ارائه مدل بهینه تهیه دارو با استفاده از داده کاوی

کمبود منابع مالی و نقدینگی معضل اصلی بیمارستان ها می باشد. داروخانه ها از بخش های تاثیرگذار بر گردش مالی بیمارستان ها هستند که به دلیل عدم پیش بینی مصرف و تهیه دارو، در انتهای سال با اضافه موجودی، حجم زیاد داروهای تاریخ مصرف گذشته و گاهی کمبود دارو مواجه می شوند؛ لذا پیش بینی مصرف دارو با استفاده از داده های گذشته نگر موجود، منجر به بهبود مدیریت منابع در بیمارستان ها می شود. به دلیل توانمندی بالای داده کاوی در مدل سازی مسایل پزشکی، از الگوریتم های منتخب برای تعیین مدل بهینه تهیه دارو استفاده گردید.

در این مطالعه مقطعی، برای بررسی انواع الگوریتم های داده کاوی، فرم اطلاعاتی بر اساس اهداف طراحی، سپس در قالب گزارش در سیستم اطلاعات بیمارستانی تعریف گردید و با کمک نرم افزار Crystal Report داده ها استخراج گردید. برای ارایه مدل، دقت الگوریتم های پیش بینی داده کاوی KNN, SVM, NN, Random Forest, LR, Adaboost بر اساس معیارهایMSE, RMSE, MAE, R2 در نرم افزار Weka بررسی شدند.

روش Adaboost با معیارهای R2 MAE, و RMSE (0/78، 247، 827) و روش جنگل تصادفی با  معیارهای (0/6، 1170، 1868) نسبت به بقیه مدل ها بالاترین دقت را داشته و میزان خطا را به نسبت بیشتری کاهش می دهند. سایر روش ها با معیارهای فوق در پیش بینی مسئله پژوهش عملکرد ضعیف تری را دارند.

نتایج پژوهش حاکی از دقت بالای روش Adaboost و جنگل تصادفی در مقایسه با سایر روش های مورد بررسی است. درصد کمی از بیمارستان ها برای مدیریت تهیه دارو، برنامه ریزی می کنند؛ لذا به مدیران بیمارستان ها و داروخانه ها پیشنهاد می شود که در مدیریت واحدهای متبوع شان از داده کاوی استفاده کنند.