صحیح شدن ارزش چندین قانون و در نتیجه فعال شدن آنها گردد. هر ترتیبی از اجرای این قوانین، می ­تواند نتایج متفاوتی را به دنبال داشته باشد که در این صورت این مجموعه از قوانین، مجموعه­ قوانین ناسازگار نامیده می­شوند. یک استراتژی رفع ناسازگاری ترتیبی را برای اجرای این مجموعه از قوانین تعیین می­نماید.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

سیستم­های هوشمند از قبیل سیستم­های مبتنی بر قانون، ابزارهای برنامه­ ریزی، و ساختارهای وابسته به دانش، از استراتژی­ های متفاوتی برای رفع ناسازگاری استفاده می­ کنند] ۲[.
در این پژوهش در ابتدا در رابطه با این شیوه ­های متفاوت توضیحاتی ارائه می­گردد و پس از آن ایده­ایی که به منظور رفع ناسازگاری در سیستم پیشنهادی بکار برده شده، شرح داده می­ شود. سیستم پیشنهادی یک سیستم تصمیم­همیار هوشمند است که به منظور یاری رساندن به یک بازیکن در یک بازی استراتژیک بلادرنگ طراحی و پیاده­سازی شده و شرح ساختار و ویژگی­های آن در فصول آتی آمده است. همچنین در این پایان نامه در ارتباط با سیستم­های تصمیم­همیار هوشمند و ساختارهای مختلفی که محققان برای پیاده­سازی این سیستم­ها در نظر گرفته­اند، نیز مطالبی ارائه شده است.
رفع ناسازگاری
در بسیاری از سیستم­های مبتنی بر قانون، موتور استنتاج، یک مولفه­ی نرم­افزاری است که در هنگام اجرای برنامه­ی کاربردی، بر روی مجموعه­ایی از قوانین، استنتاج می­ کند. از جمله مهمترین وظایفی که توسط موتور استنتاج صورت می­گیرد، رفع ناسازگاری است] ۴۷[. به طور کلی، رفع ناسازگاری، یک استراتژی، برای انتخاب ترتیب اجرای قوانین است هنگامی که بیش از یک قانون بتواند اجرا شود.
برای رفع ناسازگاری روش­های مختلفی وجود دارد. ساده­ترین راه­حل، انتخاب تصادفی قوانین است. در برخی از استراتژی­ها، از جمله مهمترین فاکتورهایی که در انتخاب قوانین موثر است مقدار اولویتی است که توسط سازنده­ی سیستم به هر قانون اختصاص داده می­ شود که در این روش برای قوانین با الویت یکسان باید از روش دیگری استفاده گردد. روش­های خبره­تر از اطلاعات آماری مرتبط با موفقیت­ها و عدم موفقیت­های پیشین در هنگام بکار بردن قوانین مختلف، به منظور پی­بردن به احتمال موفقیت، استفاده می­ کنند. همچنین برخی از روش­ها، هزینه­ های قوانین را که نشان­دهنده تلاش­هایی است که حل­کننده­ مسئله برای انجام اعمال بدان نیازمند است (مانند زمان) بحساب می­آورند] ۲[.
روشی که در این پژوهش به منظور رفع ناسازگاری بکار برده شده، با در نظر گرفتن یک خط استنتاج جداگانه برای هر یک از قوانین ناسازگار در طی روند استنتاج، تمامی حالات ممکن برای اولویت­ بندی در اجرای قوانین را تحت پوشش قرار می­دهد.
سیستم­های تصمیم­همیار و سیستم­های تصمیم­همیار هوشمند
به طور کلی، اخذ تصمیم، یکی از مهم­ترین و حساس­ترین فعالیت­هایی است که در هر سازمان و یا تشکیلاتی صورت می­گیرد] ۴۸[. برای پشتیبانی و حمایت از این روند پیچیده، دسته­ی متنوعی از سیستم­های اطلاعاتی مستقل بنام سیستم­های تصمیم­همیار، در طی دو دهه­ گذشته به وجود آمده­اند. این سیستم­ها به صورت ابزارهای مبتنی بر کامپیوتری که به منظور پشتیبانی از روند پیچیده­ اخذ تصمیم و حل مسئله ایجاد می­شوند، تعریف و در جهت ایجاد محیطی برای تحلیل مسائل، ساخت مدل­ها و شبیه­سازی رویه­ی تصمیم ­گیری و برنامه ­های تصمیم­گیرندگان طراحی می­گردند] ۴۹[.
این سیستم­های اطلاعاتی، که به منظور حمایت فعل و انفعالی از تمامی مراحل روند اخذ تصمیم یک کاربر، طراحی می­شوند، می­توانند شامل تکنولوژی­هایی برگرفته از زمینه ­های علمی مختلف شامل حسابداری، علوم شناختی، علوم کامپیوتر، اقتصاد، مهندسی، مدیریت، آمار و … باشند و اغلب از سه مولفه­ی زیرسیستم داده، زیر سیستم مدل (که دارای مکانیزمی برای پردازش داده می­باشد) و زیرسیستم ارتباط با کاربر، تشکیل شده ­اند] ۱۹[.
