زمینه و هدف:بررسی وضعیت مرگ­ومیر در یک جمعیت به عنوان یکی از روش­های مناسب تعیین سلامت مورد توجه بوده است، گرچه با مشکلاتی از قبیل عدم اطمینان به صحت و کیفیت داده­ها و روش جمع‌آوری آن روبرو بوده است. راه­اندازی نظام­های ثبت مرگ­ومیر با استفاده از کدهای بین­المللی طبقه‌بندی بیماری‌ها و ادغام اطلاعات مرگ­ومیر توسط سازمان­های مسئول تا حد زیادی مشکلات قبلی را مرتفع ساخته است. در این پژوهش با در نظر گرفتن مجموعه‌ای از پارامترها، ابتدا جامعه مورد بررسی به دو گروه داده‌های مربوط متوفیان زیریکسال و بالای یکسال تقسیم شدند سپس این دو گروه داده با استفاده از روش K-meansخوشه­بندی شدند تا گروه‌های مختلف شناسایی شوند. همچنین با استفاده از روش درخت تصمیم به کشف مدل‌ها و الگوهای موثر پرداخته شد. در آخر از الگوریتم شبکه‌های عصبی که یکی از کارکردهای آن نشان دادن ویژگی‌ها به ترتیب اهمیتشان است استفاده شد.

روش بررسی:در این پژوهش به بررسی 12865 داده­ی مربوط به متوفیان استان گلستان پرداخته شده است. داده های مورد استفاده در این مقاله مربوط به اول فروردین 1388 تا پایان فروردین 1389 می باشند. این داده‌ها از مرکز بهداشت استان گلستان تهیه شدند.ویژگی‌های مورد استفاده در این داده‌ها سن متوفی، جنسیت متوفی،علت فوت،منطقه سکونت، محل فوتو وقوع فوت می‌باشند. برای خوشه­بندی در این پژوهش از الگوریتم K-means استفاده شد، دسته­بندی نیز به کمک الگوریتم­های درخت تصمیم و الگوریتم شبکه‌های عصبی انجام پذیرفت سپس نتایج و قوانین حاصل از الگوریتم ها استخراج شدند. در ضمن به جهت تفاوت ماهیت علل مرگ و میر در نوزادان و بزرگسالان از نظر پزشکان، لیست متوفیانی که دارای سن زیر یکسال هستند در فایلی جداگانه قرار می­گیرند و بررسی می شوند.

یافته‌ها:در روش خوشه‌بندی، تعداد بهینه خوشه‌ها با استفاده از اندازه‌گیری شاخص Dunn، هشت خوشه برای داده‌های زیر یکسال و هفت خوشه برای داده‌های بالای یکسال به دست آمد. از میان چهار الگوریتم درخت تصمیم نظیر C5.0، QUEST، CHAID و CART، الگوریتم C5.0 با نرخ تشخیص  77.37 درصد برای زیر یکسال و  96.86 درصد برای بالای یکسال بهترین روش شناخته شد. با اجرای الگوریتم شبکه‌های عصبی ویژگی‌های سن متوفی، محل فوت و جنسیت از  جمله ویژگی‌های با اهمیت در پیش‌بینی شناخته شدند.

نتیجه‌گیری: این پژوهش با در نظر گرفتن عوامل تاثیرگذار در فوت افراد و مبنا قرار دادن استاندارد طبقه بندی بین‌المللی بیماری‌ها، به خوشه بندی داده‌ها پرداخت و به دنبال یافتن الگوی مرگ و میر برای افراد زیر یکسال و بالای یکسال است. با توجه به صریح بودن و قابلیت فهم بالای درخت تصمیم و قوانین استخراج شده توسط آن، می‌تواند برای متخصصین در این حوزه قابل استفاده قرار گیرد.