%0 Journal Article %A Firouzi Jahantigh, Farzad %A Nazarnejad, Rahele %A Firouzi Jahantigh, Mahrokh %T Investigating the Risk Factors for Low Birth Weight Using Data Mining: A Case Study of Imam Ali Hospital, Zahedan, Iran %J Journal of Mazandaran University of Medical Sciences %V 25 %N 133 %U http://jmums.mazums.ac.ir/article-1-6947-fa.html %R %D 2016 %K low birth weight, infant, health care, data mining, %X سابقه و هدف: نرخ بالای مرگ و میر مادران، نوزادان، و تولد زودرس یک مسئله مهم بهداشت عمومی در سراسر جهان است. هدف مطالعه شناسایی، بررسی و رتبه‌بندی عوامل کم وزنی نوزادان با تکنیک‌های داده کاوی برای شناسایی میزان تاثیر متغیرهای پیش‌بینی کننده و توسعه یک سیستم پشتیبانی تصمیم‌گیری برای کمک به پزشکان در تصمیم‌گیری بهترهنگام تولد نوزادان کم وزن است. مواد و روش‌ها: اطلاعات بخش اطفال بیمارستان امام علی دانشگاه علوم پزشکی زاهدان از جمله مصرف دخانیات، سن مادران و ... در سال 1392 مورد بررسی قرار گرفت. در بخش مدل‌سازی از الگوریتم‌های مختلف داده کاوی استفاده گردید. برای تحلیل داده‌ها از نرم‌افزار کلمنتاین استفاده شده است. یافته‌ها: متغیرهایی که برای پیش‌بینی کم وزنی نوزادان در زمان تولد بسیار موثرند وزن مادر (100 درصد)، سن مادر (98 درصد)، تعداد مراجعه به پزشک در سه ماهه اول بارداری (86/45 درصد) و سابقه زایمان زودرس (11/43 درصد) و سایر متغیرها به طور ضعیفی پیش‌بینی را تحت تاثیر قرار دادند. استنتاج: نتایج مطالعه بیانگر ارتباط وزن کم نوزادان در زمان تولد با وزن مادر، سن مادر، تعداد مراجعه به پزشک در سه ماهه اول بارداری، سابقه زایمان زودرس قبلی، فشارخون بالا، نژاد، تحریک‌پذیری رحم و مصرف دخانیات بود. صحت پیش‌بینی که با رگرسیون لجستیک مقایسه شده، در تکنیک‌های داده کاوی بهبود می‌یابد. درخت طبقه‌بندی به خوبی وزن کم نوزادان در زمان تولد را مشخص می‌کند و تکنیک جنگل تصادفی در تشخیص بیماری نقش مهمی دارد. %> http://jmums.mazums.ac.ir/article-1-6947-fa.pdf %P 171-182 %& 171 %! %9 Research(Original) %L A-10-29-391 %+ Assistant Professor, Department of Industrial Engineering, Faculty of Industrial Engineering, University of Sistan and Baluchestan, Zahedan, Iran %G eng %@ 1735-9260 %[ 2016