اگرچه، سیستم­های تصمیم­همیار با بکار بردن منابع اطلاعاتی و ابزارهای تحلیل گوناگون، شرایط بهتر و با کیفیت بیشتری را برای تصمیم­گیرندگان فراهم می­سازند و داشتن یک نقش حمایتی به جای جایگزینی کامل افراد در روند اخذ تصمیم، از اهداف اصلی آنهاست] ۱۲[، اما نمی­ توان آنها را به عنوان یک همیار هوشمند برای تصمیم­گیرندگان در نظر گرفت. سیستم­های تصمیم­همیار هوشمند، برای مسائل عمومی­ایی که به تصمیم ­گیری­های مکرر نیاز دارند، مفید و از لحاظ اقتصادی مقرون به صرفه هستند. این سیستم­های محاوره­ایی مبتنی بر کامپیوتر، برای حل مسائل نیمه ساخت­یافته، از، ترکیب داده و دانش تخصصی و مدل­هایی که برای حمایت از تصمیم­گیرندگان در سازمان­ها بکار می­رود، با تکنیک­های هوش مصنوعی، استفاده می­ کنند] ۵۰[.
تعاریف مختلفی از تفاوت­های میان یک سیستم تصمیم­همیار و یک سیستم تصمیم­همیار هوشمند وجود دارد که این امر به دلیل وجود انواع مختلف سیستم­های تصمیم­همیار هوشمند می­باشد. در این سیستم­ها، عملکرد هوشمندانه در تصمیم ­گیری، با بهبودهایی نظیر ارتقاء سیستم مدیریت پایگاه مدل و یا تقویت فاصل کاربر با بهره گرفتن از تکنیک­های گوناگون هوش مصنوعی مانند پردازش زبان طبیعی و یا سایر تکنیک­های مشابه، میسر شده است. همچنین، این نوع از سیستم­ها با حمایت از مسائلی با عدم قطعیت، امکان پشتیبانی از محدوده­ وسیع­تری از تصمیمات را فراهم ساخته و می­توانند قلمروهایی را کنترل و مدیریت نمایند که در آنها روند تصمیم ­گیری پیچیده­تر بوده و علاوه بر مهارت و خبرگی، به ارزیابی اثر راه­حل پیشنهادی نیز نیاز دارد. از دیگر مزایای سیستم­های تصمیم­همیار هوشمند نسبت به سیستم­های تصمیم­همیار، بهبود سازگاری در تصمیمات، بهبود تشریح و تفسیر و توجیه پیشنهادات ارائه شده توسط سیستم می­باشد] ۱۹[.
Holsapple و Whinston از اولین محققانی بودند که به طراحی و مطالعه­ سیستم­های تصمیم­همیار هوشمند، پرداختند] ۵۱[. آنها مشخصه­های زیر را برای این سیستم­ها پیشنهاد دادند:
این سیستم­ها شامل انواع مختلف دانش که نمودهای انتخاب شده­ایی از دنیای تصمیم­گیرنده را توصیف می­ کنند، می­باشند.
این سیستم­ها دارای توانایی بدست آوردن و نگهداری دانش توصیفی^[۲] مانند نگهداری رویداد^[۳] و انواع دیگر دانش هستند.
این سیستم­ها می­توانند دانش را به شیوه ­های مختلف تولید نموده و ارائه دهند.
آنها می­توانند دانشی را برای ارائه یا بدست آوردن دانش جدید، انتخاب نمایند.
این سیستم­ها می­توانند به صورت مستقیم (هوشمند) با تصمیم­گیرنده در ارتباط باشند.
اگرچه این سیستم­ها حامیانی هوشمند و انسان­گونه در روند تصمیم ­گیری هستند، اما تصمیم­گیرندگان باید تصمیمات نهایی و بحرانی را خود اتخاذ نمایند.
هدف از این پایان نامه
هدف از این پایان نامه، ارائه­ یک سیستم تصمیم­همیار هوشمند است که در هنگام وقوع ناسازگاری، برای هر یک از قوانین ناسازگار، یک خط استنتاج مجزا را در نظرگرفته و با پیشبرد استنتاج در هر یک از این خطوط، امکان آگاهی از نتایج انتخاب هر یک از راه­ حل­های ممکن را برای تصمیم­گیرنده فراهم می­سازد. این سیستم، یک سیستم مبتنی بر قانون است که به منظور یاری­نمودن یک بازیکن در یک بازی استراتژیک بلادرنگ طراحی و پیاده­سازی شده است.
در این پژوهش، روش­های گوناگونی که به منظور رفع ناسازگاری در سیستم­های هوشمند بکار برده شده و نیز ساختارهای مختلفی که برای سیستم­های تصمیم­همیار هوشمند مورد استفاده قرار گرفته، بررسی و ارائه شده است.
