جلد 23، شماره 4 - ( 10-1399 )
جلد 23 شماره 4 صفحات 60-51 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Ghaderi F, Moradhasel B. Resources and expenditures management in the field of medical supplies using K-means clustering algorithm: A case study. jha 2021; 23 (4) :51-60
URL: http://jha.iums.ac.ir/article-1-3392-fa.html
URL: http://jha.iums.ac.ir/article-1-3392-fa.html
قادری فاطمه، مرادحاصل بهروز. مدیریت منابع و مصارف در حوزه ملزومات پزشکی با استفاده از الگوریتم خوشه‌بندی کی میانگین: مطالعه موردی. فصلنامه مدیریت سلامت. 1399; 23 (4) :51-60
مدیریت منابع و مصارف در حوزه ملزومات پزشکی با استفاده از الگوریتم خوشه‌بندی کی میانگین: مطالعه موردی
1- کارشناس مهندسی پزشکی، دانشگاه علوم پزشکی همدان، همدان
2- کارشناس ارشد مهندسی پزشکی، دانشگاه علوم پزشکی همدان، همدان ،bzmoradhasel@gmail.com
2- کارشناس ارشد مهندسی پزشکی، دانشگاه علوم پزشکی همدان، همدان ،
چکیده: (3503 مشاهده)
مقدمه: همواره یکی از دغدغه‌های اصلی مدیران نظام سلامت، کنترل و کاهش هزینه‌های بهداشت و درمان بوده است. استفاده بهینه از منابع مراکز بهداشتی و درمانی جهت حفظ و ارتقای خدمات، مستلزم تحلیل هزینه‌ها و به‌کارگیری نتایج به‌دست‌آمده در فرآیند تأمین و مصرف اقلام موردنیاز است. هدف این مطالعه استخراج الگویی مناسب جهت مدیریت هزینه‌های ملزومات پزشکی در مراکز بهداشتی و درمانی است.
روش ها: این پژوهش از نوع کاربردی و به روش توصیفی است که به‌صورت مقطعی انجام شد. هزینه خرید سالیانه ملزومات پزشکی مراکز درمانی دانشگاه علوم پزشکی همدان از سیستم اطلاعات بیمارستانی استخراج و پس از پردازش، نتایج با بهره‌گیری از تجربیات محققین و ضوابط تجهیزات پزشکی کشور تحلیل گردید. برای خوشه‌بندی داده‌ها از الگوریتم K-means در محیط نرم‌افزاری Rapidminer 9.6 استفاده شد.
یافته ها: هزینه‌های خرید سالیانه ملزومات پزشکی بر مبنای قیمت خرید واحد و کل به روش K-means به نُه دسته خوشه‌بندی شد و سپس بر اساس تحلیل هریک از طبقات، راهکارهایی جهت مدیریت هزینه از جمله کاهش قیمت از طریق خرید متمرکز، عقد قرارداد با تأمین‌کنندگان مجاز، نظارت و کنترل دقیق مصرف و عقد تفاهم‌نامه با سایر مراکز درمانی جهت تبادل کالای مازاد یا موردنیاز ارائه گردید.
نتیجه‌گیری: تحلیل هزینه کرد حوزه ملزومات پزشکی بر مبنای قیمت، میزان خرید و مصرف در یک بازه زمانی معین با استفاده از الگوریتم خوشه‌بندی، اطلاعات ارزشمندی را جهت مدیریت منابع و مصارف در اختیار مدیران نظام سلامت قرار می‌دهد و منجر به حفظ، تداوم و ارتقاء سطح خدمات مراکز بهداشتی و درمانی می‌گردد.
روش ها: این پژوهش از نوع کاربردی و به روش توصیفی است که به‌صورت مقطعی انجام شد. هزینه خرید سالیانه ملزومات پزشکی مراکز درمانی دانشگاه علوم پزشکی همدان از سیستم اطلاعات بیمارستانی استخراج و پس از پردازش، نتایج با بهره‌گیری از تجربیات محققین و ضوابط تجهیزات پزشکی کشور تحلیل گردید. برای خوشه‌بندی داده‌ها از الگوریتم K-means در محیط نرم‌افزاری Rapidminer 9.6 استفاده شد.
یافته ها: هزینه‌های خرید سالیانه ملزومات پزشکی بر مبنای قیمت خرید واحد و کل به روش K-means به نُه دسته خوشه‌بندی شد و سپس بر اساس تحلیل هریک از طبقات، راهکارهایی جهت مدیریت هزینه از جمله کاهش قیمت از طریق خرید متمرکز، عقد قرارداد با تأمین‌کنندگان مجاز، نظارت و کنترل دقیق مصرف و عقد تفاهم‌نامه با سایر مراکز درمانی جهت تبادل کالای مازاد یا موردنیاز ارائه گردید.
نتیجه‌گیری: تحلیل هزینه کرد حوزه ملزومات پزشکی بر مبنای قیمت، میزان خرید و مصرف در یک بازه زمانی معین با استفاده از الگوریتم خوشه‌بندی، اطلاعات ارزشمندی را جهت مدیریت منابع و مصارف در اختیار مدیران نظام سلامت قرار می‌دهد و منجر به حفظ، تداوم و ارتقاء سطح خدمات مراکز بهداشتی و درمانی می‌گردد.
نوع مقاله: پژوهشي |
موضوع مقاله:
اقتصاد سلامت
دریافت: 1399/8/15 | پذیرش: 1399/9/29 | انتشار: 1399/10/22
دریافت: 1399/8/15 | پذیرش: 1399/9/29 | انتشار: 1399/10/22
فهرست منابع
1. Mousavi SA, Khorvash F, Fathi H, Fadai H, Hadianzarkesh moghadam SH. Survey the average of cost in out patient and imaging in Alzahra hospital and comparing whit service's tariff. Health information management journal. 2010; 7(2):235-42. [In Persian]
2. Bigdeli M, Peters D, Wagner A. Medicines in health systems: Advancing access, affordability and appropriate use. Switzerland: World Health Organization; 2014.
