پیش بینی بستری مجدد بیمارستان با استفاده از رویکرد داده کاوی و شبکه های عصبی

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 792

فایل این مقاله در 5 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:

SNTHMED01_018

تاریخ نمایه سازی: 24 شهریور 1398

چکیده مقاله:

رشد چشم گیر بیماری در قرن 21 و محدود بودن منابع بیمارستانی باعث گردیده سازمانهای ارائه دهنده خدمات درمانی به دنبالراهی برای بهینه کردن منابع بیمارستانی باشند. یکی از رویکردهای موثر در این زمینه، کاهش نرخ بستری مجدد بیماران برای افزایش رضایتمندیبیماران، و افزایش بهرهوری در استفاده از تمامی منابع درمانی و بیمارستانی است. لذا یک مرکز درمانی پیشتاز موظف است در زمان مناسب و بارویکردی صحیح، مدیریت کاهش نرخ بستری مجدد بیماران را بیش از پیش مدنظر قرار دهد. یکی از موثر ترین ابزارهای کنونی برای تشخیص بروزبستری مجدد بیماران، داده کاوی است. در این مقاله، با استفاده از رویکرد داده کاوی و الگوریتم شبکه های عصبی مصنوعی به پیش بینی بروزبستری مجدد بیماران بر روی داده های سوابق مراجعه به بیش از 130 کلینیک و بیمارستان در امریکا به مدت 10 سال پرداخته شده است. نتایجنشان می دهد که مهمترین عوامل در بستری مجدد بیماران به ترتیب، تعداد مراجعات منجر به بستری، مراجعه با درمان سرپایی و تعداد تشخیصهای ثبت شده برای بیماری فرد بیش از سه مورد می باشند.

کلیدواژه ها:

نویسندگان

شکیبا خادم القرآنی

دانشگاه شیخ بهایی اصفهان، دانشگاه آزاد اسلامی لنجان

آرش رفتاری

دانشگاه آزاد اسلامی لنجان