ارائه مدل پیش بینی تقاضای پزشکان بخش اورژانس با استفاده از تکنیک داده کاوی- مورد مطالعه: بخش اورژانس مرکز قلب تهران-

زمینه: بخش اورژانس ، اولین مکان ارائه خدمات تشخیصی و درمانی به بیماران اورژانسی محسوب می شود و با توجه به اهمیت سرعت و دقت در ارائه خدمات، تخصیص صحیح منابع نیز در این بخش اهمیت ویژه ای پیدا می کند. برنامه ریزی منابع بخش اورژانس، بدون توجه به ازدحام و تراکم بیمار در زمان های مختلف صورت می گیرد. بنابراین ممکن است بخش با کمبود منابع روبرو شده و این امر منجر به معطلی و نارضایتی بیماران، تعجیل و بی نظمی در انجام کارها و در نتیجه افت کیفیت خدمات گردد. بنابراین پیش بینی تعداد پزشکان مورد نیاز بر پیامدهای بیماری و کیفیت درمان پزشکی تأثیر گذاشته و بر کیفیت زندگی و رضایت بیمار تاثیر به سزایی دارد. هدف: در این مطالعه به منظور کاهش زمان انتظار بیماران و بهبود کیفیت درمان آنها، مدلی جهت پیش بینی تقاضای پزشکان بخش اورژانس ارائه شده است مواد و روش ها: تعداد بیمار بر مبنای داده های مربوط به ورود بیماران به بخش اورژانس و با استفاده از تکنیک داده کاوی و شبکه عصبی پرسپترون چند لایه(mlp) پیش بینی شده است. تعداد پزشکان مورد نیاز نیز با استفاده از تئوری صف (مدل m/m/c) محاسبه شده است. یافته ها: تعداد بیماران با اولویت1، صفر پیش بینی شده و لذا پیش بینی تعداد پزشک مورد نیاز بر اساس تعداد بیماران ورودی با الویت 2 و3 محاسبه شده است. تعداد پزشکان مورد نیاز برای ساعات مختلف شبانه روز و روزهای مختلف هفته محاسبه شده است. تعداد پزشکان مورد نیاز در روزهای تعطیلی رسمی( مانند اعیاد و...) مساوی با تعداد پزشک مورد نیاز در جمعه می باشد. نتیجه گیری: پیش بینی تعداد بیمار مراجعه کننده به بخش اورژانس می تواند در برآورد منابع مورد نیاز( پزشک، پرستار، تعداد تخت و...) و توزیع مناسب آنها در این بخش مورد استفاده قرار گرفته و شلوغی و متوسط زمان انتظار بیمار در این بخش را به میزان قابل توجهی کاهش دهد.