جلد 22، شماره 3 - ( 7-1398 )
جلد 22 شماره 3 صفحات 104-89 |
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:
Davodi N, Raissi S. Forecasting Model for Annual Drug Demand in Iran. jha 2019; 22 (3) :89-104
URL: http://jha.iums.ac.ir/article-1-3025-fa.html
URL: http://jha.iums.ac.ir/article-1-3025-fa.html
داودی نفیسه، رئیسی صدیق. الگوی پیش‌بینی تقاضای سالانه داروی مصرفی ایران. فصلنامه مدیریت سلامت. 1398; 22 (3) :89-104
1- دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی تهران واحد جنوب، تهران ، nafisehdavodi@gmail.com
2- دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی تهران واحد جنوب، تهران
2- دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی تهران واحد جنوب، تهران
چکیده: (3278 مشاهده)
مقدمه: تحلیل مقدار فروش داروهای مصرفی کشور نقش مهمی در تأمین تقاضای داروی کشور در گروه‌های درمانی مختلف دارد. دراین‌بین مهم‌ترین چالش فرارو، روش‌های متداول و تجربی پیش‌بینی صنعت دارو است. هدف پژوهش حاضر بررسی کارایی دو روش پیشنهادی شبکه عصبی مصنوعی و برازش منحنی در مقایسه با روش متداول نرخ رشد مرکب است.
روش ها: پس از تجمیع داده‌های 17 سال فروش محصولات دارویی (از سال 1379 تا 1395) و اعمال اصلاحات لازم ازهر سه روش یادشده جهت پیش‌بینی استفاده شد. سپس با شاخص متداول جذر میانگین مربعات خطاهای پیش‌بینی، کارایی سه روش مقایسه شده است.
یافتهها: پس از بررسی حدود 2200 محصول ژنریک دارویی و شناسایی 17 گروه‌درمانی اصلی با استفاده از سه روش یادشده، فروش ریالی ۱۷ گروه‌درمانی برای سال‌های ۱۳۹۷ و ۱۳۹۸ پیش‌بینی شد و درصد خطای فروش سالیانه محاسبه‌شده برای دو روش شبکه عصبی مصنوعی و برازش منحنی در سال‌های 1379 تا 1395 به ترتیب برای ۱۱ سال (از 13 سال محاسبه شده با روش شبکه عصبی) و ۱۵ سال (از 17 سل محاسبه شده با روش برازش منحنی) کمتر از هفت درصد، گزارش شد.
نتیجه‌گیری: نتایج پژوهش نشان داد که به‌کارگیری روش شبکه عصبی و برازش منحنی در پیش‌بینی میزان فروش ریالی دارو همواره عملکرد بهتری از روش مرسوم دارد و در مواقعی که سوابق داده‌های تجربی گذشته برای فروش دارو کم است، روش برازش منحنی کارایی بهتری دارد اما با داده‌های ورودی بیشتر، روش شبکه عصبی کارایی بهتری نسبت به دو روش دیگر خواهد داشت.
روش ها: پس از تجمیع داده‌های 17 سال فروش محصولات دارویی (از سال 1379 تا 1395) و اعمال اصلاحات لازم ازهر سه روش یادشده جهت پیش‌بینی استفاده شد. سپس با شاخص متداول جذر میانگین مربعات خطاهای پیش‌بینی، کارایی سه روش مقایسه شده است.
یافتهها: پس از بررسی حدود 2200 محصول ژنریک دارویی و شناسایی 17 گروه‌درمانی اصلی با استفاده از سه روش یادشده، فروش ریالی ۱۷ گروه‌درمانی برای سال‌های ۱۳۹۷ و ۱۳۹۸ پیش‌بینی شد و درصد خطای فروش سالیانه محاسبه‌شده برای دو روش شبکه عصبی مصنوعی و برازش منحنی در سال‌های 1379 تا 1395 به ترتیب برای ۱۱ سال (از 13 سال محاسبه شده با روش شبکه عصبی) و ۱۵ سال (از 17 سل محاسبه شده با روش برازش منحنی) کمتر از هفت درصد، گزارش شد.
نتیجه‌گیری: نتایج پژوهش نشان داد که به‌کارگیری روش شبکه عصبی و برازش منحنی در پیش‌بینی میزان فروش ریالی دارو همواره عملکرد بهتری از روش مرسوم دارد و در مواقعی که سوابق داده‌های تجربی گذشته برای فروش دارو کم است، روش برازش منحنی کارایی بهتری دارد اما با داده‌های ورودی بیشتر، روش شبکه عصبی کارایی بهتری نسبت به دو روش دیگر خواهد داشت.
نوع مقاله: پژوهشي |
موضوع مقاله:
اقتصاد سلامت
دریافت: 1398/3/29 | پذیرش: 1398/9/4 | انتشار: 1398/9/4
دریافت: 1398/3/29 | پذیرش: 1398/9/4 | انتشار: 1398/9/4
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
