1-6- سوالات وفرضیات تحقیق………………………. 9
1-6-1- سوالات………………………. 9
1-6-2- فرضیات تحقیق………………………. 9
1-7- فصول پایان نامه……………………… 9
فصل 2- پیشینه پژوهشی……………………….. 12
2-1- جمع بندی………………………. 24
فصل 3- مروری بر ادبیات تحقیق و مبانی نظری………………. 26
3-1- سیستم های اطلاعات بیمارستان………………………. 26
3-2- تعریف و مفهوم سیستم اطلاعات بیمارستانی……………… 28
3-2-1– اهداف سیستم اطلاعات بیمارستانی………………………. 29
3-2-2- اهمیت و ضرورت راهاندازی سیستم اطلاعات بیمارستانی……….. 30
3-2-3- مزایایی سیستم اطلاعات بیمارستانی………………………. 31
3-3- داده کاوی………………………. 32
3-4- مراحل داده کاوی………………………. 33
3-4-1- پیش پردازش داده ها…………………….. 35
3-4-2- پاکسازی داده ها…………………….. 35
3-4-3-یکپارچه سازی داده ها ……………………..36
3-4-4- تبدیل داده ها ……………………..36
3-4-5- تلخیص داده ها…………………….. 37
3-5- وظایف داده کاوی………………………. 37
3-5-1- دسته بندی………………………. 38
3-5-2- تخمین………………………. 39
3-5-3- پیش بینی………………………. 39
3-5-4- گروه بندی شباهت یا قوانین وابستگی…………….. 40
3-5-5- خوشه بندی………………………. 40
3-5-6- نمایه سازی………………………. 41
3-6- كاربرد های داده كاوی………………………. 41
3-7- رویکردهای مسائل داده کاوی در پزشکی………………………. 42
3-8- مدلها و الگوریتمهای داده کاوی………………………. 43
3-8-1- شبکه های عصبی مصنوعی………………………. 43
3-8-1-1-ساختار شبکه عصبی……………………….. 44
3-8-1-2-معماری شبکه عصبی……………………….. 45
3-8-1-3-آموزش شبکه های عصبی مصنوعی……………………….. 46
3-8-1-4-انواع یادگیری در شبکه های عصبی مصنوعی…………… 47
3-8-2- درخت های انتخاب………………………. 47
3-8-3- Bagging & Boosting………………………
3-8-3-1-Bagging……………………….
3-8-1-1-Boosting……………………….
3-8-1-1-الگوریتم های Boosting……………………….
3-8-4- Adaptive Boosting(Adaboost)……………………..
3-8-5- رگرسیون بردار پشتیبان……………………… 51
3-8-6- رگرسیون خطی………………………. 52
نرم افزارهای داده کاوی………………………. 54
3-10- فرایند خرید دارو…………………….. 55
3-11- جمع بندی………………………. 56
فصل 4- روش انجام پژوهش………………………… 58
4-1- مقدمه……………………… 58
4-2- الگوریتم پیشنهادی………………………. 59
4-3- پیش پردازش داده ها…………………….. 60
4-3-1- ساخت ماتریس داده ……………………..60
4-3-1-1-روش ماههای متوالی……………………….. 67
4-3-1-2-روش ماههای یکسان……………………….. 44
4-3-1-3-روش فصول متولی……………………….. 69
4-4- الگوریتمهای Prediction………………………
4-4-1- روش NN………………………
4-4-2-روش SVR………………………
4-4-3- روش LSSVR………………………
4-4-4- AdaBoost.R………………………
4-5- مجموعه داده…………………….. 70
4-5-1- پاکسازی داده…………………….. 72
4-6- معیارهای ارزیابی………………………. 72
4-7- جمع بندی………………………. 74
فصل 5- بحث و نتیجهگیری………………………. 76
5-1- مقایسه روشهای مورد بررسی………………………. 76
5-1-1- ارزیابی الگوریتم با روش ماههای متوالی…………. 77
5-1-2- ارزیابی الگوریتم با روش ماه های یکسان……………… 83
5-2- جمع بندی………………………. 93
فصل 6- پیشنهادهاو فرصتهای پژوهشی آینده……………………… 95
چکیده:
توسعی استفاده از فناوری اطلاعات در بهداشت و درمان علاوه بر مزایای فراوان باعث می شود تا حجم زیادی از داده های مرتبط، در دسترس قرار بگیرند. با بکارگیری داده کاوی بر روی داده های موجود می توان تصمیم گیریها و فرایندهای مدیریتی را بهبود بخشید. در این پایان نامه تلاش شده است ضمن بررسی الگوریتم های مختلف داده کاوی مدلی جهت پیش بینی مصرف دارو در داروخانه های بیمارستانها ارائه گردد. مجموعه داده در نظر گرفته شده مربوط به سیستم اطلاعات بیمارستان پاستور شهرستان بم می باشد که در مدت 5 سال در پایگاه داده سیستم اطلاعات این بیمارستان ذخیره شده است. برای پیش بینی مصرف دارو عملکرد مدلهای MLP، SVR، ADABOOST.R، BAGTREE، LR، LSSVR مورد بررسی قرار می گیرد. دقت پیش بینی بر اساس معیارها MSE ,RMSE ,MAE وR2 ارزیابی می گردد. طبق نتایج بدست آمده عملکرد مدل BAGTREE در روش های مختلف بهتر از سایر مدل ها بوده است.
