ملزومات پزشکی

مقدمه: همواره یکی از دغدغه های اصلی مدیران نظام سلامت، کنترل و کاهش هزینه های بهداشت و درمان بوده است. استفاده بهینه از منابع مراکز بهداشتی و درمانی جهت حفظ و ارتقای خدمات، مستلزم تحلیل هزینه ها و به کارگیری نتایج به دست آمده در فرآیند تأمین و مصرف اقلام موردنیاز است. هدف این مطالعه استخراج الگویی مناسب جهت مدیریت هزینه های ملزومات پزشکی در مراکز بهداشتی و درمانی است. روش ها: این پژوهش از نوع کاربردی و به روش توصیفی است که به صورت مقطعی انجام شد. هزینه خرید سالیانه ملزومات پزشکی مراکز درمانی دانشگاه علوم پزشکی همدان از سیستم اطلاعات بیمارستانی استخراج و پس از پردازش، نتایج با بهره گیری از تجربیات محققین و ضوابط تجهیزات پزشکی کشور تحلیل گردید. برای خوشه بندی داده ها از الگوریتم K-means در محیط نرم افزاری Rapidminer 9.6 استفاده شد. یافته ها: هزینه های خرید سالیانه ملزومات پزشکی بر مبنای قیمت خرید واحد و کل به روش K-means به نُه دسته خوشه بندی شد و سپس بر اساس تحلیل هریک از طبقات، راهکارهایی جهت مدیریت هزینه از جمله کاهش قیمت از طریق خرید متمرکز، عقد قرارداد با تأمین کنندگان مجاز، نظارت و کنترل دقیق مصرف و عقد تفاهم نامه با سایر مراکز درمانی جهت تبادل کالای مازاد یا موردنیاز ارائه گردید. نتیجه گیری: تحلیل هزینه کرد حوزه ملزومات پزشکی بر مبنای قیمت، میزان خرید و مصرف در یک بازه زمانی معین با استفاده از الگوریتم خوشه بندی، اطلاعات ارزشمندی را جهت مدیریت منابع و مصارف در اختیار مدیران نظام سلامت قرار می دهد و منجر به حفظ، تداوم و ارتقاء سطح خدمات مراکز بهداشتی و درمانی می گردد.

مقدمه: زنجیره های تامین تجهیزات و ملزومات پزشکی در مراکز بهداشتی و درمانی بسیار پیچیده، متنوع و پویا هستند و این پیچیدگی، انتخاب و خرید بهینه را به امری تخصصی و چالش برانگیز تبدیل نموده است. لذا این پژوهش به طراحی سیستم تصمیم یار هوشمندی جهت پشتیبانی از فرایند کارشناسی خرید ملزومات پزشکی پرداخته است. روش ها: مطالعه حاضر توسعه ای-کاربردی و با روش توصیفی-پیمایشی است. در این پژوهش، بر مبنای هوش مصنوعی و با مجموعه های فازی و شبکه های عصبی، نحوه تصمیم گیری کارشناسان خرید ملزومات پزشکی در نرم افزار متلب الگوسازی شد. به نحوی که با اخذ اطلاعات، امتیاز ملزومات پزشکی را پیش بینی نماید. داده های لازم، در سال 1401 از وبگاه اداره کل تجهیزات پزشکی و دانش متخصصین این حوزه استخراج شد. یافته ها: بنا بر نتایج، استفاده از شبکه عصبی پرسپترون سه لایه، با میانگین مربعات خطای 0/0011 و همبستگی کلی 0/97، می تواند تصمیم یار مناسبی در ارزیابی و انتخاب ملزومات پزشکی باشد. نتیجه گیری: استفاده از ابزاری که منجر به بهبود فرایند کارشناسی خرید ملزومات پزشکی گردد، کمک شایانی به نظام سلامت در حفظ منابع و ارتقاء کیفیت خدمات بهداشتی و درمانی می نماید. شبکه های عصبی یکی از مؤثرترین روش ها با قابلیت یادگیری و تعمیم است که می تواند به عنوان پشتیبانی هوشمند با سرعت و دقت بالا، کارشناسان حوزه خرید ملزومات پزشکی را در پردازش داده یاری رساند و منجر به تصمیم گیری و انتخاب ملزومات پزشکی بهینه گردد.