پیش بینی بستری مجدد بیماران با اختالالت روانی با استفاده از شبکه های عصبی مصنوعی

کاهش نرخ بستری مجدد بیماران به عنوان یک رویکردهای جدید و موثر در افزایش بهره وری و استفاده بهینه از منابع محدود بیمارستانی به عنوان راه حلی جدید در سازمانهای ارائه دهنده خدمات س لامت و مراکز درمانی در کشورهای توسعه یافته با توجه به تحمیل هزینه های غیر ضروری به یک موضوع قابل بحث در سیستم بهداشت و درمان تبدیل گردیده است و در طی سال های اخیر مورد استفاده قرار گرفته است. بنابراین در دنیای امروز یک مرکز درمانی پیشتاز موظف است در زمان مناسب و با رویکردی صحیح، کاهش نرخ بستری مجدد بیماران را بیش از پیش مدیریت نماید.در این مقاله، با استفاده از الگوریتم شبکه های عصبی مصنوعی در یادگیری ماشین به پیش بینی بروز بستری مجدد بیماران با اختلالات روانی در یک بازه 30 و 90 روزه از تاریخ ترخیص بر روی داده های سوابق مراجعه کلینیک ها و بیمارستان های روانی پرداخته شده است. نتایج نشان می دهد افراد با ویژگی نرخ بستری مجدد برنامه ریزی شده به بستری مجدد غیر برنامه ریزی شده در طول دوره تحقیق به میزان 0٫225 تا 0٫443 و نرخ بستری مجدد برنامه ریزی شده به بستری مجدد غیر برنامه ریزی شده به میزان 0٫254 تا 0٫442 بیشترین تمایل برای بستری مجدد در بازه 90 روز از تاریخ بستری مجدد و بعد از آن بیمارانی با ویژگی منطقه ارائه دهنده برابر با از طریق یک خانه بهداشت واجد ش رایط شناخته شده اند و دارای نرخ بستری مجدد برنامه ریزی شده به بستری مجدد غیر برنامه ریزی شده در طول دروه تحقیق در بازه 0٫067 تا 0.146 به ترتیب بیشترین احتمال برای بستری مجدد در بازه 30 روز را دارند

کلیدواژه ها:

نرخ بستری مجدد ، پیش بینی ، یادگیری ماشین ، شبکه های عصبی مصنوعی