این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت سلامت، جلد ۱۸، شماره ۶۱، صفحات ۵۷-۶۸
عنوان فارسی شناسایی عوامل مرتبط با طول مدت اقامت بیمارستانی با استفاده از درخت تصمیم
چکیده فارسی مقاله مقدمه:یکی از عوامل اصلی هزینه‌های بیمارستانی طول مدت اقامت می باشد که باعث محدودیت منابع در بیمارستان می گردد. شناسایی عوامل مرتبط با این شاخص جهت بهره بردای بهینه از منابع و کاهش مدت اقامت ، می تواند مفید باشد. مطالعه حاضر با هدف بررسی عوامل مرتبط با طول مدت اقامت با استفاده از اعمال درخت تصمیم بر روی داده های پذیرش بیمارستان انجام شد. روش کار:این مطالعه از نوع توصیفی گذشته نگر است. نمونه های مورد مطالعه از 188068 پرونده ی کامپیوتری بیماران بستری در تمام بخش های بیمارستان قائم(عج) مشهد شامل 16 متغیر و در بازهی زمانی ابتدای سال 1388 تا انتهای سال 1392 خورشیدی استخراج شد. پس از پاکسازی داده ها، جهت تعیین عوامل مرتبط با طول مدت اقامت، از تحلیل تک متغیره شامل تست های آماری کای دو و تحلیل واریانسیک طرفه و همچنین الگوریتم درخت تصمیم CHAIDدر نرم افزار SPSS نسخه 19 استفاده گردید. یافته ها:میانگین مدت اقامت در بیمارستان مورد مطالعه 5/6 با میانه چهار روز بوده است. از بین 15 متغیر مستقل وارد شده به درخت تصمیم، 11 متغیر شامل بخش بستری، سن، دلیل مراجعه، پزشک معالج، نحوه مراجعه، شغل، وضعیت تأهل، نوع محل زندگی، داشتن همراه، روز پذیرش در هفته، و نوع بیمه، به عنوان عوامل مرتبط با LOS شناخته شدند. نتیجه گیری:نتایج تکنیک های داده کاوی می تواند بر اساس داده های ورودی متفاوت باشد، لذا جهت آگاهی از عوامل مرتبط با طول مدت اقامت لازم است داده های مربوط به هر بیمارستان به طور جداگانه وارد مدل شده و از نتایج بهدست آمده، در همان بیمارستان استفاده شود.
کلیدواژه‌های فارسی مقاله طول مدت اقامت ، عوامل مرتبط، داده کاوی، درخت تصمیم
عنوان انگلیسی Identifying Factors Associated with Length of Hospital Stay Using Decision Tree
چکیده انگلیسی مقاله Introduction: One of the main factors of hospital costs resulting in hospital resources constraints is Length of Stay (LOS). Recognizing factors associated with this index can result in optimized utilization of resources and reducing LOS. The present study has been conducted with the aim of investigating LOS-related factors using decision tree applied on hospital admission data. Methods: In this descriptive-retrospective study, 188068 patient data were extracted from computerized patient records including 16 variables in all wards in Ghaem Hospital in Mashhad, Iran, during 2009-2014. After data cleaning, in order to determine the factors associated with LOS, statistical procedures including univariate analysis, chi-Square statistical test, one-way ANOVA, and CHAID algorithm were applied on our data using SPSS Statistical Software version 19. Results: The mean and median of LOS in Ghaem hospital were 6. 5 and 4 days, respectively. Out of 15 independent variables entered the model, 11 variables including the ward, the patient’s age, the admission reason, the doctor, the referral status, the patient’s job, the marital status, the status of the residential place, the caregiver(s), admission day of the week, and the insurance type were associated with LOS. Conclusion: The results of data mining techniques can be different based on the input data. Therefore, to identify the factors related to LOS, it is necessary to enter the related data of individual hospitals into the model and to use the obtained results at the same hospital.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حسام کریم | h karim
karim.hesam@gmail.com


کبری اطمینانی | k etminani
etminanik@mums.ac.ir


سید محمود تارا | m tara
taram@mums.ac.ir


مرضیه مردانی | m mardani
mardanimarziyeh@yahoo.com
نشانی اینترنتی http://jha.iums.ac.ir/browse.php?a_code=A-10-1073-3&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده 1
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات