حمیدرضا دزفولیان

مرگ نوزادان، معضلی غم انگیز و پرهزینه برای خانواده ها، جامعه پزشکی و نظام سلامت هر کشوری است. پیش بینی مرگ نوزادان، گامی حیاتی در جهت پیشگیری و مداخله به موقع برای نجات جان این آینده سازانِ کشور محسوب می شود. در این پژوهش، با استفاده از تکنیک های داده کاوی و بر روی داده های موالید شش ماهه اول سال 1400 سامانه ایمان وزارت بهداشت، به پیش بینی مرگ نوزادان پرداخته شد. ابتدا، از میان 68 متغیر موجود، متغیر "فرجام زایمان" به عنوان متغیر هدف انتخاب شد. سپس، با استفاده از هشت روش انتخاب ویژگی، مهم ترین ویژگی ها برای پیش بینی مرگ نوزادان شناسایی شدند. در ادامه، هفت تکنیک کلاس بندی برای پیش بینی مرگ نوزادان به کار گرفته شد که از میان آن ها، روش جنگل تصادفی با دقت 95%، بهترین عملکرد را داشت. در این مطالعه، تولدهای منتهی به مرگ نوزاد با استفاده از چهار روش خوشه بندی به خوشه های مختلف تقسیم شدند و ویژگی های بارز هر خوشه مشخص گردید. روش خوشه بندی K-means نسبت به سایر روشهای خوشه بندی عملکرد قابل قبول تری در این زمینه داشت. همچنین، با استفاده از دو تکنیک آپریوری و رشد اف پی (FP-Growth) از مجموعه روش های قواعد انجمنی، 50 قاعده با مقادیر پشتیبانی و اطمینان 1 استخراج شد. نتایج نشان داد که 70% از این قواعد به نمره آپگار 5 دقیقه صفر و 30% به استفاده از فورسپس یا وکیوم در مداخلات حین زایمان مرتبط بودند. نتایج این پژوهش نشان می دهد که تکنیک های داده کاوی می توانند با دقت بالایی در پیش بینی مرگ نوزادان به کار گرفته شوند. یافته های این مطالعه می تواند به پزشکان و مسئولین مربوطه در جهت پیش بینی و پیشگیری از مرگ نوزادان و به تبع آن، کاهش هزینه های جانی و مالی ناشی از آن کمک کند.

بهبود کیفیت خدمات برمبنای مدل مدیریت دانشی نوناکا-تاکوچی و روش های FQFD و IDOCRIW، مطالعه موردی: آزمایشگاه های بازرسی

مدیریت ارتباط با مشتری یک استراتژی برای شناخت بهتر نیازها و رفتار مشتریان با هدف استحکام بیشتر روابط با آنان است. مبحث وفاداری مشتریان یکی از مباحث مهم در این حوزه می باشد. مزایای برخورداری از مشتریان وفادار، محققان را بر آن داشته است که به بررسی وفاداری مشتریان بپردازند. از طرفی افزایش اطلاعات ذخیره شده مربوط به کسب و کارهای مختلف و پیشرفت داده کاوی و گسترش روزافزون آن استخراج دانش از داده ها را تسریع کرده است. در این پژوهش با استفاده از داده های نمایندگی های خدمات پس از فروش یک شرکت خودروسازی سنگین که مربوط به بازه ی زمانی چهار ساله می باشد، به گروه بندی مشتریان جهت شناخت آن ها در سطوح مختلف وفاداری پرداخته شده است. در ابتدا مشتریان وفادار براساس تعریف شرکت از وفاداری مشخص شدند. سپس تقسیم بندی مشتریان با استفاده از تکنیک های داده کاوی صورت گرفت. ابتدا مدل RFM (Recency, Frequency & Monetary) مشتریان تشکیل گردید و سپس وفاداری آن ها با استفاده از این سه معیار در 4 بخش مورد بررسی قرار گرفت. اولین بخش مربوط به تمام داده ها در بازه ی زمانی مورد بررسی که شامل تمام نمایندگی ها نیز می شود، می باشد. دومین بخش مربوط به خوشه بندی 4 نمایندگی که بیش ترین مراجعات را داشته اند، بوده است. سومین بخش بر روی مشتریان دو مدل خودرو که بیشترین مراجعات را انجام داده اند صورت گرفت. سرانجام بخش چهارم مربوط به مشتریانی است که در دوره ی وارانتی خود قرار دارند. در هر چهار بخش روش های خوشه بندی استفاده شده روش های دو مرحله ای و کا – میانگین بوده اند. در نهایت جهت تعیین قوانینی براساس رفتار مشتریان از الگوریتم اپریوری استفاده شد. این الگوریتم نیز برای بخش های قبلی به جز بخشی که مشتریان در دوره وارانتی خود به سر می برند، استفاده شده است. با مقایسه نتایج، بهترین نمایندگی و بهترین مدل خودرو به لحاظ عملکرد مشخص شدند. هم چنین برای هر گروه از مشتریان براساس سطوح وفاداریشان ویژگی های گروه شرح داده شد و پیشنهاداتی با توجه به ویژگی هر گروه ارائه شد. با توجه به نتایج استفاده از ترکیب مباحث مدیریت ارتباط با مشتری و داده کاوی منجر شد تا برای هر گروه از مشتریان استراتژی بازاریابی متناسب ویژگی آن گروه تشخیص داده شود. بدین صورت مشخص شد ارائه خدمات با توجه به نیاز و رفتار مشتریان یکی از مهم ترین عوامل جذب و حفظ

