ارائه عناصر و روش‌شناسي يادگيري تقويتي اعتباربخشي بيمارستان بر اساس مدل مفهومي عامل‌بنيان

مقدمه: هدف از انجام اين مطالعه، ارائه عناصر و روش‌ شناسي مدل يادگيري تقويتي منطبق بر مدل مفهومي عامل ‌بنيان اعتباربخشي بيمارستاني در ايران است. عناصر و روش ‌شناسي مدل يادشده، زيربناي مطالعاتي مطلوبي براي ايجاد سيستم هوشمند و چندعاملي اعتباربخشي بيمارستاني و روندهاي شبيه ‌سازي محيط در جهت ارائه رهنمودهاي بهره‌ ورانه به كارگزاران و سياست ‌گذاران مربوطه ايجاد خواهد كرد. اين مطالعه در نظر دارد تا پاسخ مناسبي به پرسش‌ هاي اصلي پژوهش كه در آن ابهامات مربوط به عناصر يادگيري تقويتي و چگونگي انتخاب روش ‌شناسي يادگيري تقويتي در يك سيستم چندعاملي از نوع سيستم ‌هاي اجتماعي ـ فني وجود دارد، ارائه كند.روش‌ ها‌: به ‌منظور گردآوري داده‌ هاي موردنياز براي شناخت عناصر و شناسايي فرايندهاي اعتباربخشي بيمارستاني، عامل ‌ها، محيط و تعامل بين آن‌ها، از روش مرور سيستماتيك منابع، بررسي مستندات علمي و مصاحبه‌ هاي نيمه‌ ساخت ‌يافته، از طريق خبرگان، به‌ صورت حضوري بهره گرفته شد. مصاحبه ‌شوندگان از ميان اعضاي هيئت‌علمي، مديران بيمارستان و مسئولان بهبود كيفيت بيمارستان ‌ها انتخاب شدند. جمع‌ بندي مصاحبه‌ ها با استفاده از روش‌ هاي مبتني بر داده ‌بنياد، رويكرد ترتيبي و سيستماتيك، صورت گرفت. منابع جمع ‌آوري ويژگي ‌هاي فرايند يادگيري ماشين با استفاده از روش مرور سيستماتيك از مستند «راهنماي اعتباربخشي 1401» بوده است. روند انتخاب ويژگي ‌هاي يادشده از طريق انتخاب صحيح از ويژگي ‌هاي خروجي مدل كه همان كنش‌ هاي عامل است، صورت گرفت. فهرست كنش‌ هاي عامل بر اساس طبقه ‌بندي ساختار درختي از محتواي مفهومي مستند فوق‌ الذكر به‌صورت يك درخت عمومي غيردودويي استخراج شد.يافته ‌ها: مدل يادگيري تقويتي استخراج‌شده درصدد يافتن زنجيره‌ هاي بهينه از كنش ‌هاي عملياتي در شرايطي كه داده‌ هاي كمي موجود است، خواهد بود. مهم ‌ترين عناصر مدل يادشده عبارت‌اند از:مجموعه حالات: مجموعه عوامل اعتباربخشي بيمارستاني مانند متغيرهاي ورودي، متغيرهاي خروجي، شاخص‌ ها، پارامترها، اعداد ثابت مربوط به سنجه‌ هاي هر عامل مفهومي در مستند «راهنماي اعتباربخشي 1401»؛مجموعه كنش‌ ها: كنش‌ هاي عامل‌هاي هوشمند؛ در هر اپيزود يادگيري تقويتي، مسيرهايي از درخت دودويي خوشه ‌بندي سلسله‌مراتبي‌ شده اقدامات عملياتي قابل ‌انجام در بيمارستان و به‌ ازاي مجموعه ويژگي ‌هاي حالت هستند؛تابع پاداش: «كسب بالاترين امتياز ممكن در نظام رتبه ‌بندي بيمارستاني با انجام كمترين تعداد كنش و اقدام لازم» است؛تابع سياست: بر اساس فرايند يادگيري هر عامل، مبتني بر يك شبكه عصبي عميق DQN و الگوريتم كاهش گراديان است؛عامل‌هاي عملياتي: هدف عملياتي هر يك از عامل‌هاي مفهومي؛ «حداكثركردن امتيازات اعتباربخشي سنجه‌ هاي حوزه مربوط به خود با توصيه كمترين اقدامات» است.چرخه كلي مدل: در اين ساختار هر كدام از عامل‌هاي هوشمند، زيرمجموعه عامل‌هاي مفهومي نه گانه، در محدوده خود داراي يك شبكه عصبي چندلايه است كه ويژگي‌هاي حالات مرتبط، به اين شبكه عصبي وارد مي ‌شود و در خروجي، بر اساس تعريف تابع سياست ويژه آن عامل، نگاشتي از كنش‌ هاي بهينه بر حسب شرايط و حالات فعلي عامل ايجاد خواهد شد؛مدل شبكه عصبي: شبكه عصبي عامل هوشمند برگرفته از عامل مفهومي «مديريت و رهبري» است كه در آن مشخصات لايه‌ هاي ورودي، مخفي و خروجي شبكه آمده است.نتيجه‌گيري: جمع ‌بندي پيشينه پژوهش ‌هاي مرتبط، نشان داد كه رويكرد طراحي مدل ‌هاي اعتباربخشي بيمارستاني مي‌ تواند به دو گروه «مدل ‌هاي مفهومي بدون بهره‌ گيري از عوامل هوشمند» و «مدل ‌هاي مفهومي با بهره ‌گيري از مفاهيم هوشمندسازي و سيستم‌ هاي عامل ‌بنيان» تقسيم شود. بررسي‌ ها نشان داد كه اين مطالعات داراي نتايج موردانتظار بوده و كارايي و اثربخشي مدل ‌ها و فرايندهاي پيشنهادشده توسط آن‌ها، اعتبار لازم را داشته‌ اند. از نقاط ضعف اين پژوهش‌ ها، اين است كه الگوريتم ‌هاي يادگيري تقويتي لزوماً با مدل ‌هاي عامل ‌بنيان در آن‌ها درآميخته نشده است.