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.

بیماری های قلبی یکی از علل اصلی مرگ ومیر در جهان هستند، در این بین، بیماری های عروق کرونر درصد بالایی از مرگ ومیر به دلیل بیماری های قلبی را به خود اختصاص می دهند. یکی از انواع بیماری های عروق کرونر، "آنژین ناپایدار و انفارکتوس میوکارد بدون بالا رفتن قطع? st" است که به صورت وجود ترکیبی از علائم شامل درد قفس? سینه انتشار یابنده به اندام فوقانی، فک تحتانی یا معده که در فعالیت یا استراحت ایجاد می شود و حداقل 20 دقیقه ادامه دارد و ماهیت آن منتشره، غیر محلی، بدون ارتباط با حالت و حرکت است، تعریف می شود، این درد اغلب همراه با تنگی نفس، تعریق، تهوع یا سنکوپ و افزایش آنزیم های قلبی بالاتر از حد طبیعی و تغییرات نوار قلب بروز پیدا می کند. روش استاندارد تشخیص بیماری های عروق کرونر، آنژیوگرافی است که مانند هر روش تشخیص تهاجمی دیگر عوارض و خطراتی به همراه دارد، از سوی دیگر احتمال دارد نتیجه آنژیوگرافی در بسیاری از بیمارانی که تحت این عمل تشخیصی قرار می گیرند طبیعی باشد. این مسائل لزوم تجدید نظر در انجام آنژیوگرافی برای بیماران را یادآور می شود. در سال های اخیر الگوریتم های داده کاوی و روش های هوشمند بسیاری به منظور کمک به تشخیص به وجود آمده اند. تا کنون به منظور پیش بینی نتیجه آنژیوگرافی بیماران از روش های شبکه عصبی، smo و بیز ساده استفاده شده است. در این پژوهش از الگوریتم های درخت تصمیم id3، c4.5، j48، cart و smo به منظور طبقه بندی نتایج آنژیوگرافی و همچنین از الگوریتم ژنتیک به منظور انتخاب مهم ترین ویژگی ها استفاده شده است. پیش از اجرای این الگوریتم ها مراحل پیش پردازش داده ها، از جمله متعادل سازی مجموعه داده¬ها صورت گرفته است. مهم ترین ویژگی های انتخاب شده توسط الگوریتم ژنتیک در این پژوهش شامل جنسیت، دیابت، استعمال سیگار، سابق? انفارکتوس، هیپرتروفی بطن چپ، شدت نارسایی بطن چپ، اختلال عملکرد دیاستولیک و پایین افتادگی قطع? st نوار قلب هستند. بالاترین صحت، حساسیت و ویژگی در بین پنج طبقه بند مورد استفاده در پژوهش را درخت تصمیم j48 با صحت معادل 24/3%±26/90% ، حساسیت معادل 92/91% و ویژگی معادل 54/88% به دست آورده است.