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

Publish Year: 1394
نوع سند: مقاله ژورنالی
زبان: Persian
View: 75

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JMUMS-25-133_017

تاریخ نمایه سازی: 2 آبان 1402

Abstract:

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 رتبه بندی عوامل کم وزنی نوزادان با تکنیک های داده کاوی برای شناسایی میزان تاثیر متغیرهای پیش بینی کننده و توسعه یک سیستم پشتیبانی تصمیم گیری برای کمک به پزشکان در تصمیم گیری بهترهنگام تولد نوزادان کم وزن است. مواد و روش ها: اطلاعات بخش اطفال بیمارستان امام علی دانشگاه علوم پزشکی زاهدان از جمله مصرف دخانیات، سن مادران و ... در سال ۱۳۹۲ مورد بررسی قرار گرفت. در بخش مدل سازی از الگوریتم های مختلف داده کاوی استفاده گردید. برای تحلیل داده ها از نرم افزار کلمنتاین استفاده شده است. یافته ها: متغیرهایی که برای پیش بینی کم وزنی نوزادان در زمان تولد بسیار موثرند وزن مادر (۱۰۰ درصد)، سن مادر (۹۸ درصد)، تعداد مراجعه به پزشک در سه ماهه اول بارداری (۸۶/۴۵ درصد) و سابقه زایمان زودرس (۱۱/۴۳ درصد) و سایر متغیرها به طور ضعیفی پیش بینی 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، تحریک پذیری رحم و مصرف دخانیات بود. صحت پیش بینی که با رگرسیون لجستیک مقایسه شده، در تکنیک های داده کاوی بهبود می یابد. درخت طبقه بندی به خوبی وزن کم نوزادان در زمان تولد را مشخص می کند و تکنیک جنگل تصادفی در تشخیص بیماری نقش مهمی دارد.

Keywords:

Authors

فرزاد فیروزی جهانتیغ

Assistant Professor, Department of Industrial Engineering, Faculty of Industrial Engineering, University of Sistan and Baluchestan, Zahedan, Iran

راحله نظرنژاد

MSc in Industrial Engineering, Faculty of Engineering, Payam Noor University, Tehran, Iran

ماهرخ فیروزی جهانتیغ

Pediatricians, Zahedan University of Medical Sciences, Zahedan, Iran

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Kavitha R. Health Care Industry in India. IJSRP ۲۰۱۲; ۲(۸): ...
  • Sathiya Rani N, Vimala K, Kalaivani V. Health Care Monitoring ...
  • Mosayebi Z, Fakhraee SH, Movahedian AH. Prevalence and risk factors ...
  • Fayyad U, Piatetsky-Shapiro G, Smyth P. The KDD process for ...
  • Bellazzi R, Zupan B. Predictive data mining in clinical medicine: ...
  • Balakrishnan S, Savarimuthu N, Narayanaswamy R, Samikannu R. SVM Ranking ...
  • Sandhya J, Deepa Sh, Patnaik LM, Rrashmi PL, Venugopal KR, ...
  • Kramer MS. Determinants of low birth weight: methodological assessment and ...
  • Bull J, Mulvihill C, Quigley R. Prevention of low birth ...
  • Hosmer DW, Lemeshow Jr SA, Sturdivant RX. Applied Logistic Regression, ...
  • Chan KY, Loh WY. LOTUS: An Algorithm for Building Accurate ...
  • Rao M, Mant D. Strengthening primary healthcare in India: white ...
  • Raghavendra BK, Srivatsa SK, Evaluation of Logistic Regression and Neural ...
  • Elfaki Yahia M, El-mukashfi El-taher M. A New Approach for ...
  • Jehad A, Rehanullah Kh, Nasir A. Imran Maqsood Random Forests ...
  • Santhosh Baboo S, Sasikala S. Multicategory Classification Using Support Vector ...
  • Koh HC, Tan G. Data Mining Applications in Healthcare. J ...
  • Parashar HJ, Vijendra S, Vasudeva N. An Efficient Classification Approach ...
  • Ozer P, Dr. I.G. Sprinkhuizen-Kuyper. Data Mining Algorithms for Classification. ...
  • Han J, Kamber M, Pei J. Data Mining: Concepts and ...
  • Senthilkumar D, Paulraj S. Diabetes Disease Diagnosis Using Multivariate Adaptive ...
  • Keller F, Crocker M. Connectionist and Statistical Language Processing. Universitat ...
  • University of Massachusetts Amherst, statistical software information, Index of Multiple ...
  • Friedman JH. Multivariate adaptive regression splines. The Annals of Statistics ...
  • Friedman JH, Roosen CB. An introduction to multivariate adaptive regression ...
  • Craven P, Wahba G. Smoothing noisy data with spline functions. ...
  • Ambalavanan N, Carlo WA, Bobashev G, Mathias E, Liu B, ...
  • Nath Das R, Sanatombi Devi R, Kim J. Mothers’ Lifestyle ...
  • van den Broek NR, Jean-Baptiste R, Nelison JP. Factors Associated ...
  • Hajian K. A study of the Prevalence of low Birth ...
  • Ansari H, Parisae Z, Rahimi E, Rakhshaei F. Assessment of ...
  • Hosseini SZ, Bahadori MH, Fallah Bagher Shaidaei H. Incidence of ...
  • Haroon rashidi H, arjmandniya AK ...
  • Afrooz GhA, Beshlideh Q. Comparison of Psychological Distress of Low ...
  • Khalilian AR, Hamta A, Farhadi R, Ranjbaran H. Investigation factors ...
  • Nkwabong E, Kamgnia Nounemi N, Sando Z, Mbu R, Mbede ...
  • Huang A, Jin X, Liu X, Gao S. A matched ...
  • Yorifuji T, Naruse H, Kashima S, Takao S, Murakoshi T, ...
  • Dasgupta A, Basu R. Determinants of low birth weight in ...
  • Chen H-Y, Chuang Ch-H, Yang Y-J, Wu T-P. Exploring the ...
  • Delaram M. The Incidence and Related Factors of Low Birth ...
  • Nasreen HE, Kabir ZN, Forsell Y, Edhborg M. Low birth ...
  • Neocleous C, Schizas CN, Anastasopoulos P, Nikolaides KH, Neokleous KC, ...
  • of cervix length on the prediction of spontaneous preterm delivery ...
  • نمایش کامل مراجع