این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پیاورد سلامت، جلد ۱۱، شماره ۵، صفحات ۰-۰
عنوان فارسی عوامل موثر بر مدت زمان فرایند ترخیص به روش داده کاوی در بیمارستان شهید مدرس شهر تهران
چکیده فارسی مقاله زمینه و هدف: فرایند ترخیص بیمار از بیمارستان از جمله مهمترین مواردی میباشد که در سالهای اخیر مورد توجه مدیران قرار گرفته است. پژوهش حاضر به تعیین متغیر های تاثیر گذار بر مدت زمان فرایند ترخیص و انتخاب بهترین الگوریتم داده کاوی پرداخته است . روش بررسی: جامعه پژوهش حاضر، شامل کلیه بیماران ترخیص شده در سه ماهه اول سال 92 از بیمارستان مدرس بود. نمونه گیری انجام نشده و تعداد مشاهده ها به 1060 مورد رسید.داده ها با استفاده از چک لیست پژوهشگر ساخته جمع آوری شد. رابطه بین متغیر های مستقل با متغیر وابسته به کمک آزمون تی، آزمون همبستگی پیرسون و آنالیز واریانس یک طرفه مشخص شد.الگوریتم های داده کاوی مورد استفاده در پژوهش حاضر درخت تصمیم، شبکه عصبی، ماشین بردار پشتیبان و رگرسیون خطی ساده میباشد. یافته ها : در مطالعه حاضر متوسط مدت زمان فرایند ترخیص برابر3.254±246.96 دقیقه میباشد. بین عوامل موثر بر مدت زمان فرایند ترخیص بخش بستری بیشترین تاثیر را دارد. مدل درخت تصمیم با میزان همبستگی 0.301 و ریشه میانگین مربع خطا 103.2927 به عنوان بهترین الگویتم انتخاب شد. نتیجه گیری: نتایج نشان داد که از الگوریتم های داده کاوی میتوان برای شناسایی عوامل موثر بر مدت زمان فرایند ترخیص استفاده نمود و مهمترین عامل در مدت زمان فرایند ترخیص متغیر بخش بستری میباشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی The Effective Implications On The Time Of Discharge in Modares Hospital With Data Mining Techniques
چکیده انگلیسی مقاله Introduction and Purpose: Over the recent years, patient discharge process time has been an important issue focused by so many officials. Being so, the present study is aimed at identifying the main factors with regard to the discharge process and selecting the best data-mining algorithm. Method: The population in question is all the patients discharged from Modarres Hospital during the first three months in the year 2014. Sampling wasn't carried out but the number of observations has reached over 1060. Data was gathered via the researcher's checklist while the relation between dependent and independent variants is examined and identified through T-test, Pearson Correlation Test and one-way analysis of variance. Employing Data Mining Algorithms, In this study, were as following: Neural Network, Support Vector Machine, Tree Decision, Simple Linear Regression. Findings: The average discharging process in the present study is 246.76 +- 3.254 , which shows that among main factors concerned with discharging process, Admission Ward is considered as the most crucial . Also, according to the algorithms employed in this study, Tree Decision, Correlation Value=0.301, Root-Mean Square Error= 103.2927, was taken as the most useful. Conclusion: 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 hospitalized.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله ندا فاضل اصل | fazel asl


فرهاد غفاری |


امیر اشکان نصیری پور | amir ashkan


نشانی اینترنتی http://payavard.tums.ac.ir/browse.php?a_code=A-10-1-256&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 مدیریت خدمات بهداشتی درمانی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات