پیش بینی مدت اقامت بیماران در بخش مراقبت های ویژه مغز و اعصاب با تکنیک های داده کاوی

امروزه کاهش هزینه ها و برنامه ریزی منابع نقش بسیار مهمی در مدیریت بیمارستان ها ایفا می کنند. بخش های مراقبت ویژه بیمارستان ها دارای پر هزینه ترین تخت ها می باشد. مدل های پیش بینی مدت اقامت بیماران در بخش مراقبت های ویژه ابزاری برای مدیریت بهینه تخت ها و منابع کمیاب بخش مراقبت های ویژه است. هدف ما در این پژوهش ارائه مدل هایی جهت پیش بینی مدت اقامت بیماران در بخش مراقبت های ویژه مغز و اعصاب با استفاده از تکنیک های داده کاوی می باشد.
روش پژوهش: در این مطالعه از نرم افزار داده کاوی رپیدماینر برای مدل سازی به منظور طبقه بندی و ساخت مدل پیش بینی برای بیماران بستری در بخش مراقبت های ویژه مغز و اعصاب بیمارستان لقمان حکیم تهران استفاده شده است. داده های مورد نیاز این پژوهش از 592 بیمار بستری در بخش مراقبت های ویژه بین سال های 94 تا 97 استخراج گردیده است. الگوریتم هایی که برای طبقه بندی بیماران استفاده گردید شامل شبکه عصبی ، نزدیک ترین همسایه، درخت تصمیم و جنگل تصادفی بود. در نهایت ماتریس اغتشاش برای محاسبه دقت بدست آمد. یافته های این پژوهش نشان می دهد که متغیر نوع جراحی و عارضه پنومونی بیشترین تاثیر را بر مدت اقامت بیماران دارند. همچنین دقت الگوریتم های مورد استفاده برای ساخت مدل پیش بینی به ترتیب درخت تصمیم 84. 28% ، جنگل تصادفی 83. 96% ، شبکه عصبی 83. 79% و نزدیک ترین همسایه 77. 90% بدست آمد. مدل های ساخته شده بر اساس هر چهار تکنیک مورد استفاده در این پژوهش قادر به پیش بینی مدت اقامت بیمار بودند. اما یافته های حاصل از ماتریس اغتشاش نشان داد که تکنیک درخت تصمیم با دقت 84. 28% عملکرد نسبتا بهتری را در بین تکنیک های مورد مطالعه داشته و قوانین استخراج شده از درخت تصمیم می تواند به عنوان الگویی برای پیش بینی وضعیت مدت اقامت بیماران در بخش مراقبت های ویژه مورد استفاده قرار گیرد.