مرگ نوزادان، معضلی غم انگیز و پرهزینه برای خانواده ها، جامعه پزشکی و نظام سلامت هر کشوری است. پیش بینی مرگ نوزادان، گامی حیاتی در جهت پیشگیری و مداخله به موقع برای نجات جان این آینده سازانِ کشور محسوب می شود. در این پژوهش، با استفاده از تکنیک های داده کاوی و بر روی داده های موالید شش ماهه اول سال 1400 سامانه ایمان وزارت بهداشت، به پیش بینی مرگ نوزادان پرداخته شد. ابتدا، از میان 68 متغیر موجود، متغیر "فرجام زایمان" به عنوان متغیر هدف انتخاب شد. سپس، با استفاده از هشت روش انتخاب ویژگی، مهم ترین ویژگی ها برای پیش بینی مرگ نوزادان شناسایی شدند. در ادامه، هفت تکنیک کلاس بندی برای پیش بینی مرگ نوزادان به کار گرفته شد که از میان آن ها، روش جنگل تصادفی با دقت 95%، بهترین عملکرد را داشت. در این مطالعه، تولدهای منتهی به مرگ نوزاد با استفاده از چهار روش خوشه بندی به خوشه های مختلف تقسیم شدند و ویژگی های بارز هر خوشه مشخص گردید. روش خوشه بندی K-means نسبت به سایر روشهای خوشه بندی عملکرد قابل قبول تری در این زمینه داشت. همچنین، با استفاده از دو تکنیک آپریوری و رشد اف پی (FP-Growth) از مجموعه روش های قواعد انجمنی، 50 قاعده با مقادیر پشتیبانی و اطمینان 1 استخراج شد. نتایج نشان داد که 70% از این قواعد به نمره آپگار 5 دقیقه صفر و 30% به استفاده از فورسپس یا وکیوم در مداخلات حین زایمان مرتبط بودند. نتایج این پژوهش نشان می دهد که تکنیک های داده کاوی می توانند با دقت بالایی در پیش بینی مرگ نوزادان به کار گرفته شوند. یافته های این مطالعه می تواند به پزشکان و مسئولین مربوطه در جهت پیش بینی و پیشگیری از مرگ نوزادان و به تبع آن، کاهش هزینه های جانی و مالی ناشی از آن کمک کند.
