[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 5، شماره 1 - ( بهار 1397 ) ::
جلد 5 شماره 1 صفحات 12-24 برگشت به فهرست نسخه ها
برازش مدل‌های هوش مصنوعی و آمار کلاسیک سری زمانی جهت پیش‌بینی تعداد بیماران بستری بیمارستان‌ها
سمیرا رسولی، حامد تابش، کبری اطمینانی
دکتری کامپیوتر، استادیار گروه انفورماتیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران
چکیده:   (123 مشاهده)
مقدمه: مطالعه و تجزیه‌وتحلیل هر سیستم بهداشتی و درمانی، یک ضرورت برای بهبود عملکرد آن در طول زمان به‌ شمار‌ می‌آید. در‌ این میان، مدیریت و تجزیه‌وتحلیل تعداد بیماران یک عامل مهم و تعیین‌کننده در بهبود تصمیمات مدیران این حوزه است. هدف از این پژوهش، مطالعه‌و بررسی روش‌های پیش‌بینی مبتنی بر سری‌های‌زمانی جهت پیش‌بینی ماهیانه‌ تعداد بیماران بستری و مقایسه‌ صحت عملکرد این روش‌ها می‌باشد.
روش: در این مطالعه مقطعی مدل‌سازی بر اساس داده‌های ماهیانه‌ تعداد بیماران بستری 6 بیمارستان دولتی شهر مشهد از فروردین 1383 تا فروردین 1395 انجام‌گرفت که از پایگاه‌ داده‌ اداره آمار دانشگاه علوم‌پزشکی‌مشهد استخراج شد. جهت پیش‌بینی تعداد بیماران بستری سه‌ماهه‌ نخست سال 1395 هر یک از بیمارستان‌ها، از تکنیک‌‌های پیش‌بینی Holt-Winters، SARIMA،MLP  و GRNN استفاده گردید. برای هر مدل، خطای مقادیر پیش‌بینی‌شده توسط معیار میانگین قدرمطلق درصد خطا (MAPE) گزارش ‌شد.
نتایج: روش‌ Holt-Winters با ارائه بهترین نتایج پیش‌بینی برای 4 بیمارستان می‌تواند روش‌ کارآمدی برای پیش‌بینی تعداد بیماران بیمارستان‌ها باشد. در مجموع، مدل‌های پیش‌بینی مورد‌ بررسی در این مطالعه با ارائه‌ معیار صحت MAPE در بازه‌ 2/13 درصد تا 4/12 درصد، عملکرد قابل‌قبولی برای هر 6 بیمارستان داشته‌اند.
نتیجه‌گیری: در این مطالعه نشان‌داده‌شد که تجزیه‌وتحلیل سری‌های‌زمانی ابزاری مناسب و کاربردی برای پیش‌بینی تعداد بیماران بستری بیمارستان‌های مورد‌ مطالعه می‌باشد. با توجه به ویژگی‌های منحصربه‌فرد بیمارستان‌های مختلف، فرایندهای ذکرشده در این پژوهش شامل مدل‌سازی و تجزیه‌وتحلیل داده‌ها را می‌توان در دیگر بیمارستان‌ها جهت بهبود تخصیص منابع و برنامه‌ریزی‌های استراتژیک مورد استفاده قرار داد.

 
واژه‌های کلیدی: تجزیه‌و تحلیل سری‌زمانی، تعداد بیماران، Holt-Winters، SARIMA‌، شبکه‌های عصبی
متن کامل [PDF 1406 kb]   (48 دریافت)    
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: مدیریت اطلاعات سلامت
دریافت: ۱۳۹۶/۷/۹ | پذیرش: ۱۳۹۷/۲/۳
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA code


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Rasouli S, Tabesh H, Etminani K. Evaluation of Artificial Intelligence Models and Classical Statistics Models of Time Series in Forecasting the Number of Hospital Inpatient Admissions . Journal of Health and Biomedical Informatics. 2018; 5 (1) :12-24
URL: http://jhbmi.ir/article-1-235-fa.html

رسولی سمیرا، تابش حامد، اطمینانی کبری. برازش مدل‌های هوش مصنوعی و آمار کلاسیک سری زمانی جهت پیش‌بینی تعداد بیماران بستری بیمارستان‌ها. مجله انفورماتیک سلامت و زیست پزشکی. 1397; 5 (1) :12-24

URL: http://jhbmi.ir/article-1-235-fa.html



دوره 5، شماره 1 - ( بهار 1397 ) برگشت به فهرست نسخه ها
مجله انفورماتیک سلامت و زیست پزشکی Journal of Health and Biomedical Informatics
Persian site map - English site map - Created in 0.05 seconds with 31 queries by YEKTAWEB 3731