ارائه کننده: فاطمه فرزانگان استاد راهنما: دكتر محمدمهدي سپهري استاد داور داخلي: دكتر توكتم خطيبي استاد داور خارج از دانشگاه: دكتر عباس حبيب الهي نماينده تحصيلات تكميلي : دكتر توكتم خطيبي تاریخ: 1402/11/08 ساعت: 16:00 مكان: اتاق 351 دانشكده فني و مهندسي
چکیده:
مدت اقامت يكي از مهمترين شاخص های ارزیابی بيمارستاني است که به عنوان شاخص زمان بهبودی بیمار و معیار سنجش عملکرد و کارایی در بیمارستان ها مورد استفاده قرار می گیرد. افزایش سریع هزینه های سیستم سلامت و محدودیت منابع از جمله چالش های مدیریتی تمام بیمارستان هاست. تخت های بیمارستانی از ضروری ترین منابع برای نگهداری بیماران بستری هستند و بیمارستان ها اغلب با کمبود آن مواجه اند. کنترل زمان بستری و کاهش مدت اقامت غیرضروری بیماران می تواند سبب کاهش هزینه ها و استفاده کارآمد از منابع موجود شود. همچنین با توجه به اینکه مدت اقامت برای اندازه گیری مصرف منابع در بیمارستان ها استفاده میشود، پیش بینی این مدت و آگاهی از عوامل مرتبط با آن در برنامه ریزی مدیریت و استفاده بهینه از منابع محدود در دسترس مفید خواهد بود. هدف از این پژوهش، شناسایی عوامل مؤثر بر مدت اقامت و طراحی مدل پیش بینی مدت اقامت بیمار در بیمارستان کودکان با استفاده از تکنیک های واکاوش داده و یادگیری ماشین است. داده های پژوهش از بیمارستان فوق تخصصی کودکان طالقانی گرگان و بیماران بستری مبتلا به بیماری های پنومونی، گاستروانتریت و تشنج در بازه زمانی فروردین تا اسفند 1401 جمع آوری شده است. پس از بررسی متغیرهای قابل استخراج از سیستم اطلاعات بیمارستانی و حذف پرونده های تکراری و نامرتبط، یک مجموعه داده با 2360 سطر و 30 ستون به دست آمد. با انجام آزمون های آماری مرتبط و استفاده از روش های انتخاب ویژگی، متغیرهای مؤثر بر مدت اقامت، شناسایی شده و پیشنهادهای اجرایی به منظور کاهش اقامت غیرضروری و جلوگیری از طولانی شدن مدت بستری به مدیریت بیمارستان ارائه گردیده است. در ادامه از این متغیرها برای ساخت مدل های پیش بینی مدت اقامت استفاده و در نهایت با مقایسه مدل ها و نتایج حاصله بر مبنای معیارهای ارزیابی و اعتبارسنجی، مدل CatBoost به عنوان بهترین مدل در تخمین و دسته بندی مدت اقامت انتخاب شد. این مدل با 4.3% خطا بر اساس معیار میانگین مربعات خطا و 12% خطا بر اساس معیار میانگین قدر مطلق خطا، مدت اقامت را پیش بینی نموده و همچنین به صحت 97.2% در دسته بندی مدت اقامت دست یافته است. در نهایت نموداری جهت سنجش ریسک اقامت بیماران طراحی شده که می تواند یک پیش بینی زود هنگام از طول اقامت ارائه و به پزشکان در شناسایی بیمارانی که در معرض طولانی شدن مدت اقامت هستند، کمک کند و مدیران و سیاست گذاران را در برنامه ریزی مصرف منابع یاری نماید.
|