جلد 27، شماره 3 - ( 9-1403 )
جلد 27 شماره 3 صفحات 69-54 |
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:
Kheradranjbar M, Khamseh A, Iranban fard S J. Evaluation of health services portfolio management based on information technology using adaptive neuro-fuzzy inference approach. jha 2024; 27 (3) :54-69
URL: http://jha.iums.ac.ir/article-1-4483-fa.html
URL: http://jha.iums.ac.ir/article-1-4483-fa.html
خردرنجبر مریم، خمسه عباس، ایرانبان فرد سیدجواد. ارزیابی مدیریت سبد پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات با رویکرد استنتاج فازی عصبی-تطبیقی. فصلنامه مدیریت سلامت. 1403; 27 (3) :54-69
1- گروه مدیریت تکنولوژی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران
2- گروه مدیریت صنعتی، واحد کرج، دانشگاه آزاد اسلامی، کرج ،abbas.khamseh@kiau.ac.ir
3- گروه مدیریت، واحد شیراز، دانشگاه آزاد اسلامی، شیراز
2- گروه مدیریت صنعتی، واحد کرج، دانشگاه آزاد اسلامی، کرج ،
3- گروه مدیریت، واحد شیراز، دانشگاه آزاد اسلامی، شیراز
واژه‌های کلیدی: مدیریت سبد پروژه، پروژه های تحقیق و توسعه، خدمات سلامت، فناوری اطلاعات، سیستم استنتاج فازی
متن کامل [PDF 929 kb]
(7 دریافت)
| چکیده (HTML) (54 مشاهده)
شکل 1. نحوه محاسبه مدیریت سبد پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات به ازای ورودیها
شکل 2. پنج لایه ورودی، میانی و خروجی مدل ANFIS
شکل3. منحنی مقایسه تاثیر دو بعد ورودی سطح خرد و کلان بر روی متغیر خروجی
شکل 4. تاثیر تغییرات ابعاد بر اساس تاثیرگذاری بر خروجی نهایی - سمت راست) سطح خرد؛ سمت چپ) سطح کلان
جدول 3 نتایج آزمون تحلیل حساسیت
متن کامل: (10 مشاهده)
مقدمه
مدیریت کارآمد سبد پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات نقشی حیاتی در بهینه‌سازی تخصیص منابع، کاهش خطرات و بهبود نتایج در سازمان‌های حوزه سلامت ایفا می‌کند. با افزایش پیچیدگی و تعدد پروژههای فناوری‌محور در حوزه سلامت، نیاز به رویکردهای نظام‌مند برای مدیریت این سبد پروژه‌ها بیش از پیش احساس می‌شود [1]. همگرایی خدمات سلامت و فناوری اطلاعات، فرصت‌های متعددی را برای نوآوری در مدیریت سبد، افزایش کارایی و اثربخشی پروژههای بهداشت و درمان فراهم آورده است [2]. مدیریت سبد، به‌عنوان جنبه‌ای حیاتی از مدیریت پروژه، مستلزم انتخاب راهبردی، اولویت‌بندی و نظارت بر مجموعه‌ای از پروژه‌ها برای دستیابی به اهداف سازمانی است. در زمینه پروژههای خدمات سلامت که با پیچیدگی و پویایی مشخص می‌شوند، مدیریت کارآمد سبد برای بهینه‌سازی تخصیص منابع و کاهش خطرات ضروری است [3].
مطالعات پیشین نشان داده‌اند که رویکردهای سنتی مدیریت سبد در پاسخگویی به ماهیت پویا و نامطمئن محیط‌های بهداشت و درمان ناکارآمد هستند [4]. به‌طور خاص، ادغام فناوری اطلاعات پیچیدگی‌های جدیدی را ایجاد می‌کند که نیازمند روش‌های نوآورانه‌ای است که بتوانند با محیط‌های متغیر سازگار شوند [5]. علاوهبراین، مطالعات قبلی بیشتر بر جنبه‌های خاصی مانند ارزیابی ریسک یا تخصیص منابع متمرکز بوده‌اند، درحالی‌که تعامل پیچیده بین یکپارچه‌سازی فناوری اطلاعات، پویایی‌های سازمانی و همسویی راهبردی کمتر مورد توجه قرار گرفته است [6].
