|
Title
|
تخصيص منابع و كاهش هزينه هاي دياليز در بيماري مزمن كليه با استفاده از مدل هاي پيش بيني يادگيري ماشين
|
|
Type
|
Thesis
|
|
Keywords
|
بيماري مزمن كليه، يادگيري ماشين، شبيه سازي گسسته پيشامد، تخصيص منابع، چارچوب آميخته
|
|
Abstract
|
زمينه: بيماري مزمن كليه يكي از بيماري هاي غيرواگير رو به رشد در ايران است كه با افزايش شيوع ديابت و فشار خون، تقاضاي خدمات دياليز را به گونهاي چشمگير بالا برده است. مديريت منابع محدود بخش هاي دياليز (مانند پرستار، دستگاه و تخت) در شرايط نوسان تقاضا و محدوديت هاي اقتصادي، چالش اصلي بيمارستان ها به شمار مي رود. نادقيق بودن پيش بيني تقاضا و تخصيص ناكارآمد منابع رهنمون به هرزرفت ظرفيت، افزايش زمان انتظار بيماران و هزينه هاي عملياتي بالا مي شود.
هدف: هدف اين پژوهش، توسعه يك مدل تركيبي يادگيري ماشين و شبيه سازي گسسته پيشامد براي بهينه سازي تخصيص منابع بيمارستاني در مديريت بيماري مزمن كليه است، كه از طريق پيش بيني مراحل بيماري و تقاضاي آتي دياليز، ارزيابي عملكرد بخش دياليز و مقايسه سناريوهاي تخصيص منابع، در راستاي افزايش كارايي عملياتي و كاهش هزينه ها عمل مي كند.
روششناسي: براي پيش بيني مرحله بيماري، از مجموعه داده بيماري مزمن كليه مخزن UCI (كه دربرگيرنده 400 بيمار و 25 ويژگي باليني است) استفاده شد. چهار تكنيك يادگيري ماشين، جنگل تصادفي، ماشين بردار پشتيبان، تقويت گراديان و كت بوست با روش هاي جستجوي شبكه اي و TPE ارزيابي گرديدند. براي ارزيابي و بهبود تخصيص منابع نيز، مدل گسسته پيشامد بخش دياليز بيمارستان شهداي خليج فارس بوشهر با نرم افزار آرنا ساخته شد و سناريوهاي گوناگون تخصيص منابع آزمون شدند.
يافتهها: براي پيش بيني مرحله بيماري، مدل تقويت گراديان با جستجوي شبكه اي بهترين عملكرد را با نمره 938/0 براي سنجه F1 Score نشان داد و ويژگي كراتينين سرم بالاترين اهميت را داشت. در شبيه سازي، سناريوي پايه نرخ بهره گيري پايين پرستار (03/6درصد) و ميانگين دستگاه/تخت ( 56/47درصد) را نشان داد. سناريوهاي پيشنهادي تغييرهاي محدودي ايجاد كردند و هيچ سناريوي برتري وجود نداشت؛ براي نمونه، ورود پيوسته بهره گيري منابع را افزايش داد اما زمان انتظار را به گونه چشمگيري بالا برد.
نتيجهگيري: پژوهش چارچوب آميخته براي پيش بيني پوياي تقاضا و ارزيابي تخصيص منابع پيشنهاد داد كه پتانسيل بالايي براي بهبود مديريت بخش دياليز دارد. با بومي سازي اين چارچوب و استفاده از داده هاي واقعي بيمارستان ها، مي توان به كاهش هدررفت منابع، مديريت بهتر تقاضاي متغير و بهبود كيفيت مراقبت از بيماران دياليزي دست يافت.
|
|
Researchers
|
nima amaleh (Student) , Khodakaram Salimifard (First primary advisor) , Reza Mohammadi (Advisor) , Mehadi Mahmoodpour (Advisor)
|