پایان نامه با کلید واژه های بیمارستان، داده کاوی، بیمارستان ها

وغيره طراحي شده است [31]. در سيستم اطلاعات بيمارستاني، براي هر بيمار يك پرونده الكترونيك تشكيل ميگردد، بطوريكه كليه فعاليتهاي بيمارستاني شامل : درماني، تشخيصي، مالي، و غيره بيمار از پذيرش تا ترخيص تحت پوشش قرار مي دهد. در اين سيستم، كليه اقدامات درماني، دستورات دارويي و خدمات تشخيصي از طريق سيستم به كلينيكها و پاراكلينيكها و حتي مراكز اداري از قبيل حسابداري، داروخانه، انبارها، و ساير واحدها ارسال شده و پاسخ آنها دريافت مي شود. بنابراين سيستم اطلاعات بيمارستاني، سيستم اطلاعاتي است كه در آن دادهها در بانك اطلاعاتي به نحو جامعي ذخيره شده و از آنجا در زمان و مكان نياز به اطلاعات در فرم هاي ويژه در دسترس مصرف کنندگان قرار میگيرد [32-33].
كشورهاي صنعتي سالهاست كه از اين تكنولوژي در عرصه بهداشت ودرمان بهره مي برند. اما پياده سازي اين سيستم در بيمارستانهاي مناطق مختلف ايران بيانگر فراهم شدن زيرساخت فرهنگي، تكنولوژي مناسب جهت ايجاد و تكميل سيستمهاي بهداشتي مطابق با استانداردهاي جهاني ميباشد.
اهداف سیستم اطلاعات بیمارستانی
هدف سیستم اطلاعات بیمارستانی ، پشتیبانی از فعالیتهای بیمارستانی در سطوح عملی، تاكتیكی، و استراتژیكی می‌باشد. به عبارت دیگر هدف از سیستم اطلاعات بیمارستانی ،استفاده از كامپیوترها و وسایل ارتباطی برای جمع‌آوری، ذخیره‌سازی، پردازش، بازخوانی، و برقراری ارتباط بین مراقبت بیمار با اطلاعات اداری در تمام فعالیتهای بیمارستانی و برآوردن نیازهای تمام مصرف‌كنندگان مجاز سیستم می‌باشد. در بیمارستانهای دانشگاهی، پشتیبانی از تحقیق و آموزش نیز از اهداف سیستم اطلاعات بیمارستانی است .[34-35]
از دیگر اهداف سیستم های اطلاعات می توان به موارد زیر اشاره کرد:
1. ارتقاء سطح كارایی پرسنل
2. استخراج آمار و اطلاعات به روشهای سریعتر و دقیقتر
3. بهبود كیفی وضع خدمات درمانی
4. ایجاد یك روش و سیستم كاری مدرن و استاندارد بیمارستانی
5. برقراری ارتباط اطلاعاتی بین بیمارستانها و مراكز درمانی در سطح كشور
اهمیت و ضرورت راه‌اندازی سیستم اطلاعات بیمارستانی
سیستم اطلاعات بیمارستانی، یك سیستم مكانیزه مدیریت اطلاعات و اسناد در بیمارستانهای می باشد. با توجه به تحولات گسترده در تكنولوژی پزشكی و افزایش انتظارات بیماران، نیاز روزافزون به استفاده از سیستم اطلاعات بیمارستانی در بیمارستان پدید آمده است. در دوران تكنولوژی و انفجار اطلاعات در سطح بهداشتی و درمانی، كارشناسان معتقدند در قرن بیست‌ویكم بیمارستان های كه فاقد سیستم اطلاعات بیمارستانی باشد، حرفی برای گفتن ندارد و توانایی رقابت با سایر بیمارستان ها را ندارد. سیستم اطلاعات بیمارستانی ، یك ابزار قدرتمند اطلاعاتی است كه می‌تواند مدیران بیمارستان ها را در فرایند ادراه بیمارستان ها و اتخاذ تصمیم‌های صحیح یاری نماید و عملكرد مثبت بیمارستان ها را بنحو چشمگیری افزایش دهد .[36]
ناكارآمدی روش‌های دستی، رشد تحقیقات پزشكی در جهان، پیشرفت صنعت بیمه و تغییر در روش‌های بازپرداخت به مراكز طرف قرارداد، روش‌های نوین آموزش پزشكی، پیشرفت عظیم تجهیزات و امكانات پزشكی، افزایش سطح تخصصی كاركنان و تحول در نحوه سرویس‌دهی و مدیریت بیمارستانی، رشد روزافزون هزینه‌های درمانی، افزایش انتظارات بیماران، ضرورت ارتباط مراكز پزشكی و متخصصان علوم پزشكی با یكدیگر و غیره از مهمترین ضرورت‌ها و دلایل اتوماسیون سیستم اطلاعات بیمارستانی می‌باشد. همچنین وجود یك سیستم اطلاعات مدیریتی خوب، برای ارزیابی كیفیت مراقبت انجام شده برای بیمار ضروری می‌باشد.