مطالعات علویان و همکاران [7] و تحویلدارزاده و همکاران [8] بر اهمیت افزایش کیفیت فناوری اطلاعات سلامت و نقش محوری سلامت الکترونیک در بهبود قابلیت مدیریت تأکید کرده‌اند. همچنین، حاجی‌علی‌عسگری و همکاران [9] بر ضرورت توسعه مدل‌های بلوغ فناوری اطلاعات در سازمان‌های سلامت تمرکز داشته‌اند. بااین‌حال، شکاف قابل توجهی در زمینه ارزیابی جامع و یکپارچه عوامل مؤثر بر مدیریت سبد پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات وجود دارد.
این پژوهش با هدف ارزیابی مدیریت سبد پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات و با استفاده از رویکرد استنتاج فازی عصبی-تطبیقی انجام شده است. نوآوری این پژوهش در رویکرد کل‌نگر آن است که دیدگاه‌های ذینفعان مختلف را ادغام می‌کند تا درک دقیقی از پویایی مدیریت سبد در زمینه تحول سلامت دیجیتال ارائه دهد. استفاده از روش‌های استنتاج فازی عصبی برای ارزیابی ذینفعان را قادر می‌سازد تا تصمیم‌های مبتنی بر دادهها اتخاذ کنند.
مرور ادبیات نشان می‌دهد که مطالعات قبلی به یافته‌های ارزشمندی در زمینه مدیریت سبد پروژههای سلامت دست یافته‌اند. برای مثال، مهدوی و همکاران [10] شش حوزه کلیدی شامل هزینه-سودمندی سیستم‌های اطلاعاتی، موفقیت و شکست سیستم‌ها، امنیت و محرمانگی، کیفیت خدمات، قابلیت همکاری و مسیر آینده را شناسایی کردند. سیتیگ و همکاران [11] نیز چالش‌های مهمی در زمینه ایمنی بیمار مرتبط با فناوری اطلاعات سلامت را مطرح کردند که شامل ارزیابی ریسک، استانداردسازی طراحی و پشتیبانی تصمیم است. همچنین، سلمان و همکاران [12] بر اهمیت تجاری‌سازی و خدمات بهداشتی مبتنی بر فناوری تأکید داشتند. این پژوهش ضمن در نظر گرفتن این یافته‌های کلیدی، با استفاده از رویکرد استنتاج فازی عصبی-تطبیقی، چارچوبی جامع برای ارزیابی و یکپارچه‌سازی این عوامل ارائه می‌دهد. این رویکرد علاوه بر حفظ یافته‌های مهم پژوهش‌های پیشین، با ارائه روشی نظام‌مند برای ارزیابی تعامل این عوامل، درک عمیق‌تری از پویایی‌های مدیریت سبد در محیط پیچیده خدمات سلامت فراهم می‌آورد.
سؤال اصلی این پژوهش این است که چگونه می‌توان از مدیریت سبد به‌طور مؤثر برای به حداکثر رساندن تأثیر پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات استفاده کرد. این پژوهش با شناسایی و اولویت‌بندی عوامل کلیدی مؤثر بر مدیریت سبد و ارائه چارچوبی برای ارزیابی این عوامل، به سازمان‌های حوزه سلامت کمک می‌کند تا استراتژی‌های مدیریت سبد خود را بهینه کنند و درنهایت، کیفیت خدمات سلامت را ارتقا دهند.
روش ها
پژوهش حاضر از حیث هدف، کاربردی و با رویکرد آمیخته انجام شده است. برای دستیابی به اهداف پژوهش از دو روش فراترکیب و استنتاج فازی عصبی تطبیقی استفاده شده است.
در مرحله نخست، از رویکرد فراترکیب سندلوسکی و بارسو [13] برای شناسایی ابعاد و مؤلفه‌های مؤثر استفاده شد. جستجوی نظام‌مند در پایگاه‌های معتبر با کلیدواژه‌های مدیریت سبد پروژه، خدمات سلامت، فناوری اطلاعات، و پروژههای خدمات سلامت انجام شد. معیارهای ورود شامل مقالات کیفی مرتبط در پایگاه‌های خارجی (الزویر، ویلی، اسپرینگر، تیلور اند فرانسیس و امرالد) و داخلی (سیویلیکا، سید و مگیران) بین سال‌های 2014 تا 2023 بود. از 408 مقاله یافت شده، 35 مقاله برای تحلیل نهایی انتخاب شدند. اعتبار پژوهش با روش سندلوسکی و بارسو و پایایی با برنامه مهارت‌های ارزیابی انتقادی (2018) تأیید شد. در مرحله دوم، پرسشنامه‌ای براساس ابعاد شناسایی شده طراحی و بین 100 نفر از متخصصان توزیع شد که 87 پرسشنامه تکمیل گردید. جامعه آماری شامل کارشناسان، مدیران و سیاستگذاران با بیش از 10 سال سابقه مدیریتی و مدرک کارشناسی ارشد و دکتری بود که به روش هدفمند انتخاب شدند. روایی پرسشنامه از طریق روایی صوری و محتوایی و پایایی با آلفای کرونباخ تأیید شد.
برای تحلیل دادهها از نرم‌افزار متلب و سیستم استنتاج فازی عصبی تطبیقی (ANFIS) استفاده شد که قابلیت یادگیری شبکه‌های عصبی را با منطق فازی ترکیب می‌کند [14]. دادهها به سه دسته آموزش (60درصد)، آزمایش (25درصد) و اعتبارسنجی (15درصد) تقسیم شدند. برای طراحی قوانین استنتاجی از روش خوشه‌بندی کاهشی استفاده شد. از تابع عضویت گوسی به دلیل مشتق‌پذیری و انعطاف‌پذیری استفاده گردید. اعتبارسنجی مدل با دادههای آزمایش و آزمون شرایط حدی انجام شد. برای آموزش پارامترهای تابع عضویت از روش ترکیبی پس‌انتشار و حداقل مربعات استفاده شد. مدل ANFIS طراحی شده شامل دو ورودی (ابعاد سطح خرد و کلان) و سه قاعده در لایه اصلی است. در سیستم‌های ANFIS فرعی، هر بُعد به‌عنوان یک مدل جداگانه با مؤلفه‌های مربوطه (هفت مؤلفه برای سطح خرد و هشت مؤلفه برای سطح کلان) در نظر گرفته شد. این ساختار امکان ارزیابی جامع و یکپارچه عوامل مؤثر بر مدیریت سبد پروژههای خدمات سلامت را فراهم می‌آورد [15].
یافته ها
در فرآیند فراترکیب، با استفاده از تحلیل طبقه‌بندی شده، ابتدا عبارات مرتبط با مدیریت سبد پروژه‌ها به کدهای اولیه تبدیل شدند. سپس از طریق کدگذاری باز و محوری، مفاهیم، زیرمقوله‌ها و مقوله‌های اصلی شناسایی شدند. نتیجه این تحلیل، شناسایی 15 مؤلفه در دو سطح خرد و کلان بود که در جدول 1 ارائه شده است. پس از شناسایی مؤلفه‌ها، سیستم استنتاج فازی با دو رویکرد طراحی شد: یک بار با دو بُعد اصلی و خروجی نهایی، و بار دیگر با مؤلفه‌های مربوط به هر بُعد به صورت سیستم‌های ANFIS فرعی.