3. Jothi N, Rashid N A, Husain W. Data mining in healthcare: A review. Procedia Comput Sci. 2015; 72:306-13. [DOI:10.1016/j.procs.2015.12.145]
4. Seyedzadeh Abras S, Delavari M, Babakhani M. The factors affecting on Iran's health expenditure and forecasting based on dynamic systems model. Hakim Health Sys Res.2018; 20(4): 240-50. [In Persian]
5. Yiğit, V. Medical materials inventory control analysis at university hospital in Turkey. Int J Health Sci Res. 2017; 7(1):227-31.
6. Ghaderi F, Moradhasel B. Analysis of the success of strategic management in treatment vice presidency of Hamedan University of medical sciences. Health Information Management. 2015; 12(4):483-94. [In Persian]
7. Aeenparast A, Farzadi F, Maftoon F, Zahirian Moghadam T. Feasibility of estimating cost of diagnostic radiology and sonography services by using activity based costing. Payesh. 2014;14(1):15-23. [In Persian]
8. Moradhasel B, Ghaderi F. The status of medical equipment maintenance management in the hospitals of Hamedan University of medical sciences in 2015. Health Develop J. 2018; 7 (3):274-85. [In Persian]
9. Noori M, Markazi Moghaddam N, Goudarzi R, Meshkani Z. Surveying activity based costing of final units (a case study in one of the armed forces hospitals). J Hosp. 2016; 15 (1):41-50. [In Persian]
10. Ozcan YA.Quantitative methods in health care management: Techniques and applications. USA: John Wiley & Sons; 2009.
11. Khurana S, Chhillar N, Gautam S, Kumar V. Inventory control techniques in medical stores of a tertiary care neuropsychiatry hospital in Delhi. Health. 2013; 5(1):8-13. [DOI:10.4236/health.2013.51002]
12. Department of Medical Devices. Regulations for medical equipment and supplies. 2nd ed. Tehran: Ministry of Health Publications; 2015. [In Persian]
13. Holm MR, Rudis MI, Wilson JE. Medication supply chain management through implementation of a hospital pharmacy computerized inventory program in Haiti. Glob Health Action. 2015; 8:1-9. [DOI:10.3402/gha.v8.26546]
14. Cohen M. A systemic approach to understanding mental health and services. Soc Sci Med. 2017. 191: 1-8. [DOI:10.1016/j.socscimed.2017.08.037]
15. Zhang Y, Zhou Z, Si Y. When more is less: What explains the overuse of health care services in China? Soc Sci Med. 2019; 232:17-24. [DOI:10.1016/j.socscimed.2019.04.018]
16. Center for Hospital Management and Clinical Services Excellence. The role of nursing staff in implementing the instructions for reprocessing medical devices [Internet]. 2018 [cited 2018 Oct 24]; Available from:https://sepidonline.ir/index.php?newsid=14564.
17. Chase RB, Nicholas J, Jacobs F. Operations management for competitive advantage. 10th ed. New York: McGraw-Hill/Irwin; 2004.
18. Khodarazaei M, Abdolshah M, Chegini H, Taghipour M. A classification of inventory items using ABC analysis with fuzzy cluster. In: Proceedings of the first international conference on industrial engineering. Management and accounting, Electronically; 2016 Jan 20; Tehran: Alborz Research Institute; 2016. [In Persian]
19. Shoghli A, Hamidi Y. Costing of health services based on activities in Zanjan health center. Journal of Advances in Medical and Biomedical Research. 2000; 10(41):27-33. [In Persian]
20. ILayaraja M, Meyyappan T. Efficient data mining method to predict the risk of heart diseases through frequent itemsets. Procedia Comput Sci. 2015; 70: 586-92. [DOI:10.1016/j.procs.2015.10.040]
21. Srinivasan R, Manivannan S, Ethiraj N, Prasanna Devi S, Vinu Kiran S. Modelling an optimized warranty analysis methodology for fleet industry using data mining clustering methodologies. Procedia Comput Sci. 2016; 87: 240-45. [DOI:10.1016/j.procs.2016.05.155]
22. Chen J, Wei W, Guo C, Tang L, Sun L. Textual analysis and visualization of research trends in data mining for electronic health records. Heal Policy Technol. 2017; 6(4): 389-400. [DOI:10.1016/j.hlpt.2017.10.003]
23. Rémy N M, Martial T T, Clémentin T D. The prediction of good physicians for prospective diagnosis using data mining. Informatics Med. 2018; 12: 120-27. [DOI:10.1016/j.imu.2018.07.005]
24. Lari A, Aajinabi K, Komeili A, Riahi L. The effective factors in the control component of purchase management of medical consumables. Iran J Nurs Res. 2019; 14(4):66-71. [In Persian]
25. Yang L, Xu H, Jiang Y. Applied research of data mining technology in hospital staff appraisal. Procedia Comput Sci. 2018; 131: 1282-1288. [DOI:10.1016/j.procs.2018.04.340]
26. Han J, Kamber M, Pei J. Data mining: Concepts and techniques. 3th ed. Massachusetts: Morgan Kaufmann; 2012.
27. Ministry of Health and Medical Education, Deputy of Treatment. Instructions for safe reprocessing of medical devices [Internet]. 2018 [cited 2018 Sep 15]; Available from: http://darman.umsha.ac.ir/index.aspx?fkeyid=&siteid=15&pageid=28952. [In Persian]
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
