تشخیص ناباروری به کمک تکنیک‌‌های داده‌‌کاوی

زمینه و هدف: با توجه به جمع‌آوری حجم بالای داده‌‌ها در مراکز درمانی و استفاده مناسب از آنها جهت کشف و تشخیص بیماری، نیاز به علم و ابزاری که روی این داده‌‌ها تحلیل انجام دهد، لازم و ضروری است. در این مطالعه تشخیص ناباروری به کمک تکنیک‌‌های داده‌‌ کاوی مورد بررسی قرار گرفت. روش بررسی: در این مطالعه اطلاعات از میان پرونده‌‌های مراجعه‌کنندگان مرکز درمان ناباروری جهاد دانشگاهی قم استخراج و 700 نمونه از میان 14242 پرونده موجود در 15 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 پیش‌بینی از الگوریتم‌‌های C5.0، C&R tree، CHAID و خوشه‌‌بندی از الگوریتم K-means و برای تعیین تعداد خوشه بهینه از شاخص دیویس - بولدین استفاده گردید. یافته‌‌ها: با توجه به مدل مورد قبول الگوریتم CHAID که خطای کمتری دارد، مهم‌ترین عوامل تأثیرگذار در ناباروری به ترتیب شاخص توده بدنی زن، سن زن، بیماری هیرسوتیسم، ناباروری خانوادگی، بیماری گالاکتوره، مقدار اسپرم مرد در هر میلی‌لیتر، مدت ناباروری، سن مرد و نسبت فامیلی زوجین بود. طبق این مدل، عوامل زنانه مهم‌‌تر از عوامل مردانه شناسایی شد. نتیجه‌گیری: در نتایج این پژوهش، تأثیر بیشتر عوامل زنانه در ناباروری پیش‌بینی شده است.