مدیریت کارآمد سبد پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات نقشی حیاتی در بهینه‌سازی تخصیص منابع، کاهش خطرات و بهبود نتایج در سازمان‌های حوزه سلامت ایفا می‌کند. با افزایش پیچیدگی و تعدد پروژههای فناوری‌محور در حوزه سلامت، نیاز به رویکردهای نظام‌مند برای مدیریت این سبد پروژه‌ها بیش از پیش احساس می‌شود [1]. همگرایی خدمات سلامت و فناوری اطلاعات، فرصت‌های متعددی را برای نوآوری در مدیریت سبد، افزایش کارایی و اثربخشی پروژههای بهداشت و درمان فراهم آورده است [2]. مدیریت سبد، به‌عنوان جنبه‌ای حیاتی از مدیریت پروژه، مستلزم انتخاب راهبردی، اولویت‌بندی و نظارت بر مجموعه‌ای از پروژه‌ها برای دستیابی به اهداف سازمانی است. در زمینه پروژههای خدمات سلامت که با پیچیدگی و پویایی مشخص می‌شوند، مدیریت کارآمد سبد برای بهینه‌سازی تخصیص منابع و کاهش خطرات ضروری است [3].
مطالعات پیشین نشان داده‌اند که رویکردهای سنتی مدیریت سبد در پاسخگویی به ماهیت پویا و نامطمئن محیط‌های بهداشت و درمان ناکارآمد هستند [4]. به‌طور خاص، ادغام فناوری اطلاعات پیچیدگی‌های جدیدی را ایجاد می‌کند که نیازمند روش‌های نوآورانه‌ای است که بتوانند با محیط‌های متغیر سازگار شوند [5]. علاوهبراین، مطالعات قبلی بیشتر بر جنبه‌های خاصی مانند ارزیابی ریسک یا تخصیص منابع متمرکز بوده‌اند، درحالی‌که تعامل پیچیده بین یکپارچه‌سازی فناوری اطلاعات، پویایی‌های سازمانی و همسویی راهبردی کمتر مورد توجه قرار گرفته است [6].
مطالعات علویان و همکاران [7] و تحویلدارزاده و همکاران [8] بر اهمیت افزایش کیفیت فناوری اطلاعات سلامت و نقش محوری سلامت الکترونیک در بهبود قابلیت مدیریت تأکید کرده‌اند. همچنین، حاجی‌علی‌عسگری و همکاران [9] بر ضرورت توسعه مدل‌های بلوغ فناوری اطلاعات در سازمان‌های سلامت تمرکز داشته‌اند. بااین‌حال، شکاف قابل توجهی در زمینه ارزیابی جامع و یکپارچه عوامل مؤثر بر مدیریت سبد پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات وجود دارد.
این پژوهش با هدف ارزیابی مدیریت سبد پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات و با استفاده از رویکرد استنتاج فازی عصبی-تطبیقی انجام شده است. نوآوری این پژوهش در رویکرد کل‌نگر آن است که دیدگاه‌های ذینفعان مختلف را ادغام می‌کند تا درک دقیقی از پویایی مدیریت سبد در زمینه تحول سلامت دیجیتال ارائه دهد. استفاده از روش‌های استنتاج فازی عصبی برای ارزیابی ذینفعان را قادر می‌سازد تا تصمیم‌های مبتنی بر دادهها اتخاذ کنند.
