Management Strategies in Health System

fa ارزیابی کارایی فنی بیمارستان‌های دانشگاه علوم پزشکی اردبیل با استفاده از روش شبکه عصبی مصنوعی Technical Efficiency Evaluation of Ardabil Hospitals Affiliated to University of Medical Sciences using Artificial Neural Network Method تخصصي Special پژوهشي Research <div style="text-align: justify;">زمینه و هدف: اداره مطلوب بیمارستان‌ها به‌عنوان مهمترین مرکز ارائه خدمات بهداشتی درمانی، همواره مورد توجه تصمیم گیران و سیاستگذاران این بخش بوده است. مطالعه حاضر با هدف ارزیابی کارایی فنی بیمارستان‌های دانشگاه علوم پزشکی اردبیل با استفاده از روش شبکه عصبی مصنوعی به انجام رسیده است. روش پژوهش: مطالعه حاضر از نظر هدف، کاربردی و از لحاظ ماهیت، توصیفی می‌باشد که به صورت مقطعی در سال 1396 انجام گرفت. جامعه مورد مطالعه، شامل 8 مرکز آموزشی- درمانی وابسته به دانشگاه علوم پزشکی و خدمات بهداشتی درمانی اردبیل بود. روش نمونه گیری سرشماری بود و جهت گردآوری داده‌ها از چک لیست‌های محقق ساخته استفاده شد. برای بررسی اهداف مطرح شده از روش شبکه عصبی مصنوعی استفاده شد. شبکه مورد استفاده، پروسپترون چند لایه پیشخور با تابع بهینه سازی لونبرگ مارکوارت و تابع انتقال تانژانت سیگمویید در لایه میانی و تابع خطی در لایه خروجی است. جهت پردازش و آماده سازی داده‌ها از صفحه گسترده Excel و برای تجزیه و تحلیل و طراحی شبکه از نرم افزار  Matlab استفاده گردید. یافته‌ها: یافته‌ها نشان داد که میانگین میزان کارایی فنی بیمارستان‌های تحت مطالعه برابر 0/75 بوده است. بیمارستان بوعلی اردبیل، امام خمینی (ره) خلخال و ولیعصر (عج) مشکین شهر دارای بیشترین میزان کارایی فنی (1/00) و بیمارستان ولایت گرمی از لحاظ درصد اشغال تخت (0/75) و همچنین بیمارستان امام خمینی (ره) پارس آباد از لحاظ تعداد بیماران ترخیص شده سالم (0/69) دارای کمترین میزان کارایی فنی در سال 1396 بوده‌اند. در نهایت فضای بهبود هر یک از متغیرها جهت رسیدن به کارایی فنی محاسبه گردید. نتیجه گیری: با توجه به نتایج، یکی از عوامل کاهنده کارایی فنی در مراکز آموزشی و درمانی، پایین بودن نرخ بهره برداری و نرخ اشغال تخت‌های بیمارستانی است، به‌طوریکه فعالیت نکردن کانون‌های بیمارستان با ظرفیت کامل و پایین بودن نرخ بهره برداری تخت‌های فعال باعث تحمیل شدن هزینه و به تبع آن کاهش کارایی می‌شوند.</div> <div style="text-align: justify;">Background: The optimal management of hospitals as the most important centers for providing health services has always been the focus of decision makers and policymakers. The present study aimed to evaluate the technical efficiency of hospitals affiliated to Ardebil University of Medical Sciences using Artificial Neural Network (ANN) method. Methods: The present descriptive, applied, and cross-sectional study was conducted in 2017. The study population consisted of 8 educational and therapeutic centers affiliated to Ardabil University of Medical Sciences and Health Services. Census sampling method was applied to select the participants and researcher-made checklists were used to collect the data. The artificial neural network method was also used to investigate the study objectives. The applied network was a multi-layer prospectron with a Levenberg Marquardt optimization function, a sigmoid tangent transfer function in the middle layer, and a linear function in the output layer. For processing and preparing data, Excel spreadsheet was used and Matlab software were used for analyzing and designing the network. Results: The results showed that the average technical efficiency of the studied hospitals was 0.75. Ardabil Bou Ali, Khalkhal Imam Khomeini, and Meshkinshahr Valiasr hospitals had the highest technical efficiency (1.00). With regard to the hospital bed occupancy rate, Germi Velayat hospital had the lowest efficiency rate (0.75). Furthermore, Parsabad Imam Khomeini hospital had the lowest efficiency in the number of discharged healthy patients (0.69) in 2017. Finally, the improvement space of each variable was calculated to achieve the total technical efficiency. Conclusion: According to the results, one of the factors that decreases  the technical efficiency of the educational centers is the low rate of hospital beds' utilization and occupancy rate. In other words, lack of full-capacity operation by the hospital centers and the low rates of active hospital bed imposed costs and consequently reduced the hospitals' performance.</div> کارایی فنی, بیمارستان, شبکه عصبی مصنوعی Technical efficiency, Hospital, Artificial neural network 197 206 http://mshsj.ssu.ac.ir/browse.php?a_code=A-10-1-82&slc_lang=fa&sid=1 Aziz Rezapour عزیز رضا پور 0000-0002-9648-2627 No Associate Professor, Health Management and Economics Research Center, Iran University of Medical Sciences, Tehran, Iran دانشیار، مرکز تحقیقات علوم مدیریت و اقتصاد سلامت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی ایران، تهران، ایران Vahid Alipour وحید علی پور 0000-0003-1010-9571 No Assistant Professor, Health Management and Economics Research Center, Iran University of Medical Sciences, Tehran, Iran استادیار، مرکز تحقیقات علوم مدیریت و اقتصاد سلامت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی ایران، تهران، ایران Saeed Bagheri Faradonbeh سعید باقری فرادنبه 0000-0003-1370-2370 No Ph.D. of Health Economics, Health Management and Economics Research Center, Iran University of Medical Sciences, Tehran, Iran دکتری اقتصاد سلامت، مرکز تحقیقات علوم مدیریت و اقتصاد سلامت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی ایران، تهران، ایران Arsalan Gholami Somarin ارسلان غلامی ثمرین 0000-0002-9163-5057 Yes MSc in Health Economics, Health Management and Economics Research Center, Iran University of Medical Sciences, Tehran, Iran کارشناس ارشد اقتصاد سلامت، مرکز تحقیقات علوم مدیریت و اقتصاد سلامت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی ایران، تهران، ایران Zahra Sedaghi زهرا صداقی 0000-0001-8502-1107 No MSc student in Healthcare Management, School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran دانشجوی کارشناسی ارشد مدیریت خدمات بهداشتی درمانی، دانشکده مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی ایران، تهران، ایران