کاوش قواعد ارتباط دهنده‎ عوامل جوی با تعداد بیماران بیمارستان با استفاده از رده بندی مبتنی بر کاوش قواعد وابستگی ‎چندبعدی

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 267

فایل این مقاله در 27 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IMJT-11-4_001

تاریخ نمایه سازی: 25 بهمن 1400

چکیده مقاله:

هدف: عوامل جوی متعددی بر تعداد بیماران بیمارستان ها اثرگذار است که بدون در نظر گرفتن آنها از امکانات و نیروی انسانی بیمارستان ها، استفاده‎ غیربهینه خواهد شد. هدف از اجرای این پژوهش، کشف دانش پنهان بین عوامل جوی با تعداد بیماران بیمارستان با استفاده از داده کاوی است. روش: در این پژوهش، ارتباط بین عوامل جوی با تعداد بیماران بیمارستان تخصصی کودکان دکتر شیخ مشهد با استفاده از رده بندی مبتنی بر کاوش قواعد وابستگی چندبعدی بررسی می شود. بدین ‎منظور، پس از آمارگیری جداگانه از تعداد بیماران بخش های نفرولوژی، هماتولوژی، اورژانس و پی آی سی یو این بیمارستان، ارتباط بین تعداد این بیماران با عوامل جوی شامل دمای هوا، رطوبت نسبی هوا، سرعت باد، فشار هوا و آلودگی هوا تحلیل شده است. داده های این پژوهش مربوط به ۱۹ ماه است و با مراجعه به اسناد و مدارک به دست آمده است. برای انتخاب ویژگی، تمام زیرمجموعه های عوامل جوی، جست‎وجو شده و اثر تمام آنها بر تعداد بیماران با استفاده از رگرسیون خطی ارزیابی شده است. همچنین برای کاوش قواعد، از رده بندی مبتنی بر کاوش قواعد وابستگی چندبعدی که بر اساس الگوریتم شناخته شده‎ آپریوری است، استفاده شده است. یافته ها: نتایج به دست آمده گویای قواعدی است که ارتباط بین تعداد متفاوت بیماران در بخش های مختلف بیمارستان را با تغییر عوامل جوی نشان می دهد. نتیجه گیری: با استفاده از روش های به کار برده شده در این پژوهش، می توان ارتباط بین عوامل جوی و تعداد بیماران بیمارستان را بررسی کرد. همچنین قواعد به دست آمده به مدیران کمک می کند که برای منابع بیمارستان با توجه به تعداد متفاوت بیماران برنامه ریزی بهینه ای انجام دهند.

کلیدواژه ها:

رده بندی مبتنی بر کاوش قواعد وابستگی چندبعدی ، الگوریتم آپریوری ، رگرسیون خطی ، عوامل جوی ، تعداد بیماران بیمارستان

نویسندگان

سیما حدادیان

دانشجوی دکتری، گروه مدیریت صنعتی، دانشکده علوم اداری و اقتصاد دانشگاه فردوسی مشهد، مشهد، ایران

زهرا ناجی عظیمی

دانشیار، گروه مدیریت صنعتی، دانشکده علوم اداری و اقتصاد دانشگاه فردوسی مشهد، مشهد، ایران.

ناصر مطهری فریمانی

استادیار، گروه مدیریت صنعتی، دانشکده علوم اداری و اقتصاد دانشگاه فردوسی مشهد، مشهد، ایران.