مرور ادبیات نشان می‌دهد که مطالعات قبلی به یافته‌های ارزشمندی در زمینه مدیریت سبد پروژههای سلامت دست یافته‌اند. برای مثال، مهدوی و همکاران [10] شش حوزه کلیدی شامل هزینه-سودمندی سیستم‌های اطلاعاتی، موفقیت و شکست سیستم‌ها، امنیت و محرمانگی، کیفیت خدمات، قابلیت همکاری و مسیر آینده را شناسایی کردند. سیتیگ و همکاران [11] نیز چالش‌های مهمی در زمینه ایمنی بیمار مرتبط با فناوری اطلاعات سلامت را مطرح کردند که شامل ارزیابی ریسک، استانداردسازی طراحی و پشتیبانی تصمیم است. همچنین، سلمان و همکاران [12] بر اهمیت تجاری‌سازی و خدمات بهداشتی مبتنی بر فناوری تأکید داشتند. این پژوهش ضمن در نظر گرفتن این یافته‌های کلیدی، با استفاده از رویکرد استنتاج فازی عصبی-تطبیقی، چارچوبی جامع برای ارزیابی و یکپارچه‌سازی این عوامل ارائه می‌دهد. این رویکرد علاوه بر حفظ یافته‌های مهم پژوهش‌های پیشین، با ارائه روشی نظام‌مند برای ارزیابی تعامل این عوامل، درک عمیق‌تری از پویایی‌های مدیریت سبد در محیط پیچیده خدمات سلامت فراهم می‌آورد.
سؤال اصلی این پژوهش این است که چگونه می‌توان از مدیریت سبد به‌طور مؤثر برای به حداکثر رساندن تأثیر پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات استفاده کرد. این پژوهش با شناسایی و اولویت‌بندی عوامل کلیدی مؤثر بر مدیریت سبد و ارائه چارچوبی برای ارزیابی این عوامل، به سازمان‌های حوزه سلامت کمک می‌کند تا استراتژی‌های مدیریت سبد خود را بهینه کنند و درنهایت، کیفیت خدمات سلامت را ارتقا دهند.
روش ها
پژوهش حاضر از حیث هدف، کاربردی و با رویکرد آمیخته انجام شده است. برای دستیابی به اهداف پژوهش از دو روش فراترکیب و استنتاج فازی عصبی تطبیقی استفاده شده است.
در مرحله نخست، از رویکرد فراترکیب سندلوسکی و بارسو [13] برای شناسایی ابعاد و مؤلفه‌های مؤثر استفاده شد. جستجوی نظام‌مند در پایگاه‌های معتبر با کلیدواژه‌های مدیریت سبد پروژه، خدمات سلامت، فناوری اطلاعات، و پروژههای خدمات سلامت انجام شد. معیارهای ورود شامل مقالات کیفی مرتبط در پایگاه‌های خارجی (الزویر، ویلی، اسپرینگر، تیلور اند فرانسیس و امرالد) و داخلی (سیویلیکا، سید و مگیران) بین سال‌های 2014 تا 2023 بود. از 408 مقاله یافت شده، 35 مقاله برای تحلیل نهایی انتخاب شدند. اعتبار پژوهش با روش سندلوسکی و بارسو و پایایی با برنامه مهارت‌های ارزیابی انتقادی (2018) تأیید شد. در مرحله دوم، پرسشنامه‌ای براساس ابعاد شناسایی شده طراحی و بین 100 نفر از متخصصان توزیع شد که 87 پرسشنامه تکمیل گردید. جامعه آماری شامل کارشناسان، مدیران و سیاستگذاران با بیش از 10 سال سابقه مدیریتی و مدرک کارشناسی ارشد و دکتری بود که به روش هدفمند انتخاب شدند. روایی پرسشنامه از طریق روایی صوری و محتوایی و پایایی با آلفای کرونباخ تأیید شد.
برای تحلیل دادهها از نرم‌افزار متلب و سیستم استنتاج فازی عصبی تطبیقی (ANFIS) استفاده شد که قابلیت یادگیری شبکه‌های عصبی را با منطق فازی ترکیب می‌کند [14]. دادهها به سه دسته آموزش (60درصد)، آزمایش (25درصد) و اعتبارسنجی (15درصد) تقسیم شدند. برای طراحی قوانین استنتاجی از روش خوشه‌بندی کاهشی استفاده شد. از تابع عضویت گوسی به دلیل مشتق‌پذیری و انعطاف‌پذیری استفاده گردید. اعتبارسنجی مدل با دادههای آزمایش و آزمون شرایط حدی انجام شد. برای آموزش پارامترهای تابع عضویت از روش ترکیبی پس‌انتشار و حداقل مربعات استفاده شد. مدل ANFIS طراحی شده شامل دو ورودی (ابعاد سطح خرد و کلان) و سه قاعده در لایه اصلی است. در سیستم‌های ANFIS فرعی، هر بُعد به‌عنوان یک مدل جداگانه با مؤلفه‌های مربوطه (هفت مؤلفه برای سطح خرد و هشت مؤلفه برای سطح کلان) در نظر گرفته شد. این ساختار امکان ارزیابی جامع و یکپارچه عوامل مؤثر بر مدیریت سبد پروژههای خدمات سلامت را فراهم می‌آورد [15].
