یازدهمین کنفرانس بین‌المللی مهندسی صنایع
عنوان فارسی شناسایی عوامل موثر بر طول اقامت و پیش بینی آن با استفاده از تکنیک داده کاوی در بخشجراحی عمومی بیمارستان شریعتی
چکیده فارسی مقاله ارزیابی عملکرد نظام سلامت اطلاعات خوبی در مورد وضعیت نظام سلامت را برای دولت ها و جامعه فراهم می آورد. یکی از شاخص های عمده و موثر در ارزیابی عملکرد بیمارستان ها و مدیران آنها متوسط اقامت بیمار در بیمارستان است. با توجه به اهمیت وضرورت یاد شده در این مطالعه به بررسی عوامل موثر و پیش بینی این شاخص پرداخته شده است. روش کار: در این پژوهش داده ها از بیماران در بخش جراحی عمومی جمع آوری شد. پرونده 327 بیمار که تحت عمل جراحی قرار گرفتند عوامل موثر بر طول اقامت از روش انتخاب ویژگی شناسایی شد و برای پیش بینی 3روش دسته بندی درخت تصمیم، بیزین و krin مورد استفاده قرار گرفت. متغیر هدف طول اقامت و متغیرهای ورودی شامل 32 ویژگی است که برای دسته بندی و پیش بینی بکار رفته است. یافته ها: نتایج نشان می دهد که 4 ویژگی نوع عمل (هموروئید)، تعداد روزهای بستری قبل از عمل، تعداد آزمایشات و میانگین تعداد ویزیت در روز از عوامل موثر بر طول اقامت هستند. داده ها به دو دسته تقسیم شدند: 70٪ داده آموزش و 30 داده است درخت تصمیم روی داده آموزش ساخته شد صحت مدل پیش بینی کننده درخت تصمیم 8809 بود، همچنین صحت سه الگوریتبا هم مقایسه شد. نتیجه گیری: هر سه الگوریتم قادر به پیش بینی طول اقامت با صحت های مختلف هستند. این پژوهش نشان داد که الگوریتم درخت تصمیم بهترین است
کلیدواژه‌های فارسی مقاله طول اقامت بیماری داده کاوی، درخت تصمیم، جراحی عمومی
عنوان انگلیسی Identify factors affecting length of stay and prediction length of stay using data mining techniques in general surgery in shariati hospital
چکیده انگلیسی مقاله performance evaluation provids good information about health system for the governments and socities. One of the major factors affecting the performance evaluation of hospitals and their managers is average length of stay patient in hospital. Given the importance and necessity mentioned ,in this research we study on these importsnt factors and attempt to pridict this indicator. Methods: Data were collected from patients in general surgery department. The patient records of 327 patients who underwent surgery. Factors affecting length of stay was identified using feature selection and The techniques used are classification with three algorithms, namely, decision tree, naïve Bayes and knn. Length of staywas chosen as objective variable and the input variables for classification includes 32 features that have been used for prediction. Results: The results show that four kinds of features (hemorrhoids), Days of hospitalization prior to surgery, number of test and the average number of visits per day are the factors affecting length of stay. Data were splited into two categories:70% train data, and 30% test data. Decision tree was constructed on the training data , the accuracy of decision tree model was 88.9%. then three datamining algorithms were compared. Conclusions: All three algorithms are able to predict LOS with various degrees of accuracy. This research shows decision tree is best fit
کلیدواژه‌های انگلیسی مقاله length of stay, datamining, decision tree, general sergury
نویسندگان مقاله Mehrdad Kargari - Tarbiat Modares University

Samaneh Aghajani - Tarbiat Modares University

Mehdi Sepehri - Tarbiat Modares University

Ahmad reza Sorush - University of Tehran

نشانی اینترنتی iiec2015.org
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   دوره مرتبط   |   کنفرانس مرتبط   |   فهرست کنفرانس ها