یکی از مهم ترین دارایی های سازمان های سلامت در عصر کنونی، وجود داده های فراوان ثبت شده در پرونده های پزشکی بیماران است. این سازمان ها برای استفاده از این دارایی ارزشمند نیاز به تحلیل داده ها دارند. یکی از مهم ترین ابزارهای تحلیل این داده ها دانش داده کاوی است که به تازگی موردتوجه فعالان حوزه سلامت قرار گرفته است. هدف داده کاوی به دست آوردن دانش مفید و استخراج الگوهای پنهان داده های موجود است. داده کاوی می تواند در بخش های مختلف پزشکی و برای اهداف مختلفی مانند تشخیص، در مان و... بیماری های مختلف مورداستفاده قرار گیرد. یکی از مهم ترین بیماری های تنفسی که می-تواند موردتوجه قرار گیرد، بیماری آسم است که هرساله باعث خسارات فراوان جانی و مالی در سراسر دنیا می شود؛ بنابراین بهبود اقدامات کنترلی و درمانی با ابزار های کارآمدتری همچون داده کاوی یک نیاز اساسی است. در این پژوهش اطلاعات 442 بیمار زیر شش سال مراجعه کننده به بیمارستان طبی کودکان واقع در تهران (ایران) در دو بخش، برای پیش بینی سطوح کنترل بیماری و گروه بندی بیماران، با استفاده از دو گروه تکنیک دسته بندی و خوشه بندی، مورد بررسی قرار گرفت. بعد از شناخت کامل داده ها، اقدامات مربوط به پیش پردازش داده ها انجام گرفت و درنهایت 91 ویژگی برای مرحله مدل سازی انتخاب شد. در مرحله بعد با استفاده از هفت نوع الگوریتم دسته بندی، پیش بینی سطوح کنترل بیماری در دو سطح کنترل کامل و کنترل نشده، با چهار رویکرد متفاوت انجام شدو در نهایت برای خوشه بندی داده ها از سه الگوریتم استفاده شد. نتایج به دست آمده در بخش دسته بندی نشان می دهد که الگوریتم ادابوست و درخت تصمیم هم در سطح کنترل کامل و کنترل نشده دارای عملکرد بهتری هستند. همچنین بررسی ها نشان می دهد که فرایند انتخاب مشخصه کمک بسیار زیادی در بهبود نتایج الگوریتم های دسته بندی داشته است. در بخش خوشه بندی نیز مشخص گردید که استفاده از تمام ویژگی ها، نتایج مناسبی را ارائه نمی دهد؛ بنابراین نیاز است این کار طی مراحل چندین مرحله و با ویژگی های مختلف تکرار شود.