سیستم اطلاعات بیمارستانی ، قابلیت‌ها و ارزشهای افزوده بسیار دارد و می تواند انقلابی در خدمات بیمارستانی ایجاد نماید. ارتقا كیفیت خدمات درمانی، ایجاد مدیریت علمی در اداره بیمارستان، بهبود اقتصاد درمان، رشد پژوهش در علوم پزشكی، اصلاح سیاست گذاری كلان در بهداشت و درمان و توسعه آموزش پزشكی از جمله ثمرات این سیستم است. تحقیقات جهانی نیز م‍ؤید این تأثیرات مطلوب است .[29]
مزایایی سیستم اطلاعات بیمارستانی
بطور‌كلی كاربرد فناوری اطلاعات در سیستم بهداشتی و درمانی دارای مزایای زیر می‌باشد
1. منافع کمی: منافع مالی هستند که کاملا قابل اندازه گیری بوده و به استفاده از یک فناوری به خصوص نسبت داده می‌شود. برای مثال استفاده از فناوری در ارائه الکترونیکی دعاوی پزشکی منجر به صرفه‌جویی در زمان و کاهش هزینه نیروی انسانی می‌شود.
2.منافع کیفی: داده‌های صحیح و دقیق، ارسال سریع داده‌ها، افزایش قابلیت دسترسی و ارتباط بین اجزاء مختلف داده‌ها مزایایی هستند که به سادگی قابل اندازه‌گیری نیستند.
3. منافع استراتژیک: در دراز مدت بر سازمانهای بهداشتی و درمانی مهم و اساسی هستند. جمع‌آوری و تحلیل داده ها مزیت ویژه‌ای برای سازمان محسوب می‌شوند که در طولانی‌مدت پایه و اساس برنامه‌ریزی استراتژیک و تحقیقات بهداشتی و پزشکی می باشند .[15]
مزایای كاربرد فن‌آوری اطلاعات در حوزه‌های سیستم بهداشتی و درمانی: كاربرد فن‌آوری اطلاعات در حوزه‌های سیستم بهداشتی و درمانی برای بیماران، پرسنل بهداشتی درمانی، و مدیران دارای مزایای زیر می‌باشد
بیماران: برای بیماران، فناوری ارتباطات و اطلاعات تأثیرات مستقیم و قابل رویتی در نحوه تعامل آنها با سیستم بهداشتی درمانی و تجربه آنها به عنوان مشتریان خدمات بهداشتی درمانی دارد. بر این اساس، سوابق مربوط به بیمار همیشه و بسرعت در دسترس کارکنان قرار خواهد گرفت و کیفیت سوابق تغییری نخواهد کرد، در عوض بیماران نیز با مشاهده سیستمهای فناوری ارتباطات و اطلاعات با کیفیت بالا، به کارکنان مطمئن‌تر می‌شوند .
