تعیین الگوی توزیع واقعه مرگ با استفاده از تکنیک های داده کاوی در استان گلستان از سال ۱۳۸۶ تا ۱۳۸۸

فاطمه باقری، fatemeh bagheri m.sc. in computer engineering, computer engineering department, golestan university, gorgan, iran.گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه گلستان فاطمه آهنگری، دانشکده فنی و مهندسی، دانشگاه گلستان ناصر بهنام پور، گروه آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی گرگان

چکیده

زمینه و هدف:بررسی وضعیت مرگ­ومیر در یک جمعیت به عنوان یکی از روش­های مناسب تعیین سلامت مورد توجه بوده است، گرچه با مشکلاتی از قبیل عدم اطمینان به صحت و کیفیت داده­ها و روش جمع آوری آن روبرو بوده است. راه­اندازی نظام­های ثبت مرگ­ومیر با استفاده از کدهای بین­المللی طبقه بندی بیماری ها و ادغام اطلاعات مرگ­ومیر توسط سازمان­های مسئول تا حد زیادی مشکلات قبلی را مرتفع ساخته است. در این پژوهش با در نظر گرفتن مجموعه ای از پارامترها، ابتدا جامعه مورد بررسی به دو گروه داده های مربوط متوفیان زیریکسال و بالای یکسال تقسیم شدند سپس این دو گروه داده با استفاده از روش k-meansخوشه­بندی شدند تا گروه های مختلف شناسایی شوند. همچنین با استفاده از روش درخت تصمیم به کشف مدل ها و الگوهای موثر پرداخته شد. در آخر از الگوریتم شبکه های عصبی که یکی از کارکردهای آن نشان دادن ویژگی ها به ترتیب اهمیتشان است استفاده شد. روش بررسی:در این پژوهش به بررسی 12865 داده­ی مربوط به متوفیان استان گلستان پرداخته شده است. داده های مورد استفاده در این مقاله مربوط به اول فروردین 1388 تا پایان فروردین 1389 می باشند. این داده ها از مرکز بهداشت استان گلستان تهیه شدند.ویژگی های مورد استفاده در این داده ها سن متوفی، جنسیت متوفی،علت فوت،منطقه سکونت، محل فوتو وقوع فوت می باشند. برای خوشه­بندی در این پژوهش از الگوریتم k-means استفاده شد، دسته­بندی نیز به کمک الگوریتم­های درخت تصمیم و الگوریتم شبکه های عصبی انجام پذیرفت سپس نتایج و قوانین حاصل از الگوریتم ها استخراج شدند. در ضمن به جهت تفاوت ماهیت علل مرگ و میر در نوزادان و بزرگسالان از نظر پزشکان، لیست متوفیانی که دارای سن زیر یکسال هستند در فایلی جداگانه قرار می­گیرند و بررسی می شوند. یافته ها:در روش خوشه بندی، تعداد بهینه خوشه ها با استفاده از اندازه گیری شاخص dunn، هشت خوشه برای داده های زیر یکسال و هفت خوشه برای داده های بالای یکسال به دست آمد. از میان چهار الگوریتم درخت تصمیم نظیر c5.0، quest، chaid و cart، الگوریتم c5.0 با نرخ تشخیص 77.37 درصد برای زیر یکسال و 96.86 درصد برای بالای یکسال بهترین روش شناخته شد. با اجرای الگوریتم شبکه های عصبی ویژگی های سن متوفی، محل فوت و جنسیت از جمله ویژگی های با اهمیت در پیش بینی شناخته شدند. نتیجه گیری: این پژوهش با در نظر گرفتن عوامل تاثیرگذار در فوت افراد و مبنا قرار دادن استاندارد طبقه بندی بین المللی بیماری ها، به خوشه بندی داده ها پرداخت و به دنبال یافتن الگوی مرگ و میر برای افراد زیر یکسال و بالای یکسال است. با توجه به صریح بودن و قابلیت فهم بالای درخت تصمیم و قوانین استخراج شده توسط آن، می تواند برای متخصصین در این حوزه قابل استفاده قرار گیرد.