برازش مدل‌های سری زمانی جهت مدل‌سازی و پیش‌بینی تعداد بیماران بستری بیمارستان‌ها

برازش مدل‌های سری زمانی جهت مدل‌سازی و پیش‌بینی تعداد بیماران بستری بیمارستان‌ها

سمیرا رسولی1 حامد تابش2 کبری اطمینانی3

1) کارشناسی ارشد انفورماتیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران
2) استادیار، آمار زیستی، گروه انفورماتیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران
3) استادیار، انفورماتیک پزشکی، گروه انفورماتیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران

کد IOI مقاله : XABC-BKACZ
محل انتشار : همایش بین المللی مدیریت بیمارستانی(ihmc9.ir)
چکیده :
    مقدمه: مطالعه و تجزیه‌وتحلیل هر سیستم بهداشتی و درمانی، یک ضرورت برای بهبود عملکرد آن در طول زمان بشمار می آید. در این میان، مدیریت و تجزیه‌وتحلیل تعداد بیماران یک عامل مهم و تعیین‌کننده در بهبود تصمیمات مدیران این حوزه است. هدف از این پژوهش، مطالعه و بررسی روش‌های پیش‌بینی مبتنی بر سری‌های‌زمانی جهت پیش‌بینی ماهیانه‌ی تعداد بیماران بستری در شش بیمارستان دولتی شهر مشهد و مقایسه‌ی صحت عملکرد این روش‌ها می باشد. روش: مدلسازی بر اساس داده‌های ماهیانه‌ی تعداد بیماران بستری شش بیمارستان دولتی شهر مشهد از فروردین 83 تا فروردین 95 انجام‌گرفت که از پایگاه داده‌ی اداره آمار دانشگاه علوم پزشکی مشهد استخراج شده بودند. جهت پیش‌یینی تعداد بیماران بستری سه‌ماهه‌ نخست سال 95 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 چهار بیمارستان می‌تواند روش‌ کارآمدی برای پیش‌بینی تعداد بیماران بیمارستان‌ها باشد. در مجموع، مدل‌های پیش‌بینی مورد بررسی در این مطالعه با ارائه‌ی معیار صحت MAPE در بازه‌ی 13/2 درصد تا 12/4 درصد، عملکرد قابل قبولی برای هر شش بیمارستان داشته‌اند. نتیجه‌گیری: در این مطالعه نشان داده شد که تجزیه‌وتحلیل سری‌های زمانی 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.

کلمات کلیدی : پیش‌بینی تعداد بیماران holt winters sarima شبکه‌های عصبی