نگاه کلی به فصول پایان نامه
مطالب عنوان شده در این پایان نامه در قالب هفت فصل آورده شده‌اند. در فصل دوم، روش­های گوناگون رفع ناسازگاری شرح داده شده و فصل سوم به بیان ساختارهایی که برای سیستم­های تصمیم­همیار هوشمند در تحقیقات مختلف ارائه شده، می ­پردازد. در فصل چهارم بازی­های کامپیوتری استراتژیک بلادرنگ معرفی و ویژگی­های سیستم­های مربوط به این نوع از بازی­ها مطرح شده است. فصل پنجم، ساختار و مولفه­های سیستم پیشنهادی و نیز روش رفع ناسازگاری بکار برده شده در این سیستم را شرح می­دهد. ارزیابی سیستم پیشنهادی و نتایج آن در فصل ششم آورده شده و فصل انتهایی نیز به نتیجه ­گیری و ارائه­ کارهای آینده­ی می ­پردازد.
فصل دوم
روش­های رفع ناسازگاری
روش­های رفع ناسازگاری
مقدمه
رفع ناسازگاری، یک استراتژی، جهت انتخاب ترتیب اجرای قوانین است هنگامی که بیش از یک قانون بتواند اجرا شود. به طورکلی، در سیستم­هایی که رفع ناسازگاری در روند استنتاج آنها صورت می­گیرد، موتور استنتاج یک رویه­ی سه مرحله­ایی شناسایی- رفع – عمل را بر روی مجموعه­ قوانین اعمال می­ کند [۱]:
شناسایی: تشخیص قوانینی که می­توانند اجرا گردند و قراردادن آنها در مجموعه­ ناسازگاری.
رفع: استفاده از یک استراتژی به منظور انتخاب یک قانون از مجموعه­ ناسازگاری.
عمل: اجرای قانون منتخب و افزودن نتایج آن به حافظه­ کاری^[۴].
در استراتژی­ های رفع ناسازگاری، لیست اجرا^[۵]، فهرستی از تمامی قوانینی است که شرایط آنها ارضاء شده ولی هنوز اجرا نشده­اند. این لیست، همانند یک پشته^[۶] عمل می­ کند و قانونی که در بالای آن قرار دارد، پیش از سایر قوانین موجود در آن اجرا می­گردد. یک استراتژی رفع ناسازگاری، ترتیبی را برای اجرای قوانین موجود در لیست اجرا با اولویت یکسان تعیین می­نماید.
در این فصل در رابطه با روش­هایی که به منظور رفع ناسازگاری در سیستم­های مختلف بکار برده می­ شود، توضیحاتی ارائه شده است. این توضیحات، در ابتدا استراتژی­ های ساده­تر و در ادامه روش­هایی با پیچیدگی بیشتر را شرح می­دهد.
برخی استراتژی­ های ساده برای رفع ناسازگاری
به طور کلی به منظور رفع ناسازگاری در بسیاری از سیستم­ها، از روش­های ساده­ایی استفاده شده که در ادامه در رابطه با هر یک از این استراتژی­ها توضیحات مختصری ارائه می­گردد [۱]:
استراتژی تصادفی: در این استراتژی، به هر فعال­سازی^[۷]، یک عدد تصادفی نسبت داده می­ شود که به منظور تعیین مکان قرارگیری آن فعال­سازی، در میان فعال­سازی­هایی با اولویت یکسان، بکار برده خواهد شد. در برخی از سیستم­ها، این عدد تصادفی هنگامی که استراتژی تغییر می­یابد نیز نگاه داشته می­ شود تا در هنگام انتخاب مجدد این استراتژی ترتیبی مشابه، تولید گردد.
استراتژی عمقی: در این استراتژی، قوانینی که بتازگی فعال شده ­اند، در لیست اجرا، در بالای تمامی قوانین با اولویت یکسان قرار می­گیرند. به عنوان مثال، فرض کنید در یک مجموعه­ قوانین و حقایق، حقیقت fact-a منجر به فعال­سازی قوانین rule-1 و rule-2 گردد و حقیقت fact-b منجر به فعال­سازی قوانین rule-3 و rule-4 گردد. حال اگر حقیقت fact-a پیش از حقیقت fact-b وارد سیستم گردد، قوانین rule-3 و rule-4 در بالای قوانین rule-1 و rule-2 در لیست اجرا قرار خواهند گرفت. مکان rule-1 نسبت به rule-2 و rule-3 نسبت به rule-4، قراردادی خواهد بود.
استراتژی عرضی: در این استراتژی، قوانینی که بتازگی فعال شده ­اند، در پایین تمامی قوانین با اولویت یکسان قرار می­گیرند. به عنوان مثال، فرض کنید در یک مجموعه­ قوانین و حقایق، حقیقت fact-a منجر به فعال­سازی قوانین rule-1 و rule-2 گردد و حقیقت fact-b منجر به فعال­سازی قوانین rule-3 و rule-4 گردد. حال اگر حقیقت fact-a پیش از حقیقت fact-b وارد سیستم گردد، قوانین rule-1 و rule-2 در بالای قوانین rule-3 و rule-4 در لیست اجرا قرار خواهند گرفت. در این روش نیز مکان rule-1 نسبت به rule-2 و rule-3 نسبت به rule-4، قراردادی خواهد بود.
