كاربرد شبكه عصبي مصنوعي در بررسي ارتباط بين همدلي، پاسخگويي و مسئوليت‌پذيري پرستاران با احساس آرامش بيماران بستري دربخش‌هاي اورژانس

The Application of Artificial Neural Network in Evaluating the Relationship between Nurses' Empathy, Accountability and Responsibility with Patient Relaxation in Emergency Wards

زمينه و هدف: براي همه ما پيش آمده كه در موقعيت‌هاي سخت زندگي قرار گرفته‌ايم. گاهي اين موقعيت سخت بيماري است و فرد براي بار اول با شنيدن داشتن بيماري، از نظر روحي تحليل مي‌رود و نمي‌تواند خود را در اين موقعيت ببينيد. هدف از اين پژوهش كاربرد شبكه عصبي مصنوعي در بررسي تأثير همدلي، پاسخگويي و مسئوليت‌پذيري (كيفيت خدمات) پرستاران بر احساس آرامش بيماران بستري در بخش‌هاي اورژانس است. روش‌ها: اين پژوهش به روش توصيفي - همبستگي با ماهيت كاربردي در بهمن ماه سال 1398 انجام شده است. جامعه آماري شامل بيماران بخش‌هاي اورژانس بيمارستان نمازي شيراز مي‌باشد. حجم نمونه نيز با استفاده از فرمول كوكران به تعداد 195 نفر محاسبه شده است. نمونه‌ها با استفاده از روش نمونه‌گيري تصادفي در دسترس انتخاب شدند و ابزار اندازه‌گيري در اين پژوهش پرسشنامه استاندارد مي‌باشد كه روايي و پايايي آن تأييد شده است؛ هم­چنين براي تجزيه و تحليل داده‌ها از شبكه‌هاي عصبي مصنوعي استفاده شده است. يافته‌ها: ميانگين نمرات ارزيابي بيماران از متغير همدلي پرستاران برابر با 42/4 از 5، مسئوليت‌پذيري 48/4، پاسخگويي44/4 و احساس آرامش بيماران برابر با 52/4 مي‌باشد. اندازه اهميت نرمال شده متغيرهاي مستقل بر متغير وابسته طبق خروجي شبكه عصبي مصنوعي به ترتيب همدلي 100 پاسخگويي 6/68 و مسئوليت‌پذيري 5/59 محاسبه شده است. نتيجه‌گيري: در محيط بيمارستان رفتارهاي مختلف پرستاران بر روحيات بيماران خسته و نااميد بسيار تأثيرگذار است و پرستاران محترم با ايجاد حس همدلي با بيماران و پاسخگويي مناسب و به موقع و مسئوليت‌پذيري خوب (كيفيت خدمات)، مي‌توانند اين حس آرامش را در بيماران ايجاد كنند.

Background and aim: Facing difficult situations have happened to all of us. One of these difficult situations is being informed about having a specific disease which can be extremely shocking and as a result, may cause mental illnesses. The purpose of this study was to investigate the effect of artificial neural network on the effect of nurses chr('39')empathy, responsiveness and responsibility on the patientschr('39') sense of hospitalization in emergency wards. Methods: This descriptive-correlational study was conducted in January 2020. The statistical population included the patients in the emergency wards of Namazi Hospital of Shiraz. The sample size was calculated using 195 Cochran formula. Samples were selected using available random sampling method. The tool used in this study was a standard questionnaire with a confirmed validity and reliability. Also, the artificial neural networks have been used for data analysis. Results: The mean scores of patientschr('39') evaluation of nurseschr('39') empathy were 4.42 out of 5, responsibility was 4.48, responsiveness was 4.44 and patientschr('39') sense of calm was 4.52. The normalized significance level of the independent variables on the dependent variable according to the ANN spend was calculated as: Empathy 100, Accountability 68.6 and Accountability 59.5. Conclusion: In the hospital environment, different behaviors of nurses can have a great impact on the morale of frustrated patients. By creating a sense of empathy in patients with proper and timely responsiveness and good accountability (quality of services), respected nurses can develop a sense of comfort in their patients.