مطالب مرتبط با کلیدواژه

طول مدت بستری


۱.

بررسی عوامل موثر بر طول مدت بستری بیماران روانی در مرکز روان پزشکی رازی(مقاله پژوهشی وزارت بهداشت)

کلیدواژه‌ها: بیماران روان پریش طول مدت بستری بستری بودن روان پزشکی

حوزه‌های تخصصی:
تعداد بازدید : ۳۷۴۹
مساله مراقبت و درمان بیماران روانی یکی از مسایل و معضلات مهم بهداشتی جوامع می باشد. به منظور بررسی عوامل موثر بر طول مدت بستری بیماران روانی مطالعه ای بر روی بیماران بستری شده در مرکز روانپزشکی رازی در طی نیم سال دوم سال 79 انجام شد. این مطالعه، به روش گذشته نگر توصیفی انجام گرفته است. نتایج حاصل از این تحقیق نشان داد که بین عواملی چون سن و جنس بیماران، محل تولد، محل سکونت، وضعیت اشتغال، منبع ارجاع و نوع درمان بیماران با طول مدت بستری رابطه ای وجود نداشت. از طرفی این مطالعه نشان داد که بیماران مبتلا به اسکیزوفرنیا نسبت به بیماران خلقی و سایر بیماران زمان اقامت طولانی تری را در بیمارستان داشتند .(P<0.05) همچنین بیماران با دفعات بستری قبلی، بیماران با طول مدت اختلال طولانی تر، بیماران با داشتن بیماری همراه (اعم از جسمی یا روانپزشکی)، بیماران مجرد و طلاق گرفته نسبت به بیماران متاهل و بیماران با پوشش بیمه، زمان اقامت طولانی تری را در بیمارستان داشته اند.
۲.

پیش بینی طول مدت بستری بیماران مبتلا به نارسایی قلبی با داده کاوی(مقاله پژوهشی وزارت بهداشت)

کلیدواژه‌ها: نارسایی احتقانی قلب طول مدت بستری داده کاوی یادگیری ماشین الگوریتم جنگل تصادفی

حوزه‌های تخصصی:
تعداد بازدید : ۸ تعداد دانلود : ۴
مقدمه: نارسایی احتقانی قلب یکی از چالش های اصلی نظام های سلامت در جهان است که با افزایش جمعیت سالمند، شیوع آن رو به افزایش است. پیش بینی دقیق طول مدت بستری بیماران مبتلا می تواند نقش مهمی در مدیریت بهینه منابع بیمارستانی، کاهش هزینه های درمان و ارتقای کیفیت مراقبت های پزشکی ایفا کند. این مطالعه با هدف ارائه مدل پیش بینی مبتنی بر داده کاوی جهت تخمین مدت بستری بیماران مبتلا به نارسایی احتقانی قلب و شناسایی عوامل کلیدی مؤثر بر آن انجام شد. روش ها: این پژوهش تحلیلی-کاربردی به صورت مقطعی بر روی داده های ۳۴۲۱ بیمار بستری در دو بیمارستان سیدالشهدا و آیت الله طالقانی ارومیه طی سال های ۱۳۹۷ تا ۱۳۹۹ انجام شد. داده های بیمارستان سیدالشهدا برای آموزش (۸۰٪) و آزمون مدل (۲۰٪)استفاده شد. طول مدت بستری با الگوریتم K-means خوشه بندی و به دو خوشه کوتاه مدت و بلندمدت تفکیک شد. الگوریتم های یادگیری ماشین شامل جنگل تصادفی، درخت تصمیم(C5.0)، شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی تطبیقی (ANFIS) برای طبقه بندی مدت بستری استفاده شد. همچنین از روش های بیش نمونه گیری، کم نمونه گیری و و SMOTE برای متعادل سازی کلاس ها، اعتبارسنجی متقاطع 10 تایی برای پایایی مدل ها و الگوریتم اپریوری برای کشف قوانین همبستگی بین متغیرها استفاده شد. یافته ها: جنگل تصادفی با صحت 87/14٪، حساسیت 97/56٪ و AUC معادل 85/40٪ بهترین عملکرد را داشت. متغیرهایی مانند کراتینین بالا، هموگلوبین پایین، جنسیت مرد و بیماری های زمینه ای عوامل مؤثر بر مدت اقامت بودند. نتیجه گیری: مدل پیشنهادی می تواند ابزاری مؤثر برای طبقه بندی مدت بستری بیماران نارسایی احتقانی قلب و پشتیبان تصمیم گیری های مدیریتی و بالینی در بیمارستان ها باشد.