استراتژی سادگی^[۸]: در این استراتژی، در میان قوانین با اولویت یکسان، قوانینی که بتازگی فعال شده ­اند، در بالای تمامی قوانین فعال­شده با مشخصه^[۹]­ی یکسان و یا بیشتر، قرار می­گیرند. مشخصه­ی یک قانون با تعداد مقایسه­هایی که باید در قسمت سمت چپ^[۱۰] یک قانون انجام گیرد، تعیین می­ شود. هر مقایسه با یک ثابت و یا متغیرهایی که سابقاً مقید شده ­اند، یک واحد به مشخصه­ی قانون می­افزاید. همچنین هر فراخوانی تابع که در قسمت سمت چپ یک قانون انجام گیرد، نیز مشخصه­ی قانون را یک واحد افزایش می­دهد. توابع بولی and، or و not، مشخصه­ی یک قانون را تغییر نمی­دهند، اما آرگومان­های آنها سبب تغییر مشخصه می­گردند. فراخوانی توابع در صورتی که در داخل یک فراخوانی تابع صورت گیرند نیز سبب افزایش مشخصه نمی­گردند. به عنوان مثال مشخصه­ی قانونی که در زیر تعریف شده است، ۵ می­باشد.
مقایسه با یک ثابت، مقایسه متغیر ورودی x با انقیاد قبلی آن و فراخوانی توابع numberp، < و >، هر یک، یک واحد به مشخصه­ی قانون می­افزاید و فراخوانی توابع and و + تاثیری در مقدار مشخصه نخواهد داشت.
استراتژی پیچیدگی^[۱۱]: در این استراتژی، در میان قوانین با اولویت یکسان، قوانینی که بتازگی فعال شده ­اند، در بالای تمامی قوانین فعال­شده با مشخصه­ی یکسان و یا کمتر، قرار می­گیرند.
استراتژی LEX^[12]: در این استراتژی در ابتدا، تازگی (تأخر)^[۱۳] نهاد الگوهایی^[۱۴] که منجر به فعال­سازی قانون شده ­اند، به منظور تعیین مکان قرارگیری قانون فعال­شده، بکار برده می­شوند. هر حقیقت و نمونه^[۱۵]، ذاتا ً با یک “برچسب زمان” که نشان­دهنده تازگی نسبی آن در مقایسه با هر حقیقت و یا نمونه­ دیگری در سیستم است، نشانه­گذاری می­گردد. نهاد الگوهای مربوط به فعال­سازی هر قانون به منظور تعیین مکان قرارگیری، به ترتیب نزولی مرتب می­گردند. یک فعال­سازی با نهاد الگوهایی با تازگی بیشتر، پیش از فعال­سازی­هایی با نهاد الگوهایی با تازگی کمتر قرار می­گیرد. برای تعیین ترتیب قرارگیری دو فعال­سازی، برچسب­های زمان مرتب شده دو فعال­سازی، با شروع از دو بزرگترین برچسب زمان، یک به یک مقایسه می­گردند. این مقایسه باید تا هنگامی که برچسب زمان یک فعال­سازی، بزرگتر از برچسب زمان متناظر با آن از فعال­سازی دیگر، باشد ادامه یابد. فعال­سازی با برچسب زمان بزرگتر پیش از سایر فعال­سازی­ها در لیست اجرا قرار می­گیرد. اگر یک فعال­سازی نهاد الگوهای بیشتری نسبت به سایر فعال­سازی­ها داشته باشد و برچسب زمان­های مقایسه شده، همگی مساوی باشند، فعال­سازی با برچسب زمان­های بیشتر پیش از سایر فعال­سازی­ها در لیست اجرا قرار می­گیرد. اگر دو فعال­سازی دارای تازگی دقیقاً مساوی باشند، فعال­سازی با مشخصه­ی بیشتر در بالای فعال­سازی با مشخصه­ی کمتر قرار می­گیرد. برچسب زمان یک عامل شرطی not، کمتر از برچسب زمان یک نهاد الگو می­باشد.
به عنوان نمونه، شش فعال­سازی زیر را در نظر بگیرید (کاما در پایان هر فعال­سازی نشان­دهنده حضور یک عامل شرطی not می­باشد). در این مثال فرض بر این است که برچسب زمان حقایق، مشابه با اندیس آنها باشد.
لیستی که در زیر آمده، ترتیبی است که استراتژی LEX برای اجرا در نظر می­گیرد.
برطبق این استراتژی، ترتیب اجرای قوانین از بالا به پایین خواهد بود.
استراتژی MEA^[16]: در این استراتژی در ابتدا، برچسب زمان اولین نهاد الگوی مربوط به اولین الگو، به منظور تعیین مکان قرارگیری قانون فعال­شده، بکار برده می­ شود. فعال­سازی­ایی که برچسب زمان اولین الگوی آن بزرگتر از برچسب زمان اولین الگوی سایر فعال­سازی­ها باشد، پیش از سایر فعال­سازی­ها در لیست اجرا قرار می­گیرد. اگر دو فعال­سازی دارای دو برچسب زمان متناظر با اولین الگوی مساوی باشند، از استراتژی LEX برای تعیین مکان قرارگیری فعال­سازی­ها استفاده می­گردد. به عنوان مثال، ترتیبی که این استراتژی برای اجرای شش فعال­سازی مثال قبل در نظر می­گیرد، به صورت زیر (از بالا به پایین) خواهد بود.
