بهره گیری از داده کاوی با رویکرد الگوریتم خوشه بندی سلسله مراتبی در شناسایی الگوهای سلامت مادران

بارداری و زایمان یکی از مهم ترین رخدادهای زندگی زنان می‌باشد که در آن جسم و روان زن و به تبع آن روابط اجتماعی او دست خوش تغییراتی می‌شود که می‌تواند بر نتایج بارداری و پیامدهای زایمان تاثیر گذار باشد. استخراج دانایی از میان حجم انبوه داده های مرتبط با سوابق بیماری و پرونده های الکترونیک سلامت افراد با استفاده از فرایند داده کاوی می تواند اطلاعات ارزشمندی را در اختیار متخصصان و دست انداران حوزه سلامت قرار دهد. خوشه بندی یکی از انواع روش های داده کاوی به منظور خلاصه کردن داده هاست. این طرح پژوهشی روشی را ارائه می کند که می تواند برای خوشه بندی مبتنی بر فاصله با داده های ترکیبی با هدف شناسایی گروه های پرخطر از نظر سلامت مادران از الگوریتم خوشه بندی سلسله مراتبی با فاصله گاور برای زنان زایمان کرده در مناطق تحت پوشش دانشگاه علوم پزشکی مشهد در سال 1400 استفاده می کند.

using data mining with hierarchical clustering algorithm approach in identifying maternal health patterns

pregnancy and childbirth are one of the most important events in a woman’s life, in which the body and psychology of a woman and her social relationships are well-changed, which can affect the outcome and consequences of pregnancy. the extraction of knowledge from the vast amounts of data related to medical history and electronic health records of individuals using high-quality data mining can provide valuable information in the choice of health professionals and professionals. aggregation is one type of data cavey method to summarize data. the study proposes a method that could be used to group with combined data based on distance in order to identify groups at risk for the health of mothers by using the algorithm of grouping with a linear sequence for women born in areas covered by the university of medical sciences in the 1400s.