نفیسه داوودی

مقدمه: تحلیل مقدار فروش داروهای مصرفی کشور نقش مهمی در تأمین تقاضای داروی کشور در گروه های درمانی مختلف دارد. دراین بین مهم ترین چالش فرارو، روش های متداول و تجربی پیش بینی صنعت دارو است. هدف پژوهش حاضر بررسی کارایی دو روش پیشنهادی شبکه عصبی مصنوعی و برازش منحنی در مقایسه با روش متداول نرخ رشد مرکب است. روش ها: پس از تجمیع داده های 17 سال فروش محصولات دارویی (از سال 1379 تا 1395) و اعمال اصلاحات لازم ازهر سه روش یادشده جهت پیش بینی استفاده شد. سپس با شاخص متداول جذر میانگین مربعات خطاهای پیش بینی، کارایی سه روش مقایسه شده است. یافته ها: پس از بررسی حدود 2200 محصول ژنریک دارویی و شناسایی 17 گروه درمانی اصلی با استفاده از سه روش یادشده، فروش ریالی ۱۷ گروه درمانی برای سال های ۱۳۹۷ و ۱۳۹۸ پیش بینی شد و درصد خطای فروش سالیانه محاسبه شده برای دو روش شبکه عصبی مصنوعی و برازش منحنی در سال های 1379 تا 1395 به ترتیب برای ۱۱ سال (از 13 سال محاسبه شده با روش شبکه عصبی) و ۱۵ سال (از 17 سل محاسبه شده با روش برازش منحنی) کمتر از هفت درصد، گزارش شد. نتیجه گیری: نتایج پژوهش نشان داد که به کارگیری روش شبکه عصبی و برازش منحنی در پیش بینی میزان فروش ریالی دارو همواره عملکرد بهتری از روش مرسوم دارد و در مواقعی که سوابق داده های تجربی گذشته برای فروش دارو کم است، روش برازش منحنی کارایی بهتری دارد اما با داده های ورودی بیشتر، روش شبکه عصبی کارایی بهتری نسبت به دو روش دیگر خواهد داشت.