رفع ناسازگاری با بهره گرفتن از یک مقدار سودمندی
از جمله استراتژی­ های دیگری که برای رفع ناسازگاری بکار برده می­ شود، استفاده از یک مقدار سودمندی^[۱۷] است. در این روش که در ساختار شناختی^[۱۸] ACT-R نیز اعمال شده [۲]، به هر قانون i، یک مقدار سودمندی U_i نسبت داده می­ شود و در هنگام وقوع ناسازگاری، قانون با بیشترین مقدار U_i انتخاب می­گردد (). این مقدار سودمندی برای هر قانون به صورت زیر تعریف می­گردد:
(۲-۱)
که در آن، P_i احتمال پیش ­بینی شده برای تحقق هدف پس از اجرای قانون i، C_i میانگین هزینه­ قانون (میانگین مدت زمان لازم برای رسیدن به هدف)، G پارامتر مقدار هدف (که معمولا بر حسب واحدهای زمانی اندازه ­گیری می­ شود) و مقدار پیش ­بینی شده برای نویز هدف می­باشد. یک عدد تصادفی است که از یک توزیع نرمال با میانگین صفر و واریانس بدست می ­آید. این روش رفع ناسازگاری، مشخصه­های حل مسئله توسط انسان مانند احتمال تطبیق و تاثیر انتخاب را مدل می­ کند. در حقیقت، سودمندی، تابعی از احتمال موفقیت و مقدار هدف می­باشد.
نویز ξ در رفع ناسازگاری، کاندید مناسبی برای مدل­سازی سطوح مختلف خبرگی است. بررسی­های صورت گرفته [۳] نشان می­دهد که با افزایش واریانس نویز ، یک مدل حل مسئله­ خبره ممکن است مانند یک مدل حل مسئله­­ی بی­تجربه رفتار کند.

پیوستگی های اپیدمیولوژی :
تماس با افراد مشکوک به بیماری ( از مرحله کاتارال تا ۳ هفته بعد از شروع سرفه)
واجد علامت آزمایشگاهی پرتوسیس در یکی از نمونه ها
شروع بیماری۲۰-۶ روز پس از تماس با فرد بیمار

ملاحظات آزمایشگاهی :
اگر علائم نازوفارنکس در کشت و حلق کمتر از سه هفته طول بکشد PCR و تیتر IgG مد نظر قرار گیرد.
اگر بیشتر از سه هفته از شروع سرفه گذشته باشد تیتر IgG بر علیه توکسین پرتوسیس ملاحظه گردد(۸).

۱-۱۰ .پاسخ ایمنی در برابر بیماری سیاه سرفه
دو فاکتور ویرولانس این باکتری مثل لیپوپلی ساکارید و پرتوسیس توکسین به وسیله رسپتورهای ماکروفاژ و سلول های دندریتیک شناسایی می شوند لیپوپلی ساکارید، ماکروفاژها را از طریق مسیر TLR فعال می کند (۳۴).
مسیر TLR که به وسیله لیپوپلی ساکارید تحریک شده باعث تحریک و تنظیم شدن مولکول هایی بر روی ماکروفازها و سلول­های دندریتیک شامل: ICAM-1، CD40، CD86، CD80، CD86، CD40، ICAM-1 می­ شود این مولکول ها نقش مهمی را در عفونت پرتوسیس دارند و بیان آنها عفونت پرتوسیس را اصلاح می­ کند (۶۸).
نوتروفیل ها به وسیله سایتوکاین ها و شیمیوکین ها به محل عفونت وارد شده و نقش آنها کنترل تعداد باکتری ها تا زمان فعال شدن سیستم ایمنی می باشد و به وسیله فاگوسیتوز و به وسیله آزاد کردن عوامل آنتی باکتریال این کار را انجام می دهند (۶۸).
در پاسخ ایمنی ذاتی به وسیله آزاد شدن سایتوکاین هایی از قبیل IL-6، IL-1 و TNFα، تب و ادم^[۸۸]اتفاق می­افتد. بالا رفتن تب محیط نا مناسبی را برای تهاجم باکتری ایجاد می کند (۵۵).

( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۱-۱۰-۱٫ پاسخ ایمنی همورال
پاسخ ایمنی همورال برای پاکسازی دستگاه تنفس از پاتوژن های ساکن دستگاه تنفس لازم است. اما پاسخ همورال در این عفونت پاسخ غالب نیست و در واقع تنها پاسخ به عفونت نیست.
اگرچه سلول های ایمنی گروه B برای از بین بردن سه گونه بوردتلا از دستگاه تنفس لازم هستند، اما برای از بین بردن عفونت دستگاه تنفس انسانی که توسط پرتوسیس و پاراپرتوسیس ایجاد می شود کافی نبوده و نیازمند حضور سایر آنتی بادی ها می باشد. اما وجود این گروه برای از بین بردن بوردتلا برونشی سپتیکا کافی می باشد (۵۵).
لذا موش هایی که در پاسخ به سلول های B مشکل دارند نمی توانند پرتوسیس را از دستگاه تنفس پاکسازی نمایند. آزمایشات نشان می دهد که تیتر آنتی بادی با پاکسازی عفونت از دستگاه تنفس ارتباطی ندارد. اگرچه باکتری با یک مکانیسم ناشناخته در مقابل پاکسازی عفونت از دستگاه تنفس مقاومت می کند (۶).
