تشخیص ناباروری به کمک تکنیک های داده کاوی

زمینه و هدف: با توجه به جمع آوری حجم بالای داده ها در مراکز درمانی و استفاده مناسب از آنها جهت کشف و تشخیص بیماری، نیاز به علم و ابزاری که روی این داده ها تحلیل انجام دهد، لازم و ضروری است. در این مطالعه تشخیص ناباروری به کمک تکنیک های داده کاوی مورد بررسی قرار گرفت. روش بررسی: در این مطالعه اطلاعات از میان پرونده های مراجعه کنندگان مرکز درمان ناباروری جهاد دانشگاهی قم استخراج و ۷۰۰ نمونه از میان ۱۴۲۴۲ پرونده موجود در ۱۵ سال انتخاب شد و از متغیرهای سن، مدت ناباروری، نسبت خانوادگی، سابقه ناباروری خانوادگی، شغل مرد، نوع سیکل قاعدگی زن، هیرسوتیسم، گالاکتوره، آمنوره، نوع ناباروری، شاخص توده بدنی زن، مصرف دخانیات و آزمایشهای اسپرم مرد استفاده شد. جهت پیش بینی از الگوریتم های C۵.۰، C&R tree، CHAID و خوشه بندی از الگوریتم K-means و برای تعیین تعداد خوشه بهینه از شاخص دیویس - بولدین استفاده گردید. یافته ها: با توجه به مدل مورد قبول الگوریتم CHAID که خطای کمتری دارد، مهم ترین عوامل تاثیرگذار در ناباروری به ترتیب شاخص توده بدنی زن، سن زن، بیماری هیرسوتیسم، ناباروری خانوادگی، بیماری گالاکتوره، مقدار اسپرم مرد در هر میلی لیتر، مدت ناباروری، سن مرد و نسبت فامیلی زوجین بود. طبق این مدل، عوامل زنانه مهم تر از عوامل مردانه شناسایی شد. نتیجه گیری: در نتایج این پژوهش، تاثیر بیشتر عوامل زنانه در ناباروری پیش بینی شده است. 

کلیدواژه ها:

Infertility ، Data Mining ، Algorithms K-means ، Decision Trees ، ناباروری ، داده کاوی ، الگوریتم K-means ، درخت تصمیم