این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله حکیم سیداسماعیل جرجانی، جلد ۲، شماره ۲، صفحات ۶۸-۵۹
عنوان فارسی استفاده از الگوریتم های داده کاوی در بررسی عوامل موثر بر پیش بینی وضعیت بدو تولد نوزادان
چکیده فارسی مقاله 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.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Use of data mining algorithms in assessing the affecting factors on predicting the health status of newborns
چکیده انگلیسی مقاله Background & Objective: Prediction of health status in newborns and also identification of its affecting factors is of the utmost importance. There are different ways of prediction. In this study, effective models and patterns have been studied using decision tree algorithm. Method: This study was conducted on 1,668 childbirths in three hospitals of Shohada, Omidi and Mehr in city of Behshahr. Variables such as baby's gender, birth weight, birth order, maternal age, maternal history of illness, gestational diseases, type of delivery, reason of caesarean section, maternal age, family relationship of father and mother, mother's blood type, mother's occupation and blood pressure and place of residence were chosen as predictive factors of decision tree categorization method. The health status of the baby was used as a dependent dual-mode variable. All variables were used in clustering and correlation rules. Prediction was done and then compared using 4 decision-tree algorithms. Results: In the clustering method, the optimal number of clusters was determined as 8, using the Dunn index measurement. Among all the implemented algorithms of CART, QUEST, CHAID and C5.0, C5.0 algorithm with detection rate of 94.44% was identified as the best algorithm. By implementing the Apriori algorithm, strong correlation rules were extracted with regard to the threshold for Support and Confidence. Among the characteristics, maternal age, birth weight and reason of caesarean section with the highest impacts were found as the most important factors in the prediction. Conclusion: Due to the simple interpretation of the decision tree and understandability of the extracted rules derived from it, this model can be used for (most individuals) professionals and pregnant women at different levels.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله فاطمه باقری | fatemeh bagheri
department of computer engineering, school of engineering, university of golestan, gorgan, iran
گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه گلستان، گرگان، ایران
سازمان اصلی تایید شده: دانشگاه گلستان (Golestan university)

حکیمه علیزاده مجد | hakimeh alizadeh majd
school of engineering, university of golestan, gorgan, iran
دانشکده فنی و مهندسی، دانشگاه گلستان، گرگان، ایران
سازمان اصلی تایید شده: دانشگاه گلستان (Golestan university)

زهرا مهربخش | zahra mehrbakhsh
school of public health, mashhad university of medical sciences, mashhad, iran
دانشکده بهداشت، دانشگاه علوم پزشکی مشهد، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی مشهد (Mashhad university of medical sciences)

مجید زیارتبان | majid ziaratban
, department of electrical engineering, school of engineering, university of golestan, gorgan, iran
گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه گلستان، گرگان، ایران
سازمان اصلی تایید شده: دانشگاه گلستان (Golestan university)

نشانی اینترنتی http://www.goums.ac.ir/jorjanijournal/browse.php?a_code=A-10-24-57&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده عمومی
نوع مقاله منتشر شده تحقیقی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات