fa عوامل موثر بر مدت زمان فرایند ترخیص به روش داده کاوی در بیمارستان شهید مدرس شهر تهران مدیریت خدمات بهداشتی درمانی Hospital Managment پژوهشی اصيل Original Research <div style="text-align: justify;"><strong>زمینه و هدف:</strong> فرایند ترخیص بیمار از بیمارستان از جمله مهمترین مواردی است که در سالهای اخیر مورد توجه مدیران قرار گرفته است. پژوهش حاضر به تعیین متغیرهای تاثیرگذار بر مدت زمان فرایند ترخیص و انتخاب بهترین الگوریتم داده کاوی پرداخته است.<br> <strong>روش بررسی:</strong> جامعه پژوهش حاضر، شامل کلیه بیماران ترخیص شده در سه ماهه ی اول سال ۹۲ از بیمارستان مدرس بود.&nbsp;نمونه گیری انجام نشده و تعداد مشاهده ها به ۱۰۶۰ مورد رسید. داده ها با استفاده از چک لیست پژوهشگر ساخته جمع آوری شد. رابطه ی بین متغیرهای مستقل با متغیر وابسته به کمک آزمون تی، آزمون همبستگی پیرسون و آنالیز واریانس یک طرفه مشخص شد.&nbsp;الگوریتم های داده کاوی مورد استفاده در پژوهش حاضر درخت تصمیم، شبکه عصبی، ماشین بردار پشتیبان و رگرسیون خطی ساده می باشد.<br> <strong>یافته ها:</strong> در مطالعه ی حاضر متوسط مدت زمان فرایند ترخیص برابر ۳/۲۵&plusmn;۲۴۶/۹۶ دقیقه است. بین عوامل موثر بر مدت زمان فرایند ترخیص، بخش بستری بیشترین تاثیر را دارد. مدل درخت تصمیم با میزان همبستگی ۰/۳۰ و ریشه میانگین مربع خطا ۱۰۳/۲۹ به عنوان بهترین الگوریتم انتخاب شد.&nbsp;</div> <div style="text-align: justify;"><strong>نتیجه گیری:</strong> نتایج نشان داد که از الگوریتم های داده کاوی می توان برای شناسایی عوامل موثر بر مدت زمان فرایند ترخیص استفاده نمود و مهمترین عامل در مدت زمان فرایند ترخیص متغیر بخش بستری می باشد.</div> <div style="text-align: justify;"><strong>Background and Aim:</strong> Over the recent years, patient discharge process time has been an important issue focused by so many officials. Therefore, the present study is aimed to identify the main factors with regard to the discharge process and selecting the best data-mining algorithm.&nbsp;<br> <strong>Materials and Methods:</strong> The population in question is all the patients discharged from Modarres Hospital during the first three months in the year 2014. Sampling wasn&rsquo;t carried out but the number of observations has reached over 1060. Data was gathered via the researcher&rsquo;s checklist while the relation between dependent and independent variants was examined and identified through T-test, Pearson Correlation Test and one-way analysis of variance. Data Mining Algorithms, in this study, were as follows: Neural Network, Support Vector Machine, Decision Tree, Simple Linear Regression.<br> <strong>Results:</strong> The average discharging process in the present study was 246.96 &plusmn; 3.25, which shows that among main factors concerned with discharging process, bedridden ward is considered as the most crucial. Also, according to the algorithms employed in this study, Decision Tree, with Correlation Value=0.30 and Root-Mean Square Error=103.29, was the best algorithm.<br> <strong>Conclusion:</strong> Results show that Data-Mining Algorithms can be employed to identify crucial factors regarding the whole discharging process and the most important factor during discharge process variable is hospitalization.</div> <div style="text-align: justify;"></div> ترخیص بیمارستانی, فرایند ترخیص, بیمارستان, عوامل موثر بر فرایند ترخیص Hospital Discharging, Discharging Process, Hospital, Determining Factors Concerned with Discharging Process 509 517 http://payavard.tums.ac.ir/browse.php?a_code=A-10-1-275&slc_lang=fa&sid=1 Neda Fazel Asl ندا فاضل اصل No Master of Sciences Student in Health Services Management, Health Services Management Department, School of Management, Islamic Azad University, E-Campus, Tehran, Iran دانشجوی کارشناسی ارشد مدیریت خدمات بهداشتی و درمانی، گروه مدیریت خدمات بهداشتی و درمانی، دانشکده مدیریت، دانشگاه آزاد اسلامی، واحد الکترونیکی، تهران، ایران Farhad Ghaffari فرهاد غفاری ghaffari@srbiau.ac.ir Yes Associate Professor, Economics Department, School of Management & Economics, Islamic Azad University, Science and Research Branch, Tehran, Iran دانشیار گروه اقتصاد، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، تهران، ایران Amir Ashkan Nasiripour امیر اشکان نصیری پور No Professor, Health Services Management Department, School of Management, Islamic Azad University, E-Campus, Tehran, Iran استاد گروه مدیریت خدمات بهداشتی و درمانی، دانشکده مدیریت، دانشگاه آزاد اسلامی، واحد الکترونیکی، تهران، ایران