پیش بینی بستری مجدد بیمارستان با استفاده از رویکرد داده کاوی و شبکه های عصبی

رشد چشم گیر بیماری در قرن 21 و محدود بودن منابع بیمارستانی باعث گردیده سازمانهای ارائه دهنده خدمات درمانی به دنبالراهی برای بهینه کردن منابع بیمارستانی باشند. یکی از رویکردهای موثر در این زمینه، کاهش نرخ بستری مجدد بیماران برای افزایش رضایتمندیبیماران، و افزایش بهرهوری در استفاده از تمامی منابع درمانی و بیمارستانی است. لذا یک مرکز درمانی پیشتاز موظف است در زمان مناسب و بارویکردی صحیح، مدیریت کاهش نرخ بستری مجدد بیماران را بیش از پیش مدنظر قرار دهد. یکی از موثر ترین ابزارهای کنونی برای تشخیص بروزبستری مجدد بیماران، داده کاوی است. در این مقاله، با استفاده از رویکرد داده کاوی و الگوریتم شبکه های عصبی مصنوعی به پیش بینی بروزبستری مجدد بیماران بر روی داده های سوابق مراجعه به بیش از 130 کلینیک و بیمارستان در امریکا به مدت 10 سال پرداخته شده است. نتایجنشان می دهد که مهمترین عوامل در بستری مجدد بیماران به ترتیب، تعداد مراجعات منجر به بستری، مراجعه با درمان سرپایی و تعداد تشخیصهای ثبت شده برای بیماری فرد بیش از سه مورد می باشند.

Keywords:

نرخ بستری مجدد , داده کاوی , پیش بینی , الگوریتم فرا ابتکاری , شبکه های عصبی مصنوعی