پيش‌بيني پذيرش بخش اورژانس با استفاده از داده‌كاوي (مطالعه موردي: بيمارستان امام علي شهركرد)

مقدمه: امروزه، بيمارستان‌ها با چالش‌هايي مانند ازدحام در بخش اورژانس و افزايش بي‌نظمي و اختلال در كار پرسنل مواجه هستند كه سبب افزايش نارضايتي بيماران مي‌شود. با پيشرفت هوش مصنوعي و گسترش علم داده‌كاوي، پيش‌بيني پذيرش بيماران اهميت زيادي پيدا كرده است. هدف اين پژوهش، پيش‌بيني پذيرش بيماران بخش اورژانس در بيمارستان امام‌علي (ع) شهركرد است.روش بررسي: در اين پژوهش، 2180 پرونده بيماران بخش اورژانس بيمارستان مورد بررسي قرار گرفت و اطلاعات اوليه بيماران شامل مشخصات فردي، علائم حياتي بيمار و سطح ترياژ كه توسط پرستاران در فرم ترياژ ثبت شده بود، استخراج شد. با استفاده از ماتريس مقايسات زوجي، ويژگي‌هاي مؤثر توسط خبرگان انتخاب شدند. سپس با استفاده از الگوريتم‌هاي بيز ساده، درخت تصميم، جنگل تصادفي و ماشين بردار پشتيبان، داده‌ها طبقه‌بندي شدند.يافته‌ها: از بين ۱۴ ويژگي جمع‌آوري شده، ۹ ويژگي منتخب توسط خبرگان انتخاب شد و نتايج نشان داد كه الگوريتم جنگل تصادفي با دقت 92/2درصد و حساسيت 96 درصد و صحت 86.3 درصد نسبت به الگوريتم‌هاي بيز ساده ، ماشين بردار پشتيبان و درخت تصميم بهترين عملكرد را در پيش‌بيني پذيرش بيماران اين مطالعه موردي داشته است.نتيجه‌گيري: نتايج نشان مي‌دهد كه دقت مدل‌هاي يادگيري ماشين با استفاده از نظرات خبرگان در انتخاب ويژگي‌ها بيشتر مي‌شود و و با توجه به حوزه مورد مطالعه، الگوريتم‌هاي يادگيري ماشين نتايج متفاوتي دارند كه در اين مطالعه الگوريتم جنگل تصادفي بهترين عملكرد را در پيش‌بيني پذيرش بيماران داشته است.