فصل نخست: مقدمه
1-1- فناوری اطلاعات در بهداشت و درمان
در سالهای اخیر مراکز بهداشتی ودرمانی کشورمان به ویژه بیمارستانها درصدد مکانیزه کردن سیستمهای اطلاعاتی خود برآمدهاند. در ابتدا مقصود از چنین فعالیتهایی کاهش هزینههای ناشی ازکاغذ بازی موجود در سیستمهای دستی و اداری بوده است، اما اکنون به مرحله ای رسیدهایم که بهبود کیفیت ارائه خدمات درمانی اهمیتی روزافزون مییابد و در این راستا بکارگیری سیستم های اطلاعات بیمارستانها بسیار مرسوم شده است.
بکارگیری سیستم اطلاعات بیمارستان علاوه بر مزایای فراوان از جمله کاهش زمان پذیرش، زمان ترخیص، زمان اخذ جوابها، زمان مراجعه به اطلاعات قبلی پرونده، بالا بردن میزان دقت در درج اطلاعات و درخواستها كه در حالت دستی می تواند ناخوانا باشد، همچنین می تواند موجب تسریع ارتباطات بین بخشی و در نهایت بالابردن میزان رضایت بیمار، ارائه خدمات بهتر، دریافت آمار و گزارشات روزانه و زمانی گردد. در نهایت بکارگیری سیستم های اطلاعات بیمارستان، حجم زیادی از داده های مرتبط با درمان را در دسترس قرار می دهد [1]. با استفاده از تکنیک های داده کاوی می توان از دادههای موجود در این سیستمها در جهت پشتیبانی از تصمیم و مدیریت و در نهایت پیشبرد اهداف اقتصادی و درمانی سود جست .[2] دادهکاوی یکی از ده دانش در حال توسعه است و در سالهای اخیر در دنیا گسترش فوقالعاده سریعی داشته است. دادهکاوی فرآیند کشف الگوها و روابط موجود بین داده ها در پایگاه داده های بزرگ است که با برخورداری از دامنه وسیع زیر زمینههای تخصصی با توصیف، تشریح، پیشبینی و کنترل پدیدههای گوناگون پیرامون، امروزه کاربرد بسیار وسیع در حوزههای مختلفی ازجمله پزشکی و تجارت دارد [3].
2-1- داروخانه های بیمارستانی
افزایش هزینههای بیمارستانی در سالهای اخیر و نیز اجرای طرح خودگردانی و ادارهی بیمارستانها به وسیلهی درآمد اختصاصی آنها، بیمارستانها را با مشکلات مالی جدی رو به رو ساخته است. داروخانه یکی از بخشهای مهم و درآمدزا در بیمارستان ها می باشد که می توان با بهبود خرید دارو و افزایش بهره وری آن، بنحوی به وضعیت اقتصادی بیمارستان ها کمک کرد. این حقیقت که مصرف دارو بر اساس شیوع بیمارها در فصول
|
[پنجشنبه 1398-07-11] [ 01:33:00 ب.ظ ]
|
