رویکرد مقایسه ای تکنیک های طبقه بندی در داده کاوی جهت تعیین طول مدت اقامت بیماران

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 422

نسخه کامل این مقاله ارائه نشده است و در دسترس نمی 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:

NCMIMED02_042

تاریخ نمایه سازی: 1 دی 1397

چکیده مقاله:

مقدمه:طول مدت اقامت بیماران در بیمارستان، شاخصی است که امروزه به شکلی گسترده در اهدافی چون مدیریت مراقبت های سلامت، کنترل کیفیت، مقتضی بودن استفاده از خدمات و منابع بیمارستانی و تعیین میزان کارایی، مورد استفاده قرار می گیرد. توجه به بهینه نمودن طول مدت اقامت و عوامل تاثیرگذار بر آن از اهمیت ویژه ای برخوردار است. شناخت هر یک ازعوامل تاثیرگذار بر افزایش طول مدت بستری بیماران میتواند نقش مهمی در برنامه ریزی جهت استفاده بهینه از منابع بیمارستانی ایفا نماید. روش های مختلفی برای شناسایی عوامل تاثیرگذار بر شاخص فوق و یا پیش بینی مدت اقامت به کار گرفته شده است. مطالعه حاضر با رویکرد مقایسه ای تکنیک های داده کاوی به بررسی عوامل تاثیرگذار و تعیین طول مدتاقامت بیماران در بیمارستان شهید محمدی بندرعباس پرداخت. روش بررسی: با استفاده از 526 داده بیماران بخش های داخلی و جراحی بیمارستان شهید محمدی بندرعباس در سال 1395 ، عوامل تاثیرگذار بر طول مدت اقامت توسط روش های همبستگی و بهره اطلاعاتی تعیین شد و مدل طبقه بندی براساس روش های درخت تصمیم، ماشین بردار پشتیبان، شبکه عصبی و یک روش جمعی (رای گیری) ایجاد شد. در این مدل ها، طول مدت اقامت در دو دسته نامطلوب و مطلوب براساس استاندارد وزارت بهداشت، به عنوان ویژگی هدف و 24 ویژگی دموگرافیکی، بالینی و غیربالینی (مدیریتی و بیمارستانی) به عنوان ویژگی های ورودی در نظر گرفته شدند. در نهایت مدلها توسط شاخص های صحت، حساسیت، ویژگی و سطح زیر منحنی ROC مقایسه گردید. یافته ها: مهم ترین عوامل تاثیرگذار بر طول مدت اقامت بیماران عبارتند از تعداد خدمات پاراکلینیکی (عمدتا تعداد آزمایشات و گرافی ها)، تعداد مشاوره ها، بخش بستری، تخصص و درجه پزشک، علت بستری. همچنین در رابطه با مدل های ایجاد شده بهترین صحت و ویژگی مربوط به مدل درخت تصمیم گیری با صحت 90 / 80 % و ویژگی 37 / 87 % و بهترین حساسیت مربوط به مدل رای گیری با حساسیت 94 / 73 %، بود و همچنین مدل ماشین بردار پشتیبان دارای بیشترین سطح زیر منحنی ROC ، با مقدار877 / 0 به دست آمد. نتیجه گیری: نتایج نشان داد هر چهار روش ارایه شده برای طبقه بندی طول مدت اقامت مناسب می باشند، اگرچه روش درخت تصمیم به صورت جزیی کارایی بهتری نسبت به سایر روش ها داشت و میتوان از این مدل جهت تعیین طول مدت اقامت بیماران استفاده نمود. پیگیری مستمر عوامل تاثیرگذار بر هر یک از شاخص های سنجش کارایی در بیمارستان ها جهت کمک به تصمیم گیری های مدیریتی از اهمیت بسزایی برخوردار است.

کلیدواژه ها:

داده کاوی ، طبقه بندی ، طول مدت اقامت بیماران

نویسندگان

مرجان قاضی سعیدی

استادیار، گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران

طیبه بنی اسدی

دانشجوی دکتری انفورماتیک پزشکی، گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران،

سید محمد ایوب زاده

دانشجوی دکتری انفورماتیک پزشکی، گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران

کیوان معقولی

استادیار، گروه مهندسی پزشکی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران