پیش بینی مرگ نوزادان با توجه به عوامل خطر با استفاده از تکنیک های داده کاوی

پیش بینی مرگ نوزادان با توجه به عوامل خطر با استفاده از تکنیک های داده کاوی


پیش بینی مرگ نوزادان با توجه به عوامل خطر با استفاده از تکنیک های داده کاوی

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: پیش بینی مرگ نوزادان با توجه به عوامل خطر با استفاده از تکنیک های داده کاوی

ارائه دهنده: Provider: محسن همتی - رشته صنایع

اساتید راهنما: Supervisors: دکتر حمیدرضا دزفولیان

اساتید مشاور: Advisory Professors: دکتر محمد حیدرزاده

اساتید ممتحن یا داور: Examining professors or referees: دکتر وحید خداکرمی-دکتر امیر سامان خیرخواه

زمان و تاریخ ارائه: Time and date of presentation: 1402/11/03 ساعت12:30

مکان ارائه: Place of presentation: سمینار صنایع

چکیده: Abstract: مرگ نوزادان همواره یکی از دغدغه¬های خانواده¬ها، جامعه پزشکی و مسئولین مربوطه هر کشور است. نوزادان، آینده¬سازان کشور خود هستند و از دست دادن هر نوزاد هزینه¬های جانی و مالی قابل توجهی برای آن کشور در پی دارد. پیش¬بینی مرگ نوزادان مساله بسیار مهمی بوده و امروزه به کمک تکنیک¬های داده¬کاوی می¬توان با دقت بالایی این امر را انجام داد و تعداد مرگ¬و میر این سرمایه¬های انسانی را کاهش داد. هدف از این پژوهش پیش¬بینی مرگ نوزادان با استفاده از تکنیک¬های داده¬کاوی بوده که برای این منظور از داده‌ها ی موالید مربوط به شش¬ماهه اول سال 1400 سامانه ایمان وزارت بهداشت استفاده شد. ابتدا از بین 68 متغیر، متغیر فرجام زایمان به عنوان متغیر هدف در نظر گرفته شد و با بهره¬گیری از روش¬های انتخاب ویژگی مجذور کای، به دست آوردن اطلاعات، انتخاب ویژگی مبتنی‌بر همبستگی، فیلتر مبتنی‌بر همبستگی سریع، انتخاب ویژگی متوالی رو به جلو، انتخاب ویژگی متوالی رو به عقب، حذف ویژگی بازگشتی برای ماشین‌ بردار پشتیبان و حداقل انقباض مطلق و عملگر انتخاب، 8 ویژگی با اهمیت بیشتر برای انجام فرآیند داده¬کاوی انتخاب شدند. سپس برای پیاده¬سازی تکنیک کلاس‌بندی از 7 روش بیز ساده، K-نزدیک¬ترین همسایه، ماشین بردار پشتیبان، درخت تصمیم، جنگل تصادفی و گرادیان بوستینگ استفاده شد که از میان آن¬ها روش گرادیان بوستینگ با مقادیر 995/0، 9978/0، 9760/0 و 9769/0 به ترتیب برای معیارهای صحت، دقت، یادآوری، امتیاز F1 و AUC بهترین عملکرد را داشت. در گام بعدی با استفاده از روش¬های خوشه‌بندی شامل خوشه‌بندی تجمیعی، خوشه‌بندی K-means، خوشه‌بندی DBSCAN و خوشه‌بندی دسته¬ای به افراز داده‌ها به خوشه¬های مختلف پرداخته¬شد. در بین این روش¬ها روش خوشه‌بندی K-means با مقادیر 2616/0 و 26/1 به ترتیب برای معیارهای شاخص سیلوئت و دیویس بولدین و همچنین افراز موارد مرده به 5 خوشه بهترین عملکرد را داشت. در گام آخر با استفاده از هر کدام از روش¬های آپریوری و رشد FP که از روش¬های قواعد انجمنی هستند، 50 قاعده به دست آمد که 84% قواعد آپریوری و 96% قواعد رشد FP منتهی به نتایج صفر بودن نمره آپگار دقیقه 5 و استفاده از فورسپس یا وکیوم در مداخله¬های حین زایمان بودند. از مجموعه این نتایج می¬توان برای کمک به پزشکان و مسئولین مربوطه در جهت پیش¬بینی مرگ نوزادان و کاستن از هزینه¬های جانی و مالی ناشی از آن بهره برد. واژه¬های کلیدی: پیش¬بینی مرگ نوزادان، انتخاب ویژگی، کلاس‌بندی ، خوشه‌بندی ¬، قواعد انجمنی

فایل: ّFile: