زمینه و هدف: پیش بینی وضعیت سلامت نوزادان دربدو تولد و همچنین شناسایی عوامل تاثیر گذار بر آن از اهمیت زیادی برخوردار است. روش های متفاوتی برای این پیش بینی وجود دارد. در این مطالعه با استفاده از الگوریتم های درخت تصمیم به کشف مدل ها و الگوهای موثر پرداخته شده است. روش بررسی: این مطالعه بر روی 1668 زایمان در سه بیمارستان شهدا، امیدی و مهر شهرستان بهشهر انجام شد. متغیرهای جنسیت، وزن و رتبه تولد نوزاد، سن، سابقه بیماری، بیماری دوران بارداری، نوع زایمان، علت سزارین، سن حاملگی، گروه خونی، شغل، فشار خون و محل زندگی مادر، نسبت فامیلی پدر و مادر، گروه به عنوان متغیر های پیش بینی کننده روش دسته بندی درخت تصمیم و همچنین وضعیت سلامت نوزاد هنگام تولد به عنوان متغیر دو وضعیتی وابسته مورد استفاده قرار گرفتند. تمامی متغیرها در خوشه بندی و قواعد تلازمی نیز استفاده شدند. پیش بینی با 4 الگوریتم درخت تصمیم انجام و با یکدیگر مقایسه شدند. یافته ها: در روش خوشه بندی، تعداد بهینه خوشه ها با استفاده از اندازه گیری شاخص Dunn، هشت خوشه تعیین شد. در میان الگوریتم های اجرا شده ی CART، QUEST، CHAID و C5.0 ، الگوریتم C5.0 با نرخ تشخیص 94.44 درصد، به عنوان بهترین الگوریتم شناسایی شد. با پیاده سازی الگوریتم Apriori نیز قواعد تلازمی استخراج شدند که با در نظر گرفتن حد آستانه برای پشتیبان (Support) و اطمینان (Confidence)، قواعد قوی استخراج شدند. در میان ویژگی ها، سن حاملگی با بیش‌ترین تاثیر و وزن نوزاد و علت سزارین از جمله ویژگی های با اهمیت زیاد در پیش بینی بودند. نتیجه گیری: با توجه به تفسیر ساده درخت تصمیم و قابل فهم بودن قوانین استخراج شده از آن برای (اغلب افراد) متخصصین و همچنین زنان باردار، می توان در سطوح مختلف از آن استفاده نمود.

واژه‌های کلیدی: داده کاوی، خوشه بندی، درخت تصمیم، قواعد تلازم، وضعیت سلامت نوزادان

متن کامل [PDF 1073 kb]   |   متن کامل (HTML) [English Abstract]   (9930 دریافت)