دوره 12، شماره 4 - ( 12-1392 )
جلد 12 شماره 4 صفحات 81-73 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Afshar Kazemi M, Bigdeli N, Manoochehri J, Jenab Y. Predicting A Pattern of Patient Arrival at Emergency Department by Using Data Mining Technique and Neural Network Model. jhosp 2014; 12 (4) :73-81
URL: http://jhosp.tums.ac.ir/article-1-5212-fa.html
URL: http://jhosp.tums.ac.ir/article-1-5212-fa.html
علی افشار کاظمی محمد علی، بیگدلی ندا، منوچهری ژیلا، جناب یاسر. پیش بینی الگوی ورود بیمار به بخش اورژانس بیمارستان با استفاده از تکنیک داده کاوی و مدل شبکه عصبی. بیمارستان. 1392; 12 (4) :73-81
محمد علی علی افشار کاظمی1 
، ندا بیگدلی* 2، ژیلا منوچهری3 ، یاسر جناب4
، ندا بیگدلی* 2، ژیلا منوچهری3 ، یاسر جناب4
1- دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران مرکز
2- گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران مرکز ،neda_big_55@yahoo.com
3- ، مسؤول واحد مدیریت کیفیت، مرکز قلب تهران، دانشگاه علوم پزشکی تهران
4- استادیار گروه قلب و عروق، ، مرکز قلب تهران، دانشگاه علوم پزشکی تهران
2- گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد تهران مرکز ،
3- ، مسؤول واحد مدیریت کیفیت، مرکز قلب تهران، دانشگاه علوم پزشکی تهران
4- استادیار گروه قلب و عروق، ، مرکز قلب تهران، دانشگاه علوم پزشکی تهران
چکیده: (12009 مشاهده)
زمینه و هدف: بخش اورژانس ، اولین مکان ارائه خدمات تشخیصی و درمانی به بیماران اورژانسی می باشد. با توجه به اهمیت سرعت و دقت در ارائه خدمات، تخصیص صحیح منابع در این بخش اهمیت ویژه ای دارد. برنامه ریزی منابع بخش اورژانس، بدون توجه به ازدحام و تراکم بیمار در زمان های مختلف صورت می گیرد، بنابراین ممکن است بخش با کمبود منابع روبرو شده و این امر منجر به معطلی بیماران، بی نظمی در انجام کارها و در نتیجه افت کیفیت خدمات گردد. در این مطالعه به منظور رفع مشکلات فوق، الگوی پیش بینی تعداد بیمار مراجعه کننده به بخش اورژانس ارائه شده است.
مواد و روش ها: تعداد بیمار بر مبنای داده های ورود بیماران به اورژانس و با استفاده از تکنیک داده کاوی و شبکه عصبی پرسپترون چند لایه(Multi-layer Perceptron) MLP پیش بینی شده است.
یافته ها: تعداد بیمار ورودی در روزهای مختلف هفته و ساعات مختلف شبانه روز برای هر یک از اولویت های سه گانه 1 ، 2 و3 تعیین شده، بیشترین تعداد بیمار در روز شنبه و کمترین در روز جمعه بوده است. روزهای تعطیل و غیر تعطیل از لحاظ تعداد بیمار با هم متفاوت و تعداد بیمار در روزهای تعطیل رسمی مانند اعیاد برابر تعداد بیمار در روزهای جمعه بوده است. بیشترین تعداد بیمار در ساعات 9 الی 11 صبح و 20 الی 23 شب و کمترین تعداد در ساعات بین 2 الی 7 صبح میباشد.
نتیجه گیری: پیش بینی تعداد بیمار بخش اورژانس می تواند در برآورد منابع مورد نیاز و توزیع مناسب آنها مورد استفاده قرار گرفته و کیفیت خدمات را بهبود بخشد.
نوع مطالعه: مقاله ی اصیل |
موضوع مقاله:
سایر
دریافت: 1391/8/29 | پذیرش: 1392/4/1 | انتشار: 1392/12/23
دریافت: 1391/8/29 | پذیرش: 1392/4/1 | انتشار: 1392/12/23
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
