بررسي ميزان تأثير داروهاي درمان ناباروري در بيماران نابارور با استفاده از الگوريتم خوشه بندي و تكنيك هاي داده كاوي

Assessing the Effects of Infertility Treatment Drugs Using Clustering Algorithms and Data Mining Techniques

سابقه و هدف: آمار ناباروری در جهان و به‌خصوص در كشور ما افزايش يافته است. داده كاوی رشته علمی جديد در زمينه بازيابی اطلاعات از پايگاه داده‌ها می‌باشد. مطالعات معدودی در زمينه‌ ناباروری و استفاده از دانش داده كاوی برای توصيف و پيش بينی روش‌های مختلف درمانی و شناسايی ويژگی های تاثير گذار بر موفقيت روش درمان، ارائه شده است. هدف اين مقاله ارائه مدلی است برای ارزيابی ميزان تأثير داروهای مختلف درمان ناباروری بر بيمارانی كه تحت درمان با روش IUI قرار گرفته‌اند. مواد و روش ها: برای انجام اين تحقيق پرونده‌های سال 1376 تا 1388 بيماران نابارور بيمارستان صارم بررسی شده‌اند كه 26035 ركورد اوليه استخراج شده است. اطلاعات موجود در پرونده بيماران با استفاده از روش‌های داده كاوی در نرم‌افزار CLEMENTINE 12.0 تجزيه وتحليل شدند. برای شناسايی عوامل مؤثر بر تأثير داروها بر موفقيت درمان از الگوريتم‌های خوشه بندی و دسته بندی داده كاوی استفاده شد. يافته ها: با استفاده از خوشه‌بندی K-Means، ويژگی های بيمارانی كه درمان آن‌ها موفق بوده است، شناسايی شده‌اند. به كمك درخت تصميم CHAID تأثير داروهای مختلف درمان ناباروری در بيماران نابارور و در نتيجه باروری مشخص شده است. مدل ساخته شده می‌تواند نتيجه استفاده از داروی پيشنهادی را با دقت 71 درصد پيش‌بينی كند. استنتاج: با استفاده از تكنيك‌های داده كاوی می‌توان روند درمان بيماران نابارور را بعد از بررسی‌ها و انجام معاينات و آزمايشات گوناگون و انتخاب فيلدهای تأثيرگذار بر بيماری، بهبود بخشيد.

Background and purpose: The rate of infertility has increased throughout the world. Data mining is a new method for analyzing information from databases. Few studies are done regarding infertility and using data mining in describing and predicting different treatment methods and factors influencing these methods. This paper proposes a model for evaluating the efficacy of different drugs in treatment of infertility among patients treated with IUI. Material and Methods: The records of 26,035 infertile patients (from 1998 to 2009) in Sarim Hospital have been examined. Clinical data of patients were analyzed through data mining methods (Clementine V.12.0). To identify the factors influencing the efficacy of drugs classified data mining and clustering algorithms were used Results: We identified the characteristics of patients with successful treatment using K-Means clustering. CHAID decision tree helped to indicate the result of different drugs in infertility treatments. The proposed model can predict the result of used drugs with 71 percent accuracy. Conclusion: : Data mining techniques can improve the process of treatment in infertile patients by detecting the factors affecting the course of treatment.