چکیده:
هدف: عوامل جوّی متعددی بر تعداد بیماران بیمارستانها اثرگذار است که بدون در نظر گرفتن آنها از امکانات و نیروی انسانی بیمارستانها، استفاده غیربهینه خواهد شد. هدف از اجرای این پژوهش، کشف دانش پنهان بین عوامل جوی با تعداد بیماران بیمارستان با استفاده از دادهکاوی است. روش: در این پژوهش، ارتباط بین عوامل جوّی با تعداد بیماران بیمارستان تخصصی کودکان دکتر شیخ مشهد با استفاده از ردهبندی مبتنی بر کاوش قواعد وابستگی چندبُعدی بررسی میشود. بدین منظور، پس از آمارگیری جداگانه از تعداد بیماران بخشهای نفرولوژی، هماتولوژی، اورژانس و پیآیسییو این بیمارستان، ارتباط بین تعداد این بیماران با عوامل جوّی شامل دمای هوا، رطوبت نسبی هوا، سرعت باد، فشار هوا و آلودگی هوا تحلیل شده است. دادههای این پژوهش مربوط به 19 ماه است و با مراجعه به اسناد و مدارک بهدست آمده است. برای انتخاب ویژگی، تمام زیرمجموعههای عوامل جوّی، جستوجو شده و اثر تمام آنها بر تعداد بیماران با استفاده از رگرسیون خطی ارزیابی شده است. همچنین برای کاوش قواعد، از ردهبندی مبتنی بر کاوش قواعد وابستگی چندبُعدی که بر اساس الگوریتم شناخته شده آپریوری است، استفاده شده است. یافتهها: نتایج بهدستآمده گویای قواعدی است که ارتباط بین تعداد متفاوت بیماران در بخشهای مختلف بیمارستان را با تغییر عوامل جوّی نشان میدهد. نتیجهگیری: با استفاده از روشهای بهکار برده شده در این پژوهش، میتوان ارتباط بین عوامل جوّی و تعداد بیماران بیمارستان را بررسی کرد. همچنین قواعد بهدستآمده به مدیران کمک میکند که برای منابع بیمارستان با توجه به تعداد متفاوت بیماران برنامهریزی بهینهای انجام دهند.
Objective: There are many climatic factors affecting the number of patients in hospitals which generally tend to make a Non-optimal use of their facilities and human resources.This research is aimed at discovering hidden knowledge between climatic factors and the number of hospital patients using data mining techniques. Methods: In this study, the relationship between climatic factors and the number of patients in Dr. Sheikh specialized pediatric hospital of Mashhad is investigated by classification based on multidimensional association rule mining. The number of patients in the nephrology, hematology, emergency and PICU department of this hospital have been considered separately, and consequently the relationship between the number of patients and the climatic factors such as air temperature, relative humidity, wind speed, air pressure and air pollution have been analyzed. This research has analyzed data gathered through a 19 month period and has been obtained by referring to the documents. In this research for feature selection, all subsets of climatic factors are searched and the effect of all subsets on the number of patients are evaluated using linear regression. Also for rule mining is used classification based on multidimensional association rule mining which is based on known Apriori algorithm. Results: The results show different patterns that indicate the relationship between the number of patients in the hospital departments with the climatic factors. Conclusion: This study is able to help analyze the relationship between the climatic factors and the number of patients in the hospital. Also, the rules will help managers make optimal planning for hospital resources according to the different number of patients.
خلاصه ماشینی:
روش : در اين پژوهش ، ارتباط بين عوامل جوي با تعداد بيماران بيمارستان تخصصي کودکان دکتر شيخ مشهد با استفاده از رده بندي مبتني بر کاوش قواعد وابستگي چندبعدي بررسي مي شود.
بـدين منظـور، پـس از آمـارگيري جداگانـه از تعـداد بيمـاران بخـش هـاي نفرولوژي ، هماتولوژي ، اورژانس و پي آي سي يو اين بيمارستان ، ارتباط بين تعداد اين بيماران با عوامل جوي شامل دماي هـوا، رطوبـت نسبي هوا، سرعت باد، فشار هوا و آلودگي هوا تحليل شده است .
Classification based on association rule mining هوا، سرعت باد، فشار هوا و آلودگي هواست که با استفاده از آن مي توان به پيش بيني تعداد بيماران در بيمارستان پرداخت .
Rahal, Dongmei, Weihua & Perrizo 8.
Alwidian, Bassam & Obeid روش شناسي پژوهش اين پژوهش از نوع کاربردي است و هدف آن يافتن قواعدي مبتني بر ارتباط بين عوامل جوي از جمله دماي هوا، رطوبت نسبي هوا، سرعت باد، فشار هوا و آلودگي هوا با تعداد بيماران بخش هاي نفرولوژي ، هماتولوژي ، اورژانس و پي آي سي يـو بيمارستان تخصصي کودکان است .
مقادير عوامل جوي و تعداد بيماران (رجوع شود به تصوير صفحه) داده هاي از دست رفته با استفاده از نسخه ٢٠ نرم افزار IBM SPSS Statistic بررسي شده است .
Rare Association Rule Mining and Knowledge Discovery: Technologies for infrequent and critical event detection , New Zland, Information Science Reffrence.
Integrating Classification and Association Rule Mining, KDD’98 Proceedings of the Fourth International Conference on Knowledge Discovery and Data Mining, New York, USA.