania goes back to the late nineteenth century when X-ray imaging was introduced, although medical physicists were not appointed until much later. Medical physics developed very quickly in some countries, but in others the socio-economic situation as such prevented it being established for many years. In others, the political situation and war has impeded its development. In many countries their medical physics history has not been well recorded and there is a danger that it will be lost to future generations. In this paper, brief histories of the development of medical physics in most countries in Asia-Oceania are presented by a large number of authors to serve as a record. The histories are necessarily brief; otherwise the paper would quickly turn into a book of hundreds of pages. The emphasis in each history as recorded here varies as the focus and culture of the countries as well as the length of their histories varies considerably.Scopus© Citations 12 - Some of the metrics are blocked by yourconsent settings
Item type:Publication, Erratum to: Brief histories of medical physics in Asia-Oceania(2015-09) ;Round, W H ;Jafari, S ;Kron, T ;Azhari, H AChhom, S
