استفاده از تكنيك داده كاوي در بررسي فاكتورهاي تاثيرگذار در عدم موفقيت روش انتقال داخل رحمي در درمان ناباروري

Utilizing Data Mining Techniques for Investigating Factors Influencing the Failure of Intrauterine Insemination Infertility Treatment

مقدمه: ناباروري يكي از مسايلي است كه امروزه هزينه هاي مادي و معنوي زيادي را بر روي دوش زوجين نابارور قرار داده است. روش انتقال داخل رحمي اسپرم ((IUI)Intra-Uterine Insemination ) يكي از روش هاي درماني براي اين گروه از زوجين مي باشد. غيرقابل پيش بيني بودن نتيجه اين روش ضرورت بررسي و شناسايي عواملي را كه بر روي ميزان اثربخشي آن تاثيرگذار هستند، دوچندان كرده است. لذا، هدف اين مطالعه شناسايي عوامل موثر در عدم موفقيت اين روش با بكارگيري تكنيك هاي داده كاوي روي داده هاي مربوط به زوجين نابارور بيمارستان صارم تهران مي باشد كه از روش IUI استفاده كرده و نتيجه اين روش بر روي آن‌ها ناموفق بوده است. روش كار: بيماران به هفت گروه تقسيم شدند و با استفاده از تكنيك توصيفي داده كاوي يعني الگوريتم K means و شاخص Davis-Buldian ويژگي هاي هر گروه مورد تحليل و بررسي قرار گرفت. يافته ها: بررسي و تحليل ويژگي هاي هفت گروه بدست آمده، نشان داد كه: افزايش سن خانم، اضافه وزن و يا چاقي خانم دو عامل اصلي عدم موفقيت روش درماني IUI، بودند. عامل بعدي، نوع ناباوري است، كه در اين مطالعه، اكثريت زوجين، نوع ناباروري اوليه را تجربه كرده بودند. افزون بر اين، فاكتور مردانه فاكتور ديگري بود كه روي عدم موفقيت روش IUI تاثير داشته است. نتايج نشان داد كه طول مدت ناباروري، و وضعيت اسپرم از لحاظ نرمال يا غير نرمال بودن، از ديگر عوامل شكست روش درماني مذكور هستند. نتيجه گيري: در اين پژوهش با تحليل نتايج خوشه بندي، عوامل تاثيرگذار در عدم موفقيت روش IUI بر روي زوجين نابارور شناسايي شد. اين نتايج همراه با مشورت با خبرگان مي تواند براي پيش بيني نتيجه روش IUI و انتخاب روش درماني مناسب به محققين، پزشكان و زوجين نابارور كمك كند. كليد واژه‌ها: ناباروري، روش IUI، داده كاوي، روش هاي توصيفي، الگوريتم Kmeans

Introduction: Infertility is one of the problems that has caused a lot of psychological and worldly costs on infertile couples. Intrauterine Insemination (IUI) is one of the medically-Assisted Reproduction Techniques (ART) to help infertile couples to have a successful pregnancy. Because of unpredictable results of this technique, identifying the factors influencing the effectiveness of IUI is important. The aim of this study was to identify factors influencing the failure of IUI using data mining techniques. Methods: By utilizing K means algorithm, a descriptive technique of data mining, and Davis-Buldin index, the patients were divided into seven clusters and the features of each cluster were analyzed. Results: Increasing age, overweight, obesity, length and type of infertility in women appeared to be effective factors which were revealed by cluster analysis and investigation of the features of each cluster. Male factors including duration of infertility and spermogram type were other causes of failure in this method of infertility treatment. Discussion: By analyzing the results of clustering technique, the effective factors in the failure of IUI treatment in infertile couples were identified. The obtained results of clustering technique with the consultant of experts can be used for predicting the result of IUI treatment and helping researchers, physicians and infertile couples to choose the best treatment. Key words: Infertility, Intrauterine Insemination, Data Mining, K means