در زمینه بررسی اثرات آنتی بیوتیک های مختلف بر روی نوزادان مبتلا به سپسیس(عفونت) و میزان درصد درمان هر آنتی بیوتیک در ایران تنها مطالعاتی با رویکرد آماری و بالینی انجام شده است. این مطالعه به بررسی و تعیین عوامل تاثیر گذار بر درمان آنتی بیوتیکی نوزادان مبتلا به سپسیس با راهکار داده کاوی می پردازد و با استفاده از توانایی الگوریتم های درخت تصمیم در زمینه مدل سازی روابط داده های پیچیده، متعدد و غیر همجنس مدلی برای پیش بینی و احتمال درمان نوزاد مبتلا به سپسیس ارائه شده است. این مطالعه به صورت گذشته نگر بر روی 1121 بیمار بستری در بخش مراقبتهای ویژه نوزادان انجام شده است و در آن از روشهای رگرسیون لجستیک، آزمون anova ، نیکویی برازش و الگوریتم chaid درخت تصمیم برای تحلیل استفاده شده است. سن جنینی نوزاد، تب دار بودن مادر حین یا بعد از زایمان، وزن نوزاد، انجام اینتوباسیون روی نوزاد و همچنین نوع ترکیب آنتی بیوتیک های مورد استفاده در طول دوره درمان از عوامل تاثیر گذار بر میزان شانس درمان شدن نوزاد است. نتایج تست مدل درخت تصمیم ایجاد شده برای پیش بینی احتمال درمان بیماران حاکی از آن است که علاوه بر دقت مناسب درخت، نتایج بدست آمده از درخت، نیکویی برازش مناسبی نیز دارند. فرضیه یکسان بودن تاثیر آنتی بیوتیک های مختلف در سطح معنی داری 05/0 رد شده و آنتی بیوتیک های مختلف تاثیرات مختلفی داشته اند. در درمان آسفیکسی ،hmd ، uti و پنومونی، نوزادان واکنشهای متفاوت به آنتی بیوتیک های مختلف نشان داده و درمان این بیماری ها با برخی آنتی بیوتیک های ترکیبی ( با اختلاف معنی دار از لحاظ عملکرد ) بهتر و موثرتر بوده است. از الگوریتم های درخت تصمیم در ایجاد مدلهایی برای پیش بینی درمان نوزادان مبتلا به سپسیس و تخمین مناسبی از متغیرهای بیشتر تاثیر گذار بر درمان می توان استفاده نمود.