به هر حال سلول های B به عنوان قسمتی از یک پاسخ مؤثر علیه بوردتلا پرتوسیس در نظر گرفته می شوند. در پاسخ به بوردتلا پرتوسیس سلول های B، آنتی بادی های IgG، IgE، IgA تولید می کنند. این سه ایزوتوپ کوچک هستند و قادرند به داخل بافت و فضای بین سلولی نفوذ کنند همچنین IgG و IgA اختصاصی بوردتلا پرتوسیس هستند و قادر به القاء فاگوسیتوز و کشتن باکتری ها می باشند و نیز به عنوان آنتی بادی های خنثی کننده توکسین باکتری به کار می روند (۴۱).
کلونی های بوردتلا پرتوسیس در سطح مجاری تنفسی باعث ایجاد آنتی بادی از نوع IgA می شود. پرتوسیس توکسین و هماگلوتینین رشته ای باعث القای IgA در موش می شود.
بوردتلا پرتوسیس مقدار زیادی توکسین تولید می کند که از جمله آنها پرتوسیس توکسین بوده که مقدار IgA، IgG، IgE را افزایش می دهد. به علاوه بیان IL-1 (به وسیله ماکروفازها) و B7 (به وسیله ماکروفاژها و سلول های B) و CD28 (به وسیله سلول های T) در پاسخ به پرتوسیس توکسین افزایش می یابد. IL-1 در تحریک Th2 نقش مهمی دارد و می تواند سلول های B را به تمایز در داخل پلاسماسل ها تحریک کند و به این ترتیب تیتر بالای آنتی بادی علیه پرتوسیس توکسین در پاسخ به بوردتلا پرتوسیس تولید می شود (۵۵).
پاسخ آنتی بادی به توکسین باکتریایی نقش مهمی را در ایمنی بازی می کند. رسپتور Fcγ برای پاکسازی عفونت بوردتلا پرتوسیس لازم است. این رسپتور IgG باکتری را شناسایی کرده و فاگوسیتوز باکتری را تسهیل می کند. پاسخ آنتی بادی در کنار پاسخ ایمنی سلولی و پاسخ ایمنی ذاتی باعث پاکسازی عفونت از دستگاه تنفس می­ شود.
از آنجاییکه پاسخ همورال برای از بین بردن سه گونه بوردتلا از دستگاه تنفس لازم است اما برای از بین بردن عفونت دستگاه تنفس کافی نیستند. حفاظت در چلنج تنفسی موش در غیاب پاسخ آنتی بادی قابل کشف می تواند رخ دهد. فعالیت آنتی بادی بین روز های ۱۰ تا ۱۵ بعد از ایمن سازی دیده نشده است. اگرچه موش ها بر علیه چلنج داخل مغزی حفاطت شده است. بنابراین پرتوسیس توکسین فعالیت حفاظتی واکسن بوردتلا پرتوسیس را به وسیله تأثیر ادجوانتی آنتی بادی حداقل در مراحل اولیه پاسخ ایمنی افزایش نمی دهد (۴۱).
حداکثر مقدار آنتی بادی در ۳۰ روز بعد از تزریق واکسن تولید می شود و موش ها به تمام آنتی بادی ها پاسخ می دهند. در حالیکه، واکسن سلولی سطح آنتی بادی پایین تری را به تمام آنتی ژن ها در مقایسه با واکسن غیرسلولی نشان می دهد. به جز در پاسخ به آنتی ژن فیمبریه که در دریافت­کنندگان واکسن های غیر سلولی تولید نمی شود و در حالت کلی پاسخ آنتی بادی در دریافت کنندگان واکسن غیر سلولی و سلولی متفاوت است (۵۵).
۱-۱۰-۲٫ پاسخ ایمنی سلولی
ایمنی سلولی تولید شده نقش کلیدی در حفاظت علیه عفونت دارد. توسعه این نوع پاسخ ایمنی در پاکسازی میکروارگانیسم­ها و در حفاظت ثانویه میتواند مهم باشد. پاسخ ایمنی سلولی ایجاد شده در برابر عفونت بوردتلا پرتوسیس نسبت به پاسخ همورال پایدارتر است. بنابراین ایمنی سلولی به عنوان نماینده برای بررسی اولیه علیه بوردتلا پرتوسیس در نظر گرفته می شود. بالاترین سطح ایمنی سلولی علیه توکسین پرتوسیس در رده های سنی ۱۴-۱۲ سال و ۱۵-۲۴ سال است که در گروه ها ی سنی دیگر کاهش می یابد. پاسخ ایمنی سلول با افزایش سن کاهش می یابد. در کشورهایی با پوشش واکسیناسیون کم، میزان بالای گردش عامل بیماری و گسترش آن زیاد بوده است (۴۱).