یافته ها
در فرآیند فراترکیب، با استفاده از تحلیل طبقه‌بندی شده، ابتدا عبارات مرتبط با مدیریت سبد پروژه‌ها به کدهای اولیه تبدیل شدند. سپس از طریق کدگذاری باز و محوری، مفاهیم، زیرمقوله‌ها و مقوله‌های اصلی شناسایی شدند. نتیجه این تحلیل، شناسایی 15 مؤلفه در دو سطح خرد و کلان بود که در جدول 1 ارائه شده است. پس از شناسایی مؤلفه‌ها، سیستم استنتاج فازی با دو رویکرد طراحی شد: یک بار با دو بُعد اصلی و خروجی نهایی، و بار دیگر با مؤلفه‌های مربوط به هر بُعد به صورت سیستم‌های ANFIS فرعی.
جدول 1. ابعاد و مؤلفه‌های مدیریت سبد پروژههای خدمات سلامت
| مفهوم اصلی | ابعاد | نماد | مولفهها | نماد | منابع |
| مدیریت سبد پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات | سطح خرد | MI.L | مدیریت مالی | FM | [6، 16، 17] |
| مدیریت سرمایه فکری | ICM | [16، 18] | |||
| مدیریت فناوری | TM | [9، 19، 20] | |||
| مدیریت تحقیق و توسعه | RDM | [18، 21، 22] | |||
| مدیریت راهبردی | SM | [6، 12، 23] | |||
| مدیریت سبد پروژه | PPM | [18، 21، 23] | |||
| مدیریت کیفیت | QM | [12، 16، 17] | |||
| سطح کلان | MA.L | عوامل سیاسی | PF | [17، 26] | |
| عوامل فرهنگی | CF | [12، 24] | |||
| عوامل اقتصادی | EF | [12، 17] | |||
| عوامل قانونی | LF | [6، 24] | |||
| عوامل نهادی | IF | [9، 17] | |||
| مدیریت فناوری اطلاعات | ITM | [22، 23] | |||
| مدیریت فناوری اطلاعات سلامت | HTM | [17، 22، 25] | |||
| مدیریت خدمات بهداشتی درمانی | MHS | [17، 22، 25] |
تعریف تابع عضویت و ساختاردهی قوانین
برای متغیرهای ورودی و خروجی از تابع عضویت گوسی استفاده شد. انتخاب این تابع به دلیل مشتق‌پذیری و استفاده گسترده در سیستم‌های استنتاج فازی انطباق‌پذیر مبتنی بر شبکه بود. تابع گوسی با فرمول زیر تعریف می‌شود که در آن c مرکز تقارن و σ درجه بازشدگی تابع است. این تابع به دلیل منحنی پیوسته و قابلیت تنظیم پارامترها با ویژگی‌های متغیرهای زبانی انتخاب شد. بازه تغییرات برای تمامی متغیرها بین 0 تا 5 تعیین شد.
Gaussian (x, σ, c) = e × p (-(x-c/σ)²)
در طراحی ساختار مدل، ANFIS اصلی با دو ورودی سطح خرد و کلان طراحی شد. برای تحلیل دقیق‌تر، سیستم‌های ANFIS فرعی نیز برای هر بُعد با مؤلفه‌های مربوطه (هