8067

تجزيه و تحليل داده‌هاي حوزه سلامت با استفاده از روش داده‌كاوي (مطالعه موردي اورژانس يكي از بيمارستان‌هاي كشور)

كارشناسي

مهندسي صنايع

1401

دكتر روزبه قوسي

دكتر احمد ماكويي

1401/08/01

مهندسي صنايع

Analysis of health data using data mining method (a case study of the emergency room of one of the country's hospitals)

ترياژ روشــي جهت متمايز كردن افراد نيازمند مراقبت فوري از افراد با مشكلات كمتر هســتند. اين مسئله موجب شد تا مسئولان بخش اورژانس براي تسريع شناسايي و افتراق مجروحان و بيماران بدحال از بيماراني كه شكايت غير فوري و مزمن دارند، به دنبال راهكار مناسب اجرايي باشند. لذا استفاده از ســامانه ترياژ براي اولويت‌بندي بيماران بخش اورژانس به عنوان راهكار مناسب اين مساله مطرح گرديد. ترياژ صحيح و سريع بيماران كليد عملكرد موفق در بخش اورژانس است لذا پيش‌بيني آن گامي مفيد در اين راستاست. در اغلب موارد، پيش‌بيني بر پايه‌ي نتايج آزمايش بيماران و تجربه پزشكان است. بنابراين، پيش‌بيني يك كار پيچيده و مستلزم داشتن مهارت بالا و تجربه است. امروزه، دانشمندان با بكارگيري روش‌هاي مختلف به پيش‌بيني بيماري‌هاي مختلف مي‌پردازند. يكي از اين روش‌ها استفاده از الگوريتم‌هاي يادگيري ماشين است. در اين تحقيق، با بكارگيري سه روش دسته‌بند (درخت تصميم، نزديكترين همسايه و رگرسيون لجستيك) به عنوان يادگيرنده، به پيش‌بيني اين بيماري پرداخته شده است. نتايج تحقيق نشان داد كه هر سه روش عملكرد يكساني با صحت 82 درصد داشتند و روش‌هاي درخت تصميم و نزديك‌ترين همسايه با فاصله كم حساسيت بيش‌تري نسبت به روش رگرسيون لجستيك داشتند. در اين مقاله، داده‌هاي آزمايشي استفاده شده داده‌هاي واقعي مربوط به بيماران بخش اورژانس بيمارستان شهداي هفتم تير است. اين مجموعه داده بر اساس متدولوژي CRISP-DM و با بهره‌گيري از نرم‌افزار Python مورد بررسي قرار مي‌گيرد.

سطح ترياژ , پيش‌بيني , داده‌كاوي , يادگيري ماشين , درخت تصميم , نزديك‌ترين همسايه , رگرسيون لجستيك