امروزه در حوزه پز شکی، جمع آوری دادهها در مورد بیماریهای مختلف از اهمیت باالیی برخوردار ا ست و مراکز پزشکی با مقاصد گوناگونی به جمع آوری دادهها در مورد بیماران میپردازند. تجزیه و تحلیل این اطالعات و به دسپپپت آوردن نتایج و الگوهای مفید در رابطه با بیماریها، یکی از مهمترین اهداف جمع آوری این دادههاست. در مقابل، حجم زیاد این اطالعات و سردرگرمی حاصل از آن، مشکلی است که مانع ر سیدن به نتایج قابل توجه می شود. بنابراین میتوان از داده کاوی برای غلبه بر این م شکل و به د ست آوردن ویژگیهای موثر به منظور پیش بینی بیماریها اسپتفاده کرد. بروز بیماری تب مالت در ایران و در اسپتانهای غرب کشپور از جمله همدان باال اسپت. تب مالت یک بیماری اندمیک در ایران محسپوب می شپپود.و اسپپتفاده از تکنیکهای داده کاوی برای ایجاد مدل پیش بینی کننده جهت احتمال ابتال افراد به بیماری تب مالت میتواند در شناسایی زود هنگام، درمان و کاهش اثرات ناشی از این بیماری بسیار موثر باشد. هدف اصلی این پژوهش نیز ارائه مدلی جهت پیش بینی احتمال ابتال افراد به تب مالت و شناسایی فاکتورهای موثر روی این بیماری ا ست. این پایان نامه پایگاه دادههای کوهورت فامنین در دان شکاه علوم پزشکی همدان را مورد بررسی قرار داده است. دادههای جمع آوری شده با استفاده از نرم افزار داده کاوی مورد تجزیه و تحلیل قرار گرفته و مدلهای مختلف داده کاوی با اسپپپتفاده از روشهای دسپپپته بندی و خوشه بندی به منظور ایجاد مدل پیش بینی روی آنها اعمال شدند. در میان الگوریتمهای مورد استفاده در این مطالعه، در بین تکنیکهای طبقه بندی الگوریتم شبکه عصبی و در بین تکنیکهای خوشه بندی الگوریتم means-K با توجه به محا سبات نرم افزار دارای باالترین میزان موفقیت بوده ا ست. نتایج این مطالعه میتواند به عنوان یک مدل جامع، دقیق و معتبر برای پیش بینی احتمال ابتال افراد به بیماری تب مالت مورد استفاده قرار گیرد.

انتقال دانش در دو سطح درون سازمانی و بین سازمانی می تواند انجام شود. یادگیری دانش از خارج از سازمان نیاز به بودجه و زمان قابل توجهی دارد، در حالی که با اشراف و اتکاء به دانش موجود در سازمان که نزد کارکنان آن می باشد می توان با ایجاد یک شبکه جریان دانش بین کارکنان اقدام به ارتقاء سطح دانش آن ها نمود. با این شیوه می توان با صرف کم ترین هزینه و زمان سطح دانش سازمان را ارتقاء داد. طراحی یک مدل شبکه جریان دانش بین کارکنان سازمان با توجه به سطح اعتماد حرفه ای و شخصی، توان آموزش و یادگیری، سطح دانش کارکنان، میزان تعهد سازمانی، نوع دانش و اهمیت هر دانش و همچنین غیر قطعی بودن مدت انتقال دانش مسئله ای است که با توابع هدف حداکثر کردن سطح دانش و حداقل کردن موزون مدت انتقال دانش بررسی و در قالب یک مدل ریاضی برنامه ریزی عدد صحیح مختلط مدل گردید. این مدل با استفاده از نرم افزار GAMS، الگوریتم آزاد سازی لاگرانژ و الگوریتم ابتکاری حل گردید. نتایج به دست آمده از حل مدل در همه اندازه های ارائه شده، نشان از کارایی بالای الگوریتم آزاد سازی لاگرانژ در یافتن کران بالا برای مسئله اصلی در هر 3 اندازه کوچک، متوسط و بزرگ دارد. همچنین الگوریتم ابتکاری ارائه شده در این پژوهش در اندازه های متوسط و بزرگ بسیار سریع تر از دو روش حل دیگر به جواب می رسد. نتایج نشان می دهد که زمانی که هر دو پارامتر اعتماد حرفه ای و شخصی به طور همزمان افزایش پیدا می کنند، بیشتر از زمانی که تنها پارامتر اعتماد حرفه ای افزایش پیدا می کند، باعث افزایش سطح دانش در بین کارکنان سازمان می شود، همچنین بیشترین تاثیر بر مدت انتقال دانش مربوط به پارامتر تعهد سازمانی است زیرا که در تابع هدف دوم هم بر پارامتر توان آموزش و هم بر پارامتر توان یادگیری اثرگذار می باشد.

