پيش‌بيني تعداد زايمان با استفاده از مدل‌هاي پوآسن ماركف پنهان

Forecasting Frequency of Delivery using Poisson Hidden Markov Models

مقدمه و اهداف: زايمان يكي از مهم‌ترين خدمات ارائه‌شده در نظام‌هاي بهداشتي و درماني است و منابع انساني با ارزش‌ترين عامل توليد و ارائه خدمت به شمار مي‌رود كه افزايش بهره‌وري و كارايي آن از اهميت زيادي برخوردار است. لذا مطالعه حاضر باهدف پيش‌بيني تعداد زايمان و به‌منظور برنامه‌ريزي براي به‌كارگيري تمامي امكانات براي ارائه خدمت بهتر در جهت تأمين رضايت بيماران انجام شد. روش كار: داده‌هاي مورداستفاده در اين مطالعه تعداد موارد ماهيانه زايمان انجام‌شده در بيمارستان حكيم جرجاني شهرستان گرگان طي سال‌هاي 1389 تا 1394 بود. با توجه به بيش‌پراكنش موجود در داده‌ها و عدم تبعيت آن‌ها از توزيع پوآسن، از مدل پوآسن ماركف پنهان به‌منظور پيش‌بيني فراواني ماهيانه زايمان استفاده شد. برآورد پارامترهاي مدل با روش درستنمايي ماكزيمم و الگوريتم EM انجام گرفت. از نرم‌افزار R ويراست 3.2.3 براي تحليل داده‌ها استفاده شد. يافته‌ها: استفاده از معيار آكائيك نشان داد كه فراواني تعداد زايمان در ماه‌هاي مختلف در اين بيمارستان از يك مدل پوآسن ماركف پنهان با 3 وضعيت پنهان تبعيت مي‌كند و پارامتر ميانگين توزيع پوآسن در هر يك از مؤلفه‌ها به ترتيب 193/7493، 236/05 و 272/61 زايمان بود. نتيجه‌گيري: نتايج اين تحقيق نشان داده سياست‌هاي تشويقي دولت بر افزايش باروري، نتيجه كوتاه‌مدت و محدودي داشته و بر روي نتايج پيش‌بيني دوساله اين مطالعه اثر ناچيزي دارد.

Background and Objectives: Delivery is one of the most important services in the health systems, and increasing its effectiveness and efficiency are a health priorities. The aim of this study was to forecast the number of deliveries in order to design plans for using all facilities to provide patients with better services. Methods: The data used in this study were the number of deliveries per month in Hakim Jorjani Hospital, Gorgan, Iran during the years 2010 to 2016. Due to the over-dispersion of the data and non-compliance with a Poisson distribution, the Poisson hidden Markov model was applied to predict the frequency of monthly deliveries. The model parameters were estimated using the maximum likelihood method and expectation maximization algorithm. Results: The use of the Akaike criteria revealed the frequency of delivery in different months in the hospital followed a Poisson hidden Markov models with three hidden states, and the mean Poisson distribution in each component was 193.74, 236.05, and 272.61 labors, respectively. Conclusion: The results of this study showed that government’s encouraging policies have had short-term, limited effects on increasing fertility with minimal effects on the results of the two-year forecast.