دوره 25، شماره 133 - ( بهمن 1394 )                   جلد 25 شماره 133 صفحات 182-171 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Firouzi Jahantigh F, Nazarnejad R, Firouzi Jahantigh M. Investigating the Risk Factors for Low Birth Weight Using Data Mining: A Case Study of Imam Ali Hospital, Zahedan, Iran . J Mazandaran Univ Med Sci 2016; 25 (133) :171-182
URL: http://jmums.mazums.ac.ir/article-1-6947-fa.html
فیروزی جهانتیغ فرزاد، نظرنژاد راحله، فیروزی جهانتیغ ماهرخ. شناسایی، بررسی و رتبه بندی عوامل خطر وزن کم نوزادان در زمان تولد با استفاده از تکنیک های داده کاوی: مطالعه موردی بیمارستان امام علی (ع) دانشگاه علوم پزشکی زاهدان. مجله دانشگاه علوم پزشکی مازندران. 1394; 25 (133) :171-182

URL: http://jmums.mazums.ac.ir/article-1-6947-fa.html


چکیده:   (6866 مشاهده)

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.

متن کامل [PDF 712 kb]   (2373 دریافت)    
نوع مطالعه: پژوهشي-کامل | موضوع مقاله: مهندسی پزشکی

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله دانشگاه علوم پزشکی مازندران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Mazandaran University of Medical Sciences

Designed & Developed by : Yektaweb