بهروز مینایی بیدگلی

دانشیار، گروه هوش مصنوعی، دانشکده کامپیوتر دانشگاه علم و صنعت ایران، تهران، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • ادهم، داود؛ مهدوی؛ عبدالله؛ مهرتک، محمد؛ ابراهیمی، کمال؛ آذری، آرزو ...
  • تقی‎زاده یزدی، محمد رضا؛ میرشجاعیان حسینی، حسین؛ اصغری زاده، عزت ...
  • شریعت پناهی، سید پیام؛ حبیبی، دانیال؛ رفیعی ، محمد؛ قندی، ...
  • عباسی رنجبر، زهرا (۱۳۸۴). شیوع علائم بیماری آسم در کودکان. ...
  • عصاری، راحله؛ مدرسی، محمدرضا؛ حق‎جوی، شقایق؛ لاهیجان زاده، احمدرضا (۱۳۸۹). ...
  • فرج‎زاده، منوچهر؛ حیدری، آزیتا (۱۳۹۱). تحلیل اثر اقلیم بر بیماری‎های ...
  • کریمی‎پور، فرید؛ کنعانی سادات، یوسف (۱۳۹۳). بررسی وابستگی وقوع بیماری ...
  • محمدی، جیران؛ آذر، عادل؛ زارعی متین، حسن (۱۳۸۴). طراحی مدل ...
  • نشاط، نجمه؛ محلوجی، هاشم (۱۳۸۸). کنترل پیش بینانه کیفیت با ...
  • ReferencesAbbasi Ranjbar, Z. (۲۰۰۶). Prevalence of Asthma Symptoms in Children. ...
  • Alwidian, J., Bassam, H., & Obeid, N. (۲۰۱۸). WCBA: Weighted ...
  • Assari, R., Modarresi, M., Haghjou Javanmard, SH., Lahijanzadeh, A., Poursafa, ...
  • Borah, A., & Nath, B. (۲۰۱۸). Identifying Risk Factors for ...
  • Cano, A., Zafra, A., & Ventura, S. (۲۰۱۳). An interpretable ...
  • D’souza, R. M., Hall, G., & Becker, N. G. (۲۰۰۷). ...
  • Dash, M., & Liu, H. (۲۰۰۳). Consistency-based search in feature ...
  • Dougherty, J., Kohavi, V., & Sahami, M. (۱۹۹۵). Supervised and ...
  • Farajzadeh, M., & Hydari, A. (۲۰۱۳). A. Relationship between Climate ...
  • HervásaL, A., & Marcos, G. (۲۰۱۵). Can meteorological factors forecast ...
  • Hu, L., Hu, Y., Tsai, C., Wang, J., & Huang, ...
  • Ivančević, V., Tǔsek, I., Jasmina, J., Kneˇzevi´, M., Elheshk, S., ...
  • Javed, K., Babri, A., & Saeed, M. (۲۰۱۲). Feature Selection ...
  • Karimipour, F., & Kananisadat, Y. (۲۰۱۵). Investigating the Relation between ...
  • Koh, Y. & Nathan, R. (۲۰۱۰). Rare Association Rule Mining ...
  • Liu, B., Hsu, W., & Ma, Y. (۱۹۹۸). Integrating Classification ...
  • Martína, MR. & Bayleb, MS. (۲۰۱۸). Impact of air pollution ...
  • Mireku, N., Wang, Y., Ager, J., Reddy, R.C., & Baptist, ...
  • Mohammadi, J., Azar, A., & Zareei Matin, H. (۲۰۰۵). Designing ...
  • Neshat, N., & Mahlooji, H. (۲۰۱۰). Predictive Process Control Using ...
  • Onozuka, D., & Hashizume, M. (۲۰۱۱). The influence of temperature ...
  • Ordonez, C. (۲۰۰۶). Association Rule Discovery With the Train and ...
  • Ordonez, C., Omiecinski, E., de Braal, L., Santana, C., Ezquerra, ...
  • Rahal, I., Dongmei, R., Weihua, W., & Perrizo, W. (۲۰۰۴). ...
  • Reif, M., & Shafait, F. (۲۰۱۴). Efficient feature size reduction ...
  • Shariatpanahi, S P., Habibi, D., Rafiei, M., Ghandi, Y., & ...
  • Taghizadeh Yazdi, M., Mirshojaeian Hosseini, H., Asgharizadeh, E., & SHakouri ...
  • Thabtah, F. )۲۰۰۷(. A review of associative classification mining. The ...
  • Toti, G., Vilalta, V., Lindner, P., Lefer, B., Macias, C., ...
  • Wedyan, S. )۲۰۱۴(. Review and Comparison of Associative Classification Data ...
  • Weng, Ch. )۲۰۱۱(. Mining fuzzy specific rare itemsets for education ...
  • Weng, Ch.) ۲۰۱۶(. Identifying association rules of specific later-marketed products, ...
  • Zahng, Ch. & Zhang, SH. (۲۰۰۷). AssociationRule Mining Models and ...
  • Zucco, Ch. ) ۲۰۱۹(. Data Mining in Bioinformatics. Reference Module ...
  • نمایش کامل مراجع