علی رغم تحقیقات بسیار زیادی که درزمینه مدیریت زنجیره تامین خون توسط محققان انجام شده است، اما همچنان بحث مربوط به خون و زنجیره تامین آن یک موضوع چالش برانگیز است. اهدای خون یک فعالیت داوطلبانه است و اهداکنندگان نقش مهمی در زنجیره تامین خون دارند. در این تحقیق سعی بر آن است که با پیشنهاد بهترین پنجره های زمانی برای اجرای برنامه ی های تشویقی، نسبت به ایجاد تعادل بیشتر بین میزان عرضه و تقاضای خون اقدام گردد. تا بتوان تا حد امکان از کمبود خون که باعث خسارات جبران ناپذیری است، جلوگیری شود. ازآنجاکه خون یک محصول حساس به زمان است و دارای طول عمر مشخصی است، ضروری است که بحث مربوط به فسادپذیری خون موردتوجه قرار گیرد. در این پژوهش به ارائه یک مدل دوهدفه برنامه ریزی غیرخطی عدد صحیح مختلط برای طراحی شبکه زنجیره تامین تحت شرایط عدم قطعیت و طی یک افق برنامه ریزی چند دوره ای پرداخته می شود. به منظور حل مدل دوهدفه در ابعاد کوچک، از روش محدودیت اپسیلون و برای مقابله با عدم قطعیت تقاضا، از رویکرد بهینه سازی استوار استفاده شده است. به دلیل پیچیدگی مدل پیشنهادی و قرار گرفتن آن در دسته مسائل Np-hard، لزوم استفاده از رویکردهای فراابتکاری جهت دستیابی به جواب نزدیک به بهینه را ایجاب می کند. لذا الگوریتم ژنتیک مرتب سازی نامغلوب (NSGA-II) و الگوریتم الکترومغناطیس (EM) برای حل مسئله استفاده شده اند. در پایان نتایج حاصل از عملکرد الگوریتم ها بر اساس شاخص های استاندارد مورد مقایسه و تجزیه وتحلیل قرارگرفته است. در اکثر موارد مقدار تمام شاخص های استفاده شده، در الگوریتم (NSGA-II) از الگوریتم رقیب (EM) بهتر می باشد. همچنین ازلحاظ زمان حل مسئله نیز، الگوریتم (NSGA-II) در زمان کوتاه تری قادر به حل مسئله می باشد.

