پديد آورندگان :
خاتمي فيروزآبادي، محمد علي دانشگاه علامه طباطبائي تهران - دانشكده مديريت و حسابداري - گروه مديريت صنعتي، تهران , شفيعي نيك آبادي، محسن دانشگاه سمنان - دانشكده مديريت و علوم اداري - گروه مديريت صنعتي، سمنان , تبيانيان، حسن دانشگاه سمنان - دانشكده مديريت و علوم اداري - گروه مديريت صنعتي، سمنان , شجاع، نقي دانشگاه آزاد اسلامي، واحد رود هن - گروه رياضي، تهران
كليدواژه :
كارايي بيمارستان , ارزيابي عملكرد , تحليل پوششي داده ها , ناكارآيي
چكيده فارسي :
هدف:هدف اين مطالعه، استفاده از روش (Data envelopment analysis) DEAبراي ارزيابي عملكرد و اندازه‌گيري كارايي 13 بيمارستان استان سمنان بود.
مواد و روش‌ها: در اين پژوهش براي اندازه‌گيري كارايي بيمارستان‌ها و مراكز خدمات درماني از مسايل برنامه‌ريزي خطي پويا استفاده شده است.براي ارزيابي عملكرد بيمارستان‌هاي استان سمنان از شاخص‌هاي ورودي و خروجي هر بيمارستان كه مقادير آن‌ها در مركزآمار و اطلاعات هر بيمارستان موجود بوده استفاده شد. هم‌چنين براي حل مدل پويا به‌دست آمده در اين مقاله از نرم‌افزار GAMS استفاده شده است.
يافته‌ها:با حل مدل‌هاي رياضي براي هر بيمارستان،اندازه كارايي بيمارستان‌ها به‌دست آمده است و سپس واحدهاي كارا و ناكارا مشخص گرديده‌اند و در صورت ناكارا بودن هر بيمارستان الگوي مناسب به آن بيمارستان داده شده است. بيمارستان‌هاي 2،3،6،7،8،12 و13 به عنوان واحدهاي كارا شناخته شده‌اند و بيمارستان‌هاي 1،4،5،9،10و11 به عنوان واحدهاي ناكارا شناخته شده‌اند.
نتيجه‌گيري:نتايج اين تحقيق، ضمن معرفي الگوهاي عمل‌كردي به مديران عالي بخش سلامت، امكان برنامه‌ريزي دقيق‌تر براي توسعه ظرفيت خدمات بهداشتي درماني و صرفه‌جويي در منابع را فراهم كرد.
چكيده لاتين :
Introduction: The aim of this study was to investigate and analyze the performance of 13 hospitals in Semnan
province using data envelopment analysis (DEA) technique.
Materials and Methods: In this research, dynamic linear programming was used to measure the performance of
units under the supervision of medical sciences, including hospitals and health centers. For evaluating the performance
of hospitals in Semnan province, input and output indices of each hospital, their values in the center and the
information of each hospital were available. GAMs software was also used to solve the dynamic model obtained in
this paper.
Results: By solving mathematical models for each hospital, the efficiency of the hospitals has been achieved, and
then the efficient and inefficient units have been identified. If each hospital was inadequate, a suitable model was
given to the hospital. Finally, a ranking methodology was used to distinguish between efficient hospitals. Hospitals 2,
3, 6, 7, 8, 12 and 13 were known as efficient units for the whole of these three years, and hospitals 1, 4, 5, 9, 10, and
11 were known as inefficient units.
Conclusion: With the implementation of this research, it is possible to introduce the functional models to the top
managers of the health sector, providing more accurate planning for the development of capacity for health services
and saving resources