سلول های T برای پاک کردن عفونت لازم هستند و پاسخ طبیعی به پاسخ ایمنی برای پاک کردن عفونت کمک می کند. واکسن سلولی بوردتلا پرتوسیس پاسخ Th₁ را در کودکان القاء می کند. افزایش سریع بیماری های آلرژیک در کشور های توسعه یافته با کاهش چشمگیر در شیوع بسیاری از بیماری های عفونی در ارتباط است این ارتباط نتیجه القاء پاسخ سلول های T از نوع Th₁ است که نقش مهاری بر روی القاء Th₂ دارد توانایی القاء سلول Th₁ یا سلول Th₂ در مواجهه با آنتی ژن از توانایی ذاتی سیستم ایمنی است. این مسئله در نوزادان اهمیت بیشتری دارد که سلول های حافظه برای این آنتی ژن ها ندارند (۳۴).
ترشح سایتوکاین در پاسخ به این باکتری در ارتباط با پاسخ Th₁ و Th₂ است. CD8 در پاک کردن عفونت نقشی ندارد و محافظت ایجاد نمی کند در حالی که در موشهایی که CD4 آنها نقص وجود دارد در برابر عفونت محافظت نمی شوند. پاسخ ایمنی سلولی بیشتر مربوط به تاثیر توکسین های باکتری است (مانند: پرتوسیس توکسین، هماگلوتینین رشته ای،CyaA ). پرتوسیس توکسین پاسخ را افزایش می دهد و CyaA و لیپو پلی ساکارید اثر سینرژیکی روی القاء پاسخ Th₂ دارد (۶۸).
در عفونت بوردتلا پرتوسیس ترشح سایتوکاین به سمت پاسخ Th₁ رانشان می دهد بعد از چلنج با بوردتلا پرتوسیس، سلول هایT به فراوانی ظاهر شده و تعدادشان زیاد می شود. این سلول های T، اینترفرون گاما تولید کرده اما IL-4و IL-10را تولید نمی کنند. این سلول های T همان سلول هایTh₁ هستند و مطالعات دیگر نشان می دهد سلول های Th₁ مسئول فعال کردن ماکروفاژ ها هستند. همچنین آنها سلول های B را القاء می کنند تا آنتی بادی ترشح کنند (۴۱).
فاکتورهایی که تاثیر گذاری Th₂ را تقویت می کنند ممکن است پاسخ ایمنی بعدی را به سمت خاطره ایمنی Th₂ هدایت کنند. از آنجاییکه آنتی ژن هایی که سایتوکاین هایی از نوع Th₁ را القا می کنند ممکن است با خاطره ایمنی توسط قطبیت Th₂ را مهار کنند، شناسایی فاکتورهای محیطی که پاسخ ایمنی را به سمت Th₁ و یا Th₂ هدایت می کند ممکن است بسیار مهم باشد. در کشورهای توسعه یافته واکسن غیر سلولی جایگزین واکسن سلولی پرتوسیس شده است. به این دلیل که واکسن غیر سلولی نسبت به واکسن سلولی واکنش های ناخواسته کمتری ایجاد می کند. واکسن غیر سلولی از ترکیبات خالص شده متنوعی از باکتری تشکیل شده و حفاظت ۸۵% در مقایسه با حفاظت ۹۵-۹۰% که واکسن سلولی دارد، ایجاد می کند.
این دو نوع واکسن پاسخ ایمنی متفاوتی را در انسان و موش ایجاد می کنند. در حالی که واکسن سلولی شبیه به عفونت با باکتری بوردتلا پرتوسیس باعث القاء سلول های Th₁ می شوند، اما واکسن غیر سلولی پاسخ Th₂را القاء می کند (۴۱).
۱-۱۱٫ روش های آزمایشگاهی تشخیص
روش های آزمایشگاهی تشخیص بیماری از جمله کشت، سرولوژی و PCR حساسیت و ویژگی های مختلفی دارند. کشت سیاه سرفه به دلیل کند رشد بودن باکتری تنها در مراحل اولیه ی بروز بیماری پاسخ مناسبی را ارائه می نماید. سرولوژی در نوزادان و در افراد سالخورده به دلیل نبود آنتی بادی بالا و تأخیر بیش از حد تشخیص چندان مفید نیست. هیچ روشی مانند PCR نتایج سریع ندارد، با این حال لازم است به منظور جلوگیری از آلودگی اطلاعات خاص هر روش تشخیصی با دقت دنبال شود (۴۸).
۱-۱۱-۱٫کشت
کشت^[۸۹] به عنوان استاندارد طلایی در نظر گرفته شده است، با این حال، اگر نمونه دو هفته پس از شروع سرفه اخذ شده باشد حساسیتش به شدت کاهش می یابد. همچنین حساسیت کشت درصورت وجود واکسیناسیون یا تاریخچه ابتلاء قبلی به بیماری نیز کاهش می یابد. سه هفته پس از شروع سرفه، حساسیت کشت تنها ۳-۱% بوده و این حساسیت در بالغین و حتی سالمندان کمتر نیز خواهد بود. با این حال، کشت، امکان تایپینگ^[۹۰] و تعیین حساسیت باکتری به آنتی بیوتیک را امکان پذیر نموده و نتایج آن طی ۷۲ ساعت، به خصوص در عفونت با تیتر بالا، نظیر نوزادان غیر ایمن قابل دسترس خواهد بود، اما حداقل دو هفته نیاز است تا بتوان نتیجه کشت را منفی تلقی نمود. حساسیت کشت بسته به روش نمونه برداری ممکن است کاهش یابد بعنوان مثال نمونه برداری توسط سوآپ از نازوفارنکس^[۹۱]بهتر از بینی است و استفاده از سوآپ پنبه ای منجر به کاهش حساسیت کشت می شود (۳۶و۵۵).
