3 نتیجه برای بیگلر
سودابه وطن خواه، سجاد فلاح، وحیده واعظی، پریسا اسماعیل بیگی، حمیدرضا رضائیان زاده، محمود بیگلر،
دوره 13، شماره 0 - ( ویژه نامه ی تله مدیسن 1393 )
چکیده
محمود بیگلر، حسین درگاهی، زهره قربانی، سیما گرشاسبی،
دوره 19، شماره 3 - ( 9-1399 )
چکیده
زمینه و هدف: توانمندسازی کارکنان از بهترین و کارآمدترین راهبردهای توسعه و شکوفایی و افزایش بهره‌وری نیروی انسانی در سازمان‌ها است. لذا مطالعه حاضر با هدف تعیین ارتباط اثربخشی دوره‌های توانمندسازی کارکنان با بهره‌وری نیروی انسانی در دانشگاه علوم پزشکی تهران انجام شده است.
مواد و روش ها: پژوهش حاضر از نوع توصیفی-تحلیلی بود که به‌صورت مقطعی انجام شد. جامعه آماری این پژوهش کارکنان ستادی معاونت‌های دانشگاه برابر 1452 نفر بود. حجم نمونه نیز با استفاده از جدول کرجسی و مورگان برابر 304 تعیین شد. ابزار گردآوری داده‌ها شامل دو پرسشنامه اثربخشی دوره‌های توانمندسازی Hersey ترجمه‌شده توسط جعفری و همکاران و بهره‌وری نیروی انسانی هرسی و گلداسمیت بود. روایی محتوی و سازه شامل همگرا و واگرا و همچنین پایایی پرسشنامه‌ها با ضریب 86/0 و 89/0 با استفاده از روش آلفا کرونباخ بدست آمد. تحلیل داده‌ها توسط نرم‌افزار SPSS نسخه 23 انجام شد و برای ارائه یافته‌های توصیفی از جداول توزیع فراوانی و برای ارائه یافته‌های تحلیلی از مدل‌سازی معادلات ساختاری و دیگر روش‌های آمار استنباطی بهره‌برداری شد.
نتایج: میانگین اثربخشی دوره‌های توانمندسازی کارکنان و بهره‌وری نیروی انسانی موردمطالعه از مطلوبیت نسبتاً بالا برخوردار بود. همچنین ارتباط مثبت و مستقیم دوره‌های توانمندسازی کارکنان با بهره‌وری نیروی انسانی به اثبات رسید.
نتیجه‌گیری: استفاده از روش‌های مختلف توانمندسازی کارکنان در بدو استخدام مانند جامعه‌پذیری سازمانی، آموزش‌های مستمر ضمن خدمت به‌صورت کارگاهی، حضوری و مجازی در جهت تقویت ویژگیهای شخصیتی خودباوری، سازگاری و نوآوری کارکنان به بهره‌وری سازمانی و فردی کمک می‌کند.
امین بیگلرخانی، رضوان عباسی، محمدرضا ثنایی،
دوره 21، شماره 4 - ( 11-1401 )
چکیده
زمینه و هدف: در سال‌های اخیر، مدیریت زنجیره تامین دارو، به‌ویژه پس از همه‌گیری بیماری کووید-۱۹ اهمیت بیشتری پیدا کرده است. در این مدت یکی از چالش‌های مهم مساله کنترل هزینه زنجیره تامین است. اگر موجودی دارو در بیمارستان‌ها به‌درستی مدیریت نشود، مشکلاتی مانند کمبود موجودی برخی داروهای حیاتی، تامین موجودی مازاد، افزایش هزینه‌ها و درنهایت نارضایتی بیماران را به دنبال خواهد داشت.
مواد و روش‌ها: در این پژوهش سعی شده است تا با استفاده از الگوریتم‌های یادگیری عمیق، نیازهای دارویی بیمارستان‌های کشور را پیش‌بینی و مدیریت کنیم. داده‌های مصرف دارویی ده سال بیمارستان عمومی بعثت همدان از پایگاه داده‌های سامانه مدیریت بیمارستان استخراج شده است. به‌عنوان یک مطالعه موردی، عملکرد مدل پیشنهادی برای پیش‌بینی میزان مصرف سفازولین ارزیابی شده است. این مدل شامل یک شبکه حافظه طولانی کوتاه‌مدت می‌باشد که می‌تواند پیشینه تغییرات داده‌ها را در کاربردهای پیش‌بینی سری‌‌های زمانی تشخیص دهد. مدل پیشنهادی با وجود تعداد زیادی پارامترهای تطبیق‌پذیر در شبکه‌های عصبی عمیق عملکرد خوبی را برای غلبه بر پیچیدگی‌های مسئله یادگیری به ارمغان می‌آورد.
نتایج: استفاده از رویکرد یادگیری عمیق پیشنهادی با کاهش اثرات پیچیدگی و عدم قطعیت در داده‌های پزشکی، استحکام الگوریتم را افزایش داده است. میانگین خطای پیش‌بینی با به‌کارگیری روش پیشنهادی 043/0 و مقادیر اندازه‌گیری شده برای RMSE، MAE و R2 به‌ترتیب برابر با 335/0، 260/0 و 851/0 است.
نتیجه‌گیری: مقایسات جامعی بین برخی از سایر روش‌های پیش‌بینی و مدل پیشنهادی انجام شده است، که عملکرد بهتر مدل پیشنهادی را نشان می‌دهد. علاوه براین، نتایج ارزیابی دقت و کارایی قابل قبول رویکرد پیشنهادی را به‌خوبی نشان می‌دهد.
