مهدیه توکلی، محسن قنواتی نژاد، فاطمه جلالی فر، دکتر الهام یاوری،
دوره 17، شماره 4 - ( 11-1397 )
چکیده
زمینه و هدف: واحد پذیرش، ورودی اصلی بیمارستان است و اولین ارتباط بیمار با بیمارستان از طریق این واحد صورت می‌گیرد. زمان انتظار بیماران که از پیامدهای اصلی عملکرد این واحد است که نه تنها یکی از عوامل مهم تاثیرگذار بر رضایتبیماران بهشمار می‌آید بلکه از شاخصهای ارزیابی کیفیت خدمات بیمارستان نیز میباشد. هدف این پژوهش ارائه سناریوهایی به منظور کاهش زمانانتظار بیماران بود.
مواد و روشها: پژوهش از دیدگاه شیوه، توصیفی و از دیدگاه هدف، کاربردی بود. این تحقیق بهطور مقطعی روی 110 بیمارنوبت‌دار مراجعه‌کننده بهپذیرش بیمارستان محبمهر انجام شد. داده‌ها در مدت 70 روز و بهطور یکنواخت در همه روزهای هفته ازطریق مشاهده مستقیم، جمع‌آوری شده و در کاربرگهای از پیش تهیه شده ثبت گردیده‌اند. مدل شبیه‌سازی، در نرم‌افزار Arena14 طراحی و اجرا شد.
نتایج: براساس یافتههای پژوهش، واحد پاراکلینیک و قسمت انتظار برای خالی شدن تخت، دو گلوگاه اصلی زمان در سیستم مورد مطالعه بودند. به منظور حل مساله، برای هر یک از واحدهای فوق یک سناریو طراحی و در محیط شبیه‌سازی آزمایش شد. اجرای این آزمایش‌ها، نشان می‌دهد که سناریوهای پیشنهادی به طور مجزا و توامان، در مقایسه با شرایط موجود، نتایج بهتری در کاهش زمانانتظار و همچنین افزایش تعداد افراد بستریشده بهدنبال داشتند.
نتیجهگیری: بهبود فرآیندهای درمانی ازطریق شناخت سیستم خدمات‌رسانی بیمارستان و تجزیهوتحلیل گلوگاه‌ها و نقاطضعف آن حاصل می‌شود. مطابق با نتایج، افزایش تعدادکارکنان واحد پاراکلینیک و تخت‌های آزاد بیمارستان، عملکرد واحد پذیرش بیمارستان را بهبود می‌دهد. اجرای سناریوهای فوق، زمانانتظار بیماران را حدود 78% و زمانانتظار خالیشدن تخت را حدود 50% کاهش می‌دهد.
محسن قنواتی نژاد، مهدیه توکلی، دکتر محمدمهدی سپهری،
دوره 18، شماره 3 - ( 7-1398 )
چکیده
زمینه و هدف: امروزه با افزایش تقاضای درمان، بیماران با کمک اینترنت اشیا مراقبت و پایش میشوند. فناوریهای پایش جسمی بیمار در محیط اینترنت اشیا شامل اندازه‌گیری ضربان قلب، فشارخون، قند خون و دیگر علائم حیاتی هستند. هدف مقاله، ارائه مدل خوشهبندی فناوریهای مذکور با استفاده از تکنیکهای داده‌کاوی است تا مناسبترین فناوری، طبق نیازها و ویژگیهای کاربر انتخاب شود.
مواد و روشها: پژوهش حاضر، مروری و از منظر نتیجه کاربردی میباشد. داده‌ها شامل شش مشخصه منحصربهفرد 60 فناوری منتخب، شامل کاربرد، قیمت، نحوه اتصال، منبع تغذیه، مکان استفاده و نوع استفاده میباشد که از سایتهای توسعه و تبلیغات فناوری‌ها و همچنین بررسی مقالات مرتبط استخراج شده است. روش تجزیهوتحلیل داده‌ها، تکنیک خوشهبندی و الگوریتم K-medoids است. همچنین برای شناسایی مؤثرترین مشخصه‌ها، از الگوریتم جنگل تصادفی استفاده شده است.
یافتهها: مدل ارائه شده، با در نظر گرفتن مشخصههای انتخاب شده کاربر به عنوان ورودی، خوشه‌‌ای از فناوری‌ها را به عنوان خروجی مدل ارائه می‌دهد. مطابق با الگوریتم، داده‌ها در بهترین حالت در چهار دسته خوشهبندی شدند. شاخص سیلوئت برای چهار خوشه، مقدار 45/0 شده است که اعتبار مدل را نشان می‌دهد. با اجرای الگوریتم جنگل تصادفی، نوع کاربرد و پس از آن قیمت، بیشترین تاثیر را در خوشهبندی داشته‌اند.
نتیجهگیری: توسط مدل پیشنهادی پژوهش، بیماران یا کاربران میتوانند مناسبترین فناوری را بر حسب نوع بیماری و دیگر ویژگیهای موثر همچون قیمت، بیابند و به این ترتیب با پایش جسمی درست و لحظه‌به‌لحظه، آمار پیشروی بیماریها کمتر و پیشگیری آنها بهتر انجام گیرد
