تحلیل خوشه ای داده های زنان باردار مبتلا به دیابت نوع ۲ با بهره گیری از الگوریتم K-Means: مطالعه ای مبتنی بر داده های واقعی بین المللی

دیابت نوع ۲ یکی از شایع ترین اختلالات متابولیکی در دوران بارداری است که در صورت کنترل نشدن، می تواند خطرات قابل توجهی برای سلامت مادر و جنین ایجاد کند. هدف پژوهش حاضر، خوشه بندی داده های زنان باردار مبتلا به دیابت نوع ۲ با استفاده از الگوریتم K-Means به منظور شناسایی الگوهای پنهان و گروه های پرخطر است. داده ها از یک پایگاه داده ی واقعی شامل اطلاعات ۴۲۰ زن باردار مبتلا به دیابت نوع ۲ گردآوری شده اند. متغیرهای مورد بررسی شامل سن، فشار خون، شاخص توده بدنی (BMI)، گلوکز، دوز انسولین، ضخامت چین پوستی و سابقه خانوادگی دیابت بودند. پس از پیش پردازش و نرمال سازی داده ها، خوشه بندی با الگوریتم K-Means انجام شد و تعداد بهینه ی خوشه ها با استفاده از روش Elbow و شاخص Silhouette برابر با سه تعیین گردید. نتایج نشان داد سه گروه متمایز از بیماران وجود دارد: گروه اول شامل زنان جوان تر با شاخص های متابولیکی مطلوب تر، گروه دوم زنان میان سال با BMI و انسولین بالا و مقاومت انسولینی بیشتر، و گروه سوم زنان مسن تر با گلوکز و فشار خون بالا. یافته ها بیانگر آن است که متغیرهای سن، BMI و انسولین بیشترین نقش را در تفکیک خوشه ها دارند. در مجموع، الگوریتم K-Means می تواند ابزاری موثر برای شناسایی بیماران پرخطر و بهبود برنامه ریزی مداخلات هدفمند در مدیریت دیابت نوع ۲ در بارداری باشد.

کلیدواژه ها:

دیابت نوع ۲ ، زنان باردار ، داده کاوی ، خوشه بندی ، K-Means