پرسنل بهداشتی درمانی: پرسنل بهداشتی درمانی سیستم‌های جدید، سریع، و ایمن فناوری ارتباطات و اطلاعات را در اختیار خواهند داشت تا از کار روزمره آنان پشتیبانی کنند. بدین ترتیب آنان قادر خواهند بود پیشینه بیمار مورد نظر را بازبینی و طرحهای مراقبت از وی را برنامه‌ریزی، داروها را تجویز، آزمایشها را بررسی و نتایج آن را سریعاً و به راحتی مشاهده کنند.
مدیران بهداشتی درمانی: تأمین داده‌های صحیح و معتبر (مالی و بالینی)، تعیین نیروی کار بهتر، و اداره منابع راحتتر می‌شود. نظارت بالینی افزایش می‌یابد و سطح کیفیت مراقبت از بیماران ارتقاء می‌یابد. سلامت عمومی، طرح‌ریزی خدمات برای مردم، و نیز عملیات آماری و تحلیلی بر اساس داده‌های با کیفیت بهتر خواهد بود .[29][35][37]
داده کاوی
بکارگیری فناوری اطلاعات در انجام امور روزمره باعث شده است تا حجم زیادی از داده های مربوط به مبادلات تجاری ، داده های پزشکی ، داده های صنعتی و … ایجاد شوند. داده کاوی فرایندی است که توسط آن می توان از داده های موجود اطلاعات و دانش مفیدی را کشف کرد که بطور معمول در این داده های مخفی هستند و برای ما قابل درک نیستند. ﻫﺪف اﺻﻠﻲ داده ﻛﺎوي ﻛﺸﻒ اﻃﻼﻋﺎﺗﻲ اﺳﺖ ﻛﻪ ﺗﺎ ﻛﻨﻮن دﻳﺪه ﻧﺸﺪه و ﻣﺨﻔﻲ ﺑﻮدهاند .
داده کاوی یک علم میان رشته ای نسبتا جدید می باشد. که شامل رشته هایی همچون آمار ، یادگیری ماشین و علوم کامپیوتر می باشد. مهم ترین این رشته ها آمار می باشد و بدون آمار، اساساً داده کاوی وجود نخواهد داشت به طوری که اساس اکثر تکنیک هایی می باشد که داده کاوی بر روی آنها بنا شده است. آمار کلاسیک مفاهیمی همچون تحلیل رگرسیون، توزیع استاندارد، انحراف معیار، واریانس، تحلیل خوشه ای و فاصله های اطمینان را که برای مطالعه داده و روابط بین داده ها نیاز می باشد را در بر می گیرد.
برای داده کاوی تعاریف گوناگونی بیان شده است که در زیر به برخی از این تعاریف اشاره
شده است[38-39-40] :
داده کاوی یک فرآینده شناخت الگوهای معتبر، جدید، ذاتاً مفید و قابل فهم از داده ها
می باشد.
داده کاوی به فرآیند استخراج اطلاعات نهفته، قابل فهم، قابل پیگیری از پایگاه داده های بزرگ و استفاده از آن در تصمیم گیریهای تجاری مهم، اطلاق می شود.
داده کاوی، مجموعه ای از روش ها در فرآیند کشف دانش می باشد که برای تشخیص
الگوها و روابط نامعلوم در داده های مورد استفاده قرار می گیرد.
فرآیند کشف الگوهای مفید از داده ها را داده کاوی می گویند.
فرایند انتخاب، کاوش و مدل بندی داده های حجیم، جهت کشف روابط نهفته با هدف به دست آوردن نتایج واضح و مفید، برای مالک پایگاه داده ها را ، داده کاوی گویند.