۱-۱۱-۲٫ سرولوژی
آنتی‌بادی علیه آنتی ژن‌های مختلف سیاه‌سرفه نظیر PT، PRN، FHA، پروتئین فیمبریه و کل ارگانیسم پس از عفونت طبیعی ظاهر می‌شود. افزایش آنتی‌بادی‌های کلاس IgG علیه PT و FHA در بیش از ۹۰% از عفونت‌ها، IgG علیه PRN در۶۰-۳۰%، IgA علیه PRN 40-20٪، IgA علیه PT 40-20٪ و IgA علیه FHA در۵۰-۳۰٪ ازعفونت‌ها رخ می‌دهد. با این حال، حدمرز^[۹۲]آنتی‌بادی برای تعیین تشخیص بیماری سیاه‌سرفه قابل بحث و تا حدودی وابسته به تست می‌باشد. حساسیت آزمون‌های سرولوژیک نسبت به ویژگی‌اش، در حدود ۲۰ الی ۹۰ درصد در مقایسه با کشت و یا PCR کمتر است. در حالت حاد^[۹۳] بیماری سرم کمتر از ۲ هفته از شروع بیماری و در هنگام نقاهت بیماری سرم ۴ هفته بعد از اندازه گیری سرم حاد به منظور تشخیص سرولوژیک بیماری به‌کار می‌رود ولی غالباً تشخیص سرولوژیک برای تشخیص دیرهنگام بیماری در مورادی که سرم مرحله حاد بیماری موجود نباشد، به کار می‌رود. سرولوژی، به خصوص براساس IgA سرمی در کودکان زیر ۲ سال مفید نیست. سرولوژی در کودکان با سنین بالاتر از ۲ سال و بزرگسالان و به ویژه زمانی که با تشخیص دیرهنگام بیماری، روش‌های تشخیصی چون کشت و PCR احتمال کمتری دارد که به نتیجه مثبت برسد مفیدتر است (۱۳).
در نوجوانان و بزرگسالان که واجد ایمنی ناقص حاصل از واکسیناسیون و یا ایمنی ناشی از عفونت قبلی می‌باشند برای تشخیص سرولوژیک بیماری حتماً نیاز به دوبار نمونه‌گیری سرمی مجدد می‌باشد تا بتوان افزایش آنتی‌بادی ناشی از عفونت را اثبات نمود.
حساس‌ترین تست آزمون سرولوژیک IgG یا IgA علیه PT است، چون این آنتی‌بادی‌ها منحصر به سیاه‌سرفه بوده و تا مدت ۵/۴ ماه بعد از عفونت و حتی در ۸۲% از موارد تا یک سال بعد از بیماری نیز بالاتر از سطح حدمرز بوده‌اند. به همین دلیل تیتر بالا از IgG علیه PT به عنوان یک مارکر برای تشخیص بیماری حاد سیاه‌سرفه با تقریب ۷۶% حساسیت و ۹۹% ویژگی به‌کار می‌رود. در مقابل، تست ELISA که آنتی‌بادی‌ها را علیه آنتی ژن‌های سلولی سیاه‌سرفه می‌سنجد کمترین حساسیت و ویژگی را دارد (۴۹). تشخیص بیماری براساس افزایش تیتر IgG به تنهایی بیشتر به‌صورت بالینی مفید است. تحقیقات محققان هلندی در سال ۲۰۰۸ نشان داد که افزایش تیتر IgG علیه PT بیش از ۱۰۰ واحد هلندی بر میلی لیتر شاخصی برای عفونت ناشی از سیاه‌سرفه طی مدت ۴ هفته می‌باشد که طی آن آنتی‌بادی به میزان ۴ تا ۸ برابر از مرحله حاد بیماری تا دوران نقاهت افزایش یافته و در کنار آن تست‌های کشت و یا PCR بیمار نیز باید مثبت باشد (۳۶).
Pebodyو همکاران گزارش کردند که یک واحد سرمی یعنی غلظت آنتی‌بادی lgG ضدPT معادل ESEN Unit/ml 125 در طول مدت ۶ ماه از بیماری ثابت بوده، در حالیکه غلظت همین آنتی‌بادی درسطح ESEN Unit/ml کمتر از ۵/۶۲ در طول مدت یکسال از بیماری ثابت بوده است (۵۲).
در حال حاضر تنها استرالیا، فنلاند و هلند تست‌های سرولوژیک بر پایه افزایش تیتر IgA و یا IgG علیه PT را در کتابچه ملی اقدامات سیاه‌سرفه خود لحاظ نموده‌اند در حالیکه قبلاً استرالیا و فنلاند از افزایش تیتر علیه کل جرم باکتری و در هلند از IgG علیه PT استفاده می شد (۱۹و۱۶).
۱-۱۱-۳٫٫PCR.