|
|
1392/12/10، جلد ۱۲، شماره ۴، صفحات ۷۳-۸۲
|
|
|
| عنوان فارسی |
پيش بينی الگوی ورود بيمار به بخش اورژانس بيمارستان با استفاده از تکنيک داده کاوی و مدل شبکه عصبی |
|
| چکیده فارسی مقاله |
زمينه و هدف: بخش اورژانس ، اولين مکان ارائه خدمات تشخيصی و درمانی به بيماران اورژانسی می باشد. با توجه به اهميت سرعت و دقت در ارائه خدمات، تخصيص صحيح منابع در اين بخش اهميت ويژه ای دارد. برنامه ريزی منابع بخش اورژانس، بدون توجه به ازدحام و تراکم بيمار در زمان های مختلف صورت می گيرد، بنابراين ممکن است بخش با کمبود منابع روبرو شده و اين امر منجر به معطلی بيماران، بی نظمی در انجام کارها و در نتيجه افت کيفيت خدمات گردد. در اين مطالعه به منظور رفع مشکلات فوق، الگوی پيش بينی تعداد بيمار مراجعه کننده به بخش اورژانس ارائه شده است. مواد و روش ها: تعداد بيمار بر مبنای داده های ورود بيماران به اورژانس و با استفاده از تکنيک داده کاوی و شبکه عصبی پرسپترون چند لايه(Multi-layer Perceptron) MLP پيش بينی شده است. يافته ها: تعداد بيمار ورودی در روزهای مختلف هفته و ساعات مختلف شبانه روز برای هر يک از اولويت های سه گانه 1 ، 2 و3 تعيين شده، بيشترين تعداد بيمار در روز شنبه و کمترين در روز جمعه بوده است. روزهای تعطيل و غير تعطيل از لحاظ تعداد بيمار با هم متفاوت و تعداد بيمار در روزهای تعطيل رسمی مانند اعياد برابر تعداد بيمار در روزهای جمعه بوده است. بيشترين تعداد بيمار در ساعات 9 الی 11 صبح و 20 الی 23 شب و کمترين تعداد در ساعات بين 2 الی 7 صبح ميباشد. نتيجه گيری: پيش بينی تعداد بيمار بخش اورژانس می تواند در برآورد منابع مورد نياز و توزيع مناسب آنها مورد استفاده قرار گرفته و کيفيت خدمات را بهبود بخشد. |
|
| کلیدواژههای فارسی مقاله |
: داده کاوی، شبکه عصبی، پیش بینی، بخش اورژانس |
|
| عنوان انگلیسی |
Predicting A Pattern of Patient Arrival at Emergency Department by Using Data Mining Technique and Neural Network Model |
|
| چکیده انگلیسی مقاله |
Background: Emergency department (ED) is the first place for providing diagnostic and therapeutic services to emergency patients. Due to importance of speed and accuracy in providing services; the proper allocation of resources, the department must consider this matter in a particular way. Planning Emergency resources implements regardless of patient overcrowding which occurs at different times. In conclusion the emergency department may faces lack of resources and it results in delay of providing services, a whole mess in functions and decreasing in quality of services. This study is aimed to overcome these problems by suggesting a model for predicting the number of arrival patients at ED. Materials and Methods: The number of arrival patients is predicted based on the data colleted by counting arrival patients and using the data mining technique and neural network model (Multi-layer Perceptron). Results: The number of arrival patients during whole days of a week and 24 hours a day were calculated by sorting out 1, 2 and 3 priorities . The highest number of arrival patients counted was for Saturdays and the lowest for Fridays. Holidays and non-holidays` number of arrival patients differ . The number of arrival patients on formal holidays was similar to Fridays. The highest number of arrivals was between 9 am and 11 and also between 20 pm and 23 pm and the lowest arrivals was between 2 am and 7 am. Conclusion: prediction the number of ED arrival patients can be used for estimating required sources and distributing them appropriately and improving quality of services. |
|
| کلیدواژههای انگلیسی مقاله |
Data Mining; Neural Network; Predicting; Emergency Department |
|
| نویسندگان مقاله |
4288---4289---4290---4291--- |
|
| نشانی اینترنتی |
http://jhosp.tums.ac.ir/browse.php?a_code=A-10-1-9&slc_lang=fa&sid=fa |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
سایر |
| نوع مقاله منتشر شده |
Original Article |
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|