مراحل داده کاوی
به طور کلی، داده کاوی به استخراج دانش از پایگاه های بزرگ داده ها اشاره دارد و یک رشته علمی جدید می باشد که امروزه کاربردهای متنوع و گسترده ای در رشته هایی مثل بازرگانی، پزشکی، مهندسی، علوم کامپیوتر، صنعت، کنترل کیفیت، ارتباطات، کشاورزی و … پیدا کرده است. در پژوهش های مربوط به داده کاوی، دو تعبیر مختلف از داده کاوی وجود دارد. برخی پژوهشگران [40]، داده کاوی را مترادف عبارت کشف دانش و معرفت از پایگاه داده می دانند و برخی دیگر از جمله Fayyad [38] به داده کاوی به عنوان یک مرحله ضروری از فرآیند بزرگتر کشف دانش از پایگاه داده ها که به اختصارKDD می گویند اشاره دارند. KDD شامل مراحل زیر است:
1- پاكسازی داده ها: حذف داده های ناپایدار و مزاحم.
2- يکپارچه سازی داده ها : ترکیب منابع متعدد، پراکنده و احیاناً ناهمگن داده ها.
3-انتخاب داده ها : بازیابی داده های مربوط به عمل کاوش از پایگاه دادها.
4- تبديل داده ها : تبدیل داده ها به اشکالی مناسب برای به کار بردن روش های مختلف.
5- داده كاوی : مرحله ضروری از فرآیند KDD است که در آن از روش های مختلف آماری و یادگیری ماشین برای استخراج الگوها استفاده می شود، که شامل مراحل زیر است:
الف- انتخاب استراتژی داده کاوی : رده بندی، خوشه بندی، پیش بینی، تعیین وابستگی.
ب- انتخاب روش داده کاوی : شبکه های عصبی، درخت تصمیم، ماشین های بردار پشتیبان، تقویت کننده تطبیقی، توابع پیش بینی کننده خطی و غیر خطی.
ج- داده کاوی و جستجو برای یافتن الگوی مناسب.
6- ارزيابی الگوها شناسایی الگوهای جذاب ارائه دانش، براساس معیارهای جذابیت.
7- ارائه دانش ارائه دانش استخراج شده با استفاده از تکنیک های نمایش اطلاعات.
شکل 3-1 مراحل داده کاوی: 1.پاکسازی دادهها 2.یکپارچه سازی دادهها 3.انتخاب دادهها 4. تبدیل دادهها 5.تبدیل دادهها[40]
در دیدگاه دیگر، داده کاوی به عنوان مجموعه ای از فرآیندها که از تعریف اهداف تا ارزیابی
نتایج را در بر می گیرد، معرفی شده است. مراحل مختلف داده کاوی عبارتند از:
الف- تعریف اهداف تحلیل
ب- انتخاب و سازماندهی داده ها
پ- تحلیل کاوشگرانه داده ها و انجام تبدیلات
ت- مشخص کردن روش های آماری مورداستفاده در مرحله تحلیل
ج- تحیلی داده ها بر اساس روش انتخابی
چ- ارزیابی و مقایسه روش های مورداستفاده و انتخاب مدل نهایی برای تحلیل
ح- تفسیر مدل حاصل و استفاده از آن در فرآیند تصمیم گیری.
پیش پردازش داده ها
کیفیت داده ها در استخراج نتایج مطلوب و اطلاعات حقیقی بسیار موثر هستند. پایگاه داده های بزرگ شامل داده های مزاحم، گمشده و ناایستا هستند. به همین جهت برای ارتقاء کیفیت داده ها، لازم است داده ها به صورت مراحل زیر پیش پردازش شوند:
پاکسازی داده ها
برای انجام یک داده کاوی مطلوب لازم است مقادیر گمشده جایگزین شوند، دادههای مزاحم شناسایی و به نحو مناسب با آنها برخورد و نا ایستایی ها اصلاح شوند.
الف- مقادير گمشده: داده هایی هستند که به هر دلیلی در هنگام تحلیل داده ها در اختیار تحلیلگر قرار ندارند. در مورد مقادیر گمشده در داده ها بایستی به گونه ای مناسب تصمیم گیری شود به عنوان مثال ممکن است

تکه های دیگری از این پایان نامه را می توانید

در شماره بندی فوق بخوانید

متن کامل پایان نامه ها در سایت homatez.com موجود است

You may also like...

Add a Comment