امروزه ظهور نظام های اطلاعات یکپارچه و رشد فن آوری اطلاعات باعث شده که رشد چشم گیری در رشته پزشکی بوجود آید. پایگاه داده ها در حوزه ی سلامت حاوی میزان وسیعی از داده های بالینی است و استفاده از روش های داده کاوی دراین شاخه از علم باعث شده است که در کلیه مباحث، بویژه بحث تشخیص و پیش بینی بیماری ها کمک شایانی به پزشکان بشود. تشخیص بیماری هپاتیت با توجه به علائم بالینی اندکی که در مراحل اولیه دارد، بسیار دشوار است .از اینرو پژوهش حاضر به دنبال طراحی سیستم تشخیص و پیش آگاهی بیماری هپاتیت یر اساس علایم بالینی بیماران با استفاده از الگوریتم های داده کاوی برای تشخیص زودهنگام بیماری می باشد. همچنین با توجه به این که بیماری هپاتیت، یک بیماری رفتاری محسوب می شود و تابع متغیر های فرهنگی، اقتصادی، اجتماعی و اعتقادی می باشد، نیاز به یک مدل بومی متناسب با متغیر های بیان شده در منطقه مورد بررسی می باشد. داده های استفاده شده در این تحقیق مربوط به 1217 بیمار مبتلا به هپاتیت B و C در طی مدت فروردین ماه 1393 لغایت بهمن ماه 1398 در استان همدان است و به منظور پیش بینی وضعیت بالینی مبتلایان، پیامد بیماری و تشخیص بیماری با استفاده از نرم افزار رپیدماینر نسخه 7.1 مورد تحلیل و بررسی قرار گرفته اند. ابتدا ویژگی های برتر با نظر خبره انتخاب، سپس با استفاده از مجموعه روش های دسته بندی شامل شبکه عصبی، ماشین بردار پشتیبان، نیوبیز و درخت تصمیم تحلیل روی داده ها انجام گرفت تا ضمن انتخاب روش برتر دسته بندی، پیش بینی های مورد نظر انجام شود. در مرحله بعد با استفاده از مجموعه روش های خوشه بندی شامل خوشه بندی افرازی، سلسله مراتبی و مبتنی بر چگالی، داده ها جهت استخراج الگوهای پنهان مورد تحلیل قرار گرفتند.

خلق دانش، ذخیره سازی دانش، انتقال دانش و به کارگیری دانش چهار فرآیند اصلی مدیریت دانش را تشکیل میدهند. و موفقیت ها سازمان در عرصه رقابت منوط به اجرای نظام مند و برنامه ریزی شده این فرآیند است. در این میان انتقال دانش از اهمیت بیشتری برخوردار است و تاثیر قابل ملاحظه ای در کارایی سازمان ها و شرکت ها خواهد داشت. تحقیق حاضر به بررسی این موضوع می پردازد که انتقال دانش و عوامل موثر بر ان چه نقشی در شرکت های کارآفرین و در نتیجه افزایش مزیتهای رقابتی آن ها می تواند داشته باشد. این تحقیق از نوع کاربردی است و از نظر گرداوری داده ها توصیفی می باشد. جامعه این پژوهش را شرکت های کارآفرین استان همدان تشکیل می دهند. بعد از شناسایی عوامل موثر بر انتقال دانش، به منظور اولویتبندی این عوامل از روش نظرسنجی استفاده شد، به همین منظور پرسشنامه ای مشتمل بر 39 عامل شناسایی شده تهیه و در بین 32 نفر از کارشناسان و مدیران شرکت های کارآفرین استان همدان توزیع شد و از آن ها خواسته شد که با به کارگیری طیف لیکرت مشخص کنند از میان موارد 39 گانه مذکور هر مورد تا چه میزان اهمیت دارد. پس از انجام آزمون الفای کرونباخ و دسته بندی های اولیه، 14عامل به عنوان عامل های اصلی موثر برانتقال دانش در شرکت های کارآفرین شناخته شدند. با تهیه پرسشنامه دیگری، موسوم به پرسشنامه دیمتل از 10 نفر خبره خواسته شد تا شدت اثرگذاری هر کدام از عوامل بر یکدیگر را مشخص کنند و در نهایت از روش DEMATEL-ANP به منظور تجزیه و تحلیل داده های به دست آمده از تیم تصمیمگیرنده استفاده شد خروجی حاصل از روش دیمتل یک نمودار علی و معلولی است که مجموعه عوامل موثر بر انتقال دانش را به دو دسته علی و معلولی تقسیم بندی می کند. نتایج اولیه نشان داد از بین عوامل موثر بر انتقال دانش در شرکت های کارآفرین عوامل مستندسازی، حفظ و نگهداری دانش و گرفتن مشاوره از همکاران و کار تیمی از بالاترین رتبه در میان عوامل، برخوردار می باشند.