Journal of Health Administration
فصلنامه مدیریت سلامت
jha
Medical Sciences
http://jha.iums.ac.ir
112
journal112
2008-1200
2008-1219
10.22034
fa
jalali
1397
1
1
gregorian
2018
4
1
21
71
online
1
fulltext
fa
شناسایی الگوی رفتار مردم در اهدای خون با استفاده از الگوریتم K-Means مبتنی بر تازگی، بسامد و ارزش خون
Identifying behavioral patterns in blood donation using K-means algorithm based on recency, frequency and blood value
پژوهشي
Research
<strong><span style="font-family:b zar;"><span style="font-size:12.0pt;">مقدمه:</span></span></strong> <span style="font-family:b zar;"><span style="font-size:12.0pt;">اهدای خون در کشورهای توسعه یافته 18 برابر بیشتر از کشورهای در حال توسعه است.</span></span> <span style="font-family:b zar;"><span style="font-size:12.0pt;">اگر تنها پنج درصد از کل جمعیت جهان به­ طور مستمر خون اهدا کنند، ذخیره کافی برای تامین نیازهای جامعه وجود خواهد داشت. این رقم در کشورهای در حال توسعه کمتر از یک درصد است. هدف مطالعه حاضر </span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">شناخت رتبه وفاداری اهداکنندگان خون به­ منظور</span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;"> برنامه ­ریزی مناسب برای گسترش و تقویت رفتار اهدای خون در جامعه است.</span></span><br>
<strong><span style="font-family:b zar;"><span style="font-size:12.0pt;">روش ها:</span></span></strong> <span style="font-family:b zar;"><span style="font-size:12.0pt;">پژوهش حاضر به روش </span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">توصیفی</span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">- مقطعی صورت گرفته و نمونه­ گیری به روش سرشماری بوده است. جامعه­ پژوهش متشکل از داده­ های سازمان انتقال خون تهران از آبان 1383 تا خرداد 1388 است. </span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">برای</span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;"> تحلیل داده­ ها از نرم افزار </span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:12.0pt;">Clementine12.0</span></span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;"> استفاده شده است. </span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">برای مدل­سازی الگوریتم </span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:12.0pt;">K-Means</span></span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;"> در دو حالت </span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">جمعیت شناختی</span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;"> و مبتنی بر مقادیر </span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">تازگی، بسامد و ارزش خون (</span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:12.0pt;">Recency-Frequency- Monetary (RFM)</span></span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">) </span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">ا</span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">جرا</span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;"> گردید </span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">تا ارتباط بین متغییرهای مختلف بدست آید</span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">.</span></span><br>
<strong><span style="font-family:b zar;"><span style="font-size:12.0pt;">یافته ‏ها:</span></span></strong> <span style="font-family:b zar;"><span style="font-size:12.0pt;">مقدار میانگین شاخص ریشه میانگین مربع انحراف از معیار برای خوشه­ بندی مبتنی بر </span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">تازگی، بسامد و ارزش خون</span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;"> و جمعیت شناختی 72/10 و 14/11 است و خوشه­ بندی بهتر داده­ ها توسط الگوریتم مبتنی بر </span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">تازگی، بسامد و ارزش خون</span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;"> را تایید کرد. این الگوریتم داده­ ها را در چهار خوشه قرار داد که </span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">خوشه چهارم شامل مردان مجرد حائز بیشترین رتبه وفاداری اهدای خون و خوشه سه شامل زنان متاهل حائز کمترین رتبه وفاداری گردید. </span></span><br>
<strong><span style="font-family:b zar;"><span style="font-size:12.0pt;">نتیجه ‏گیری:</span></span></strong> <span style="font-family:b zar;"><span style="font-size:12.0pt;">استفاده از رو­ش­ های نوین داده­ کاوی برای تحلیل و رده بندی اهدا کنندگان خون، شیوه نگرش سازمان­ های انتقال خون را به روند اهدای خون تغییر می­ دهد. بررسی رفتار اهداکنندگان</span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;"> به شناسایی سریع­تر و دقیق­تر وفاداری اهداکنندگان</span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;"> و مدیریت صحیح پایگاه خون</span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;"> کمک می­ کند.</span></span>
Introduction: Blood donation rate in developed countries is 18 times higher than developing countries. It is estimated that if only five percent of Iran population embark on blood donation, it will be adequate to meet the needs of the community. The aim of this paper is to identify the blood donators’ loyalty behavior for proper planning to extend and enhance blood donation habits among the community.<br>
<br>
<strong>Methods: A </strong> cross-sectional survey was applied through census in the present study. The data extracted from blood transfusion center of Tehran from 2005 to 2010 was used in this study. Clementine 12.0 was used for data analysis. K-Means clustering is based on demographic data and RFM values modes which were applied to obtain the best ratio among different fields.<br>
<strong>Results:</strong> The mean value of root mean square standard deviation for RFB-based clustering and demographic were 10.7194 and 11.1411,respectively. This finding confirmed better data clustering by RFB-based algorithm. The data were placed by RFB-based algorithm in four clusters. The fourth cluster consisted of single males who obtained the best loyalty rank and the third cluster consisted of married females who obtained the least loyalty rank.<br>
<strong>Conclusion:</strong> Applying data mining methods for analysis and classification of blood donors changes current attitude towards blood donation procedure. Survey of donor behavior helps us to identify faster and more precise donor loyalty as well as having proper management of the blood transfusion centers.
خوشه بندی, تازگی, بسامد, ارزش خون, وفاداری اهداکننده.
Clustering, Recency, Frequency, Blood Value, Donor Loyalty.
66
78
http://jha.iums.ac.ir/browse.php?a_code=A-10-1121-5&slc_lang=fa&sid=1
J
Rajabi
جواد
رجبی
rajabi.j@gmail.com
11200319475328460018216
11200319475328460018216
No
School of Industrial Engineering, K.N.Tossi University of Technology, Tehran, Iran
S
Alizade
سمیه
علیزاده
s_alizadeh@kntu.ac.ir
11200319475328460018217
11200319475328460018217
No
School of Industrial Engineering, K.N.Tossi University of Technology, Tehran, Iran.
M
Ashoori
مریم
عاشوری
mashoori@Saravan.ac.ir
11200319475328460018218
11200319475328460018218
Yes
School of Technical and Engineering, Higher Educational Complex of Saravan, Saravan, Iran