توصيفگر ها :
داده‌كاوي , مدل‌هاي پيش‌بيني , بخش اورژانس , بيمارستان
چكيده فارسي :
مديريت مناسب بيمارستان‌ها، كه به‌عنوان مهم‌ترين و اصلي‌ترين مركز ارائه خدمات درماني در حوزه سيستم سلامت و درمان به شمار مي‌رود، از اهميت چشمگيري برخوردار است. امروزه به دليل گسترش جمعيت بيماران ناشي از افزايش جمعيت، پديده سالمندي و ظهور بيماري‌هاي واگيردار همچون كرونا، بيمارستان‌ها با مشكلاتي از قبيل ازدحام در بخش اورژانس، عدم تخصيص صحيح منابع، افزايش بي‌نظمي و اختلال در كار پرسنل روبه‌رو هستند كه درنهايت منجر به افزايش نارضايتي بيماران مي‌شود. پيشرفت هوش مصنوعي و گسترش علم داده‌كاوي، باعث توجه بيشتر به موضوع پيش‌بيني، در حوزه سلامت همچون ديگر حوزه‌ها به جهت افزايش كارايي سيستم در مواجه با عدم قطعيت شده است. پيش‌بيني پذيرش بيماران مي‌تواند به بهبود مديريت بهتر بيمارستان، كنترل ازدحام، برنامه‌ريزي كارآمدتر استفاده از منابع و كاهش طول مدت بستري شدن بيماران كمك كند. در اين پژوهش، بيمارستان امام‌علي(ع) شهركرد به‌منظور بررسي ميزان رضايتمندي در نظر گرفته‌شده است. با تهيه و تنظيم پرسشنامه و تكميل آن توسط بيماران بيمارستان مذكور، ارائه خدمت پذيرش اورژانس كمترين رضايتمندي را در بين ديگر خدمات ارائه‌شده در اين بخش دارد. ازآنجاكه اين پژوهش تمركز بر افزايش رضايت بيماران دارد به بررسي جزئيات بيشتر بخش خدمات پذيرش اورژانس پرداخته‌شده است. پيش‌بيني دقيق پذيرش بيماران مي‌تواند به‌عنوان يكي از اقدامات مؤثر در بهبود عملكرد بخش پذيرش و به‌تبع آن افزايش رضايتمندي بيمار مثمر ثمر واقع شود. در مسائل پيش‌بيني از رويكردهاي جديدي كه موردتوجه قرارگرفته، رويكرد داده‌كاوي مي‌باشد. در اين پژوهش نيز از تكنيك داده‌كاوي به‌منظور پيش‌بيني پذيرش بيماران استفاده‌شده است. كليه‌ي ويژگي‌ها براي استفاده در اين الگوريتم‌ها از مطالعه تحقيقات پيشين و مدارك پزشكي بيماران بيمارستان امام‌علي(ع) شهركرد به‌دست‌آمده است. ويژگي‌هاي مؤثر از بين كليه ويژگي‌هاي جمع‌آوري‌شده با استفاده ازنظر خبرگان و متخصصان حوزه بهداشت و سلامت با تشكيل ماتريس مقايسه زوجي انتخاب گرديده است. پس از طبقه‌بندي داده‌ها با روش‌هاي بيز ساده، درخت تصميم، جنگل تصادفي و ماشين بردار پشتيبان مقادير دقت، حساسيت، وضوح و سطح زير منحني مشخصه در هر روش محاسبه گرديد. درنهايت اين مقادير به‌منظور انتخاب بهترين الگوريتم طبقه‌بندي باهم مقايسه شدند. نتايج به‌دست‌آمده نشان‌دهنده‌ي عملكرد موفق الگوريتم جنگل تصادفي در طبقه‌بندي و پيش‌بيني پذيرش بيماران بخش اورژانس است.
چكيده انگليسي :
The proper management of hospitals, which is considered as the most important and the main center for providing medical services in the field of health and treatment system, is of great importance. Today, due to the expansion of the patient population due to population growth, the phenomenon of aging and the emergence of infectious diseases such as Covid-19, hospitals are facing problems such as overcrowding in the emergency department, lack of proper allocation of resources, increasing disorder and disruption in the work of personnel, which ultimately lead to an increase in Dissatisfaction of patients. The progress of artificial intelligence and the expansion of data mining science has caused more attention to the subject of prediction, in the field of health as well as in other fields, in order to increase the efficiency of the system in the face of uncertainty. Predicting patient admissions can help improve better hospital management, crowd control, more efficient planning of resource use, and reducing the length of patients' hospitalizations. In this research, Imam Ali (AS) Shahrekord Hospital has been considered in order to check the satisfaction level. By preparing and setting up a questionnaire and completing it by the patients of the mentioned hospital, the emergency admission service is the least satisfactory among the other services provided in this department. Since this research focuses on increasing the satisfaction of patients, more details of the emergency reception service department have been investigated. Accurate prediction of patient admission can be effective as one of the effective measures to improve the performance of the admission department and consequently increase patient satisfaction. In forecasting issues, one of the new approaches that have been taken into consideration is the data mining approach. In this research, data mining technique was used to predict the admission of patients. All the features to be used in these algorithms are obtained from the study of previous researches and medical records of patients of Imam Ali (AS) Hospital in Shahrekord. The effective features have been selected from among all the features collected using the opinion of experts and specialists in the field of health by forming a pairwise comparison matrix. After classifying the data with simple Navie bayes methods, decision tree, random forest and support vector machine, the values of accuracy, sensitivity, specificity and area under the Reciver operating characteristic curve were calculated in each method. Finally, these values were compared to select the best classification algorithm. The obtained results indicate the successful performance of the random forest algorithm in classifying and predicting the admission of patients in the emergency department.
