کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
402129 676862 2016 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
An expert system for financial performance assessment of health care structures based on fuzzy sets and KPIs
ترجمه فارسی عنوان
یک سیستم خبره برای ارزیابی عملکرد مالی ساختارهای مراقبت بهداشتی بر اساس مجموعه های فازی و KPIها
کلمات کلیدی
ارزیابی عملکرد بهداشت و درمان؛ شاخص های کلیدی عملکرد؛ مدل های تطبیقی، سیستم خبره؛ مجموعه های فازی
فهرست مطالب مقاله
چکیده
کلیدواژهها
1. مقدمه
2. مروری بر منابع و هدف مطالعه
2.1 ارزیابی عملکرد مراقبت بهداشتی و KPIها
2.2 چارچوبهای مبتنی بر KPI برای ارزیابی عملکرد
2.3 سیستمهای خبره به عنوان چارچوبی برای ارزیابی عملکرد مبتنی بر KPI
2.4 مجموعه های فازی برای ارزیابی عملکرد
2.5 اهداف مطالعه
3. مواد و روشها
3.1 سیستم خبره مبتنی بر فازی برای ارزیابی عملکرد
شکل 1. سیستم خبره مبتنی بر یک سیستم فازی
4. مطالعه موردی: سیستم خبره مبتنی بر فازی
4.1 تنظیمات داده
جدول 1. فاصلهی اطمینان و صحت معیارها
جدول 2. تحلیل خودهمبستگی.
شکل 2: تحلیل رگرسیون PV با زمان.
شکل 3: تحلیل رگرسیون LoS با زمان.
شکل 4: تحلیل رگرسیون DRGW با زمان.
شکل 5: تحلیل رگرسیون DRGF با زمان.
4.2 سیستم فازی
جدول 3. توزیع های برازش شده.
جدول 4. قوانین استنتاج
شکل 6. موتور استنتاج فازی
شکل 7. سطحی که نشان دهنده رابطه بین متغیرهای ورودی PV و LoS  و متغیر خروجی.
شکل 8. سطحی که نشان دهنده رابطه بین متغیرهای ورودی DRGW و LoS  و متغیر خروجی.
شکل 9. سطحی که نشان دهنده رابطه بین متغیرهای ورودی DRGW و PV و متغیر خروجی.
4.3 پیش بینی
شکل 10. مقایسه ی نتایج
5. نتیجه گیری
ترجمه چکیده
علاقه به زمینه ارزیابی عملکرد ساختارهای مراقبت بهداشتی در دهه های اخیر افزایش یافته است. در واقع، امکان تعیین عملکرد کلی ساختارهای مراقبت بهداشتی نقشی کلیدی در بهینه سازی تخصیص منابع و برنامه-ریزی سرمایه گذاری دارد، زیرا این امر موجب کاهش عدم اطمینان عملکرد آینده میشود. در این راستا، ابزارهای شاخص عملکرد کلیدی (KPI) برای ارزیابی عملکرد ساختارهای مراقبت بهداشتی از دیدگاه های فرآیندی، سازمانی، هزینهای، مالی، و خروجی توسعه داده شدهاند. در عمل، این شاخصها به صورت دورهای محاسبه میشوند و تاثیر چندین KPI بر روی عملکرد کلی ساختارهای مراقبت بهداشتی بوسیله ی مدیریت از طریق قضاوت انسانی یا نرم افزاری که داشبوردهای مصنوعی را فراهم میسازد، تعیین میشود. با توجه به ماهیت غیرپایای خود، پیشبینی و ارزیابی عملکرد به طور کلی با استفاده از مدلهای تطبیقی انجام میشوند، اما این روشها نمیتوانند ماهیت جامع خود عملکرد را بازتاب کنند یا نمیتوانند تاثیر KPIها بر عملکرد کلی را در نظر بگیرند. به منظور غلبه بر این نواقص، این مطالعه سیستم خبرهای را ارائه میدهد که موتور آن بر مجموعه های فازی متکی است، که در آن همبستگیها و روابط ورودی-خروجی از طریق قوانین استنتاج مبتنی بر روندهای سری زمانی مدلسازی شده است. تمرکز بر روی ارزیابی عملکرد مالی یک ساختار مراقبت بهداشتی مانند بیمارستان بوده است. رویکردی که استفاده شده است یک رویکرد بین رشتهای است، چرا که چندین شاخص به عنوان ورودی در نظر گرفته شدند که با KPIهای هزینه ای، فرآیندی و خروجی و تاثیر آنها بر معیار خروجی که از نوع مالی است (یعنی بازپرداخت کل)، ارتباط دارند. سپس معیار خروجی محاسبه شده توسط سیستم خبره، با معیار پیش بینی شده تنها با استفاده از مدلهای پیشبینی انطباقی مقایسه شد و خطای آن نسبت به مقدار واقعی تعیین شد. نتایج نشان داد که میارهای تعیین شده توسط استنتاج فازی، که قادر هستند به شکلی موثر روابط ورودی-خروجی واقعی را مدلسازی کنند، بهتر از معیارهای مدلهای تطبیقی هستند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
یک سیستم خبره برای ارزیابی عملکرد مالی ساختارهای مراقبت بهداشتی بر اساس مجموعه های فازی و KPIها
چکیده انگلیسی
Interest in the field of performance assessment of health care structures has grown in recent decades. In fact, the possibility of determining overall performances of health care structures plays a key role in the optimization of resource allocation and investment planning, as it contributes to reducing the uncertainty of future performance. In this context, key performance indicator (KPI) tools have been developed to assess the performance of health care structures from process, organizational, cost, financial, and output points of view. In practice, they are periodically calculated, and the effect of several KPIs on the overall performance of health care structures is determined by management through human judgment or software that provides synthetic dashboards. Given their non-stationary nature, performance assessment and forecasting are generally tackled by employing adaptive models, but these approaches cannot reflect the holistic nature of performance itself, nor take into account the impact of KPIs on the overall performances. In order to overcome these shortcomings, this study presents an expert system whose engine relies on fuzzy sets, in which the input–output relations and correlations have been modeled through inference rules based on time-series trends. The focus is on the financial performance assessment of a health care structure, such as a hospital. The approach is of an interdisciplinary kind, as several indicators were taken as inputs that relate to output, process, and cost KPIs, and their impact on the output measure, which is of a financial kind (namely the total reimbursement). The output measure calculated by the expert system was then compared with that predicted using only adaptive forecasting models, and the error with respect to the actual value was determined. Results showed that measures determined by fuzzy inference, able to effectively model actual input–output relations, outperform those of adaptive models.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Knowledge-Based Systems - Volume 97, 1 April 2016, Pages 1–10
نویسندگان
, , ,