ارائه عناصر و روش شناسی یادگیری تقویتی اعتباربخشی بیمارستان بر اساس مدل مفهومی عامل بنیان

مقدمه: هدف از انجام این مطالعه، ارائه عناصر و روش ­شناسی مدل یادگیری تقویتی منطبق بر مدل مفهومی عامل­ بنیان اعتباربخشی بیمارستانی در ایران است. عناصر و روش­ شناسی مدل یادشده، زیربنای مطالعاتی مطلوبی برای ایجاد سیستم هوشمند و چندعاملی اعتباربخشی بیمارستانی و روندهای شبیه­ سازی محیط در جهت ارائه رهنمودهای بهره ­ورانه به کارگزاران و سیاست­ گذاران مربوطه ایجاد خواهد کرد. این مطالعه در نظر دارد تا پاسخ مناسبی به پرسش ­های اصلی پژوهش که در آن ابهامات مربوط به عناصر یادگیری تقویتی و چگونگی انتخاب روش­ شناسی یادگیری تقویتی در یک سیستم چندعاملی از نوع سیستم­ های اجتماعی فنی وجود دارد، ارائه کند.روش ­ها : به­ منظور گردآوری داده ­های موردنیاز برای شناخت عناصر و شناسایی فرایندهای اعتباربخشی بیمارستانی، عامل­ ها، محیط و تعامل بین آن ها، از روش مرور سیستماتیک منابع، بررسی مستندات علمی و مصاحبه ­های نیمه ­ساخت­ یافته، از طریق خبرگان، به ­صورت حضوری بهره گرفته شد. مصاحبه­ شوندگان از میان اعضای هیئت علمی، مدیران بیمارستان و مسئولان بهبود کیفیت بیمارستان­ ها انتخاب شدند. جمع ­بندی مصاحبه ­ها با استفاده از روش ­های مبتنی بر داده­ بنیاد، رویکرد ترتیبی و سیستماتیک، صورت گرفت. منابع جمع­ آوری ویژگی­ های فرایند یادگیری ماشین با استفاده از روش مرور سیستماتیک از مستند «راهنمای اعتباربخشی ۱۴۰۱» بوده است. روند انتخاب ویژگی­ های یادشده از طریق انتخاب صحیح از ویژگی­ های خروجی مدل که همان کنش ­های عامل است، صورت گرفت. فهرست کنش ­های عامل بر اساس طبقه­ بندی ساختار درختی از محتوای مفهومی مستند فوق ­الذکر به صورت یک درخت عمومی غیردودویی استخراج شد.یافته­ ها: مدل یادگیری تقویتی استخراج شده درصدد یافتن زنجیره ­های بهینه از کنش­ های عملیاتی در شرایطی که داده ­های کمی موجود است، خواهد بود. مهم­ ترین عناصر مدل یادشده عبارت اند از:مجموعه حالات: مجموعه عوامل اعتباربخشی بیمارستانی مانند متغیرهای ورودی، متغیرهای خروجی، شاخص ­ها، پارامترها، اعداد ثابت مربوط به سنجه ­های هر عامل مفهومی در مستند «راهنمای اعتباربخشی ۱۴۰۱»؛مجموعه کنش ­ها: کنش ­های عامل های هوشمند؛ در هر اپیزود یادگیری تقویتی، مسیرهایی از درخت دودویی خوشه­ بندی سلسله مراتبی ­شده اقدامات عملیاتی قابل­ انجام در بیمارستان و به ­ازای مجموعه ویژگی­ های حالت هستند؛تابع پاداش: «کسب بالاترین امتیاز ممکن در نظام رتبه­ بندی بیمارستانی با انجام کمترین تعداد کنش و اقدام لازم» است؛تابع سیاست: بر اساس فرایند یادگیری هر عامل، مبتنی بر یک شبکه عصبی عمیق DQN و الگوریتم کاهش گرادیان است؛عامل های عملیاتی: هدف عملیاتی هر یک از عامل های مفهومی؛ «حداکثرکردن امتیازات اعتباربخشی سنجه ­های حوزه مربوط به خود با توصیه کمترین اقدامات» است.چرخه کلی مدل: در این ساختار هر کدام از عامل های هوشمند، زیرمجموعه عامل های مفهومی نه­گانه، در محدوده خود دارای یک شبکه عصبی چندلایه است که ویژگی های حالات مرتبط، به این شبکه عصبی وارد می­ شود و در خروجی، بر اساس تعریف تابع سیاست ویژه آن عامل، نگاشتی از کنش ­های بهینه بر حسب شرایط و حالات فعلی عامل ایجاد خواهد شد؛مدل شبکه عصبی: شبکه عصبی عامل هوشمند برگرفته از عامل مفهومی «مدیریت و رهبری» است که در آن مشخصات لایه ­های ورودی، مخفی و خروجی شبکه آمده است.نتیجه گیری: جمع­ بندی پیشینه پژوهش­ های مرتبط، نشان داد که رویکرد طراحی مدل­ های اعتباربخشی بیمارستانی می ­تواند به دو گروه «مدل­ های مفهومی بدون بهره ­گیری از عوامل هوشمند» و «مدل­ های مفهومی با بهره­ گیری از مفاهیم هوشمندسازی و سیستم ­های عامل­ بنیان» تقسیم شود. بررسی ­ها نشان داد که این مطالعات دارای نتایج موردانتظار بوده و کارایی و اثربخشی مدل­ ها و فرایندهای پیشنهادشده توسط آن ها، اعتبار لازم را داشته ­اند. از نقاط ضعف این پژوهش ­ها، این است که الگوریتم­ های یادگیری تقویتی لزوما با مدل­ های عامل­ بنیان در آن ها درآمیخته نشده است.

Keywords:

یادگیری تقویتی , کاهش گرادیان , عامل های هوشمند , مدل شبکه عصبی , اعتباربخشی بیمارستانی