کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6853295 1437150 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
An intelligent algorithm for identification of optimum mix of demographic features for trust in medical centers in Iran
ترجمه فارسی عنوان
الگوریتم هوشمند برای شناسایی ترکیبی مطلوب از ویژگی های جمعیت شناختی برای اعتماد به مراکز پزشکی در ایران
کلمات کلیدی
ترجمه چکیده
کیفیت خدمات سلامت تحت تأثیر عوامل مختلف از جمله اعتماد قرار می گیرد. اعتماد بیماران به ارائه دهندگان خدمات بهداشتی یکی از مهمترین عوامل برای نتایج درمان است. مطالعات انجام شده، ترکیبی مطلوب از ویژگی های جمعیتی بیمار را در رابطه با اعتماد به سه مرکز پزشکی بزرگ و پر مشغله در تهران نشان می دهد. الگوریتم ارائه شده از سیستم استنتاج تطبیقی ​​عصبی فازی و روش های آماری تشکیل شده است. این برای مقابله با داده ها و عدم اطمینان زیست محیطی استفاده می شود. اطلاعات مورد نیاز از سه بیمارستان بزرگ با استفاده از پرسشنامه استاندارد تهیه شده است. پایایی و روایی داده های جمع آوری شده با استفاده از روش آلفای کرونباخ، تحلیل عاملی و آزمون های آماری مورد ارزیابی قرار گرفت. نتایج این مطالعه نشان می دهد که افراد سالم با سطح پایین تحصیلات و شدت بیماری متوسط ​​و بیماران جوان با تحصیلات بالا، شدت بیماری متوسط ​​و وضعیت مالی متوسط ​​تا ضعیف بیشترین اعتماد به مراکز درمانی را دارند. برای اولین بار از این مطالعه، مطالعهی ویژگیهای جمعیتی بیمار با استفاده از سیستم استنتاج فازی تطبیقی ​​در بخش مراقبت های بهداشتی انجام شده است. دوم، این یک رویکرد عملی برای بهبود مستمر امکانات اعتماد در مراکز درمانی است. سوم، آن را با عدم قطعیت موجود در رویکرد منحصر به فرد عصبی-فازی بررسی می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
الگوریتم هوشمند برای شناسایی ترکیبی مطلوب از ویژگی های جمعیت شناختی برای اعتماد به مراکز پزشکی در ایران
چکیده انگلیسی
Healthcare quality is affected by various factors including trust. Patients' trust to healthcare providers is one of the most important factors for treatment outcomes. The presented study identifies optimum mixture of patient demographic features with respect to trust in three large and busy medical centers in Tehran, Iran. The presented algorithm is composed of adaptive neuro-fuzzy inference system and statistical methods. It is used to deal with data and environmental uncertainty. The required data are collected from three large hospitals using standard questionnaires. The reliability and validity of the collected data is evaluated using Cronbach's Alpha, factor analysis and statistical tests. The results of this study indicate that middle age patients with low level of education and moderate illness severity and young patients with high level of education, moderate illness severity and moderate to weak financial status have the highest trust to the considered medical centers. To the best of our knowledge this the first study that investigates patient demographic features using adaptive neuro-fuzzy inference system in healthcare sector. Second, it is a practical approach for continuous improvement of trust features in medical centers. Third, it deals with the existing uncertainty through the unique neuro-fuzzy approach.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Artificial Intelligence in Medicine - Volume 88, June 2018, Pages 25-36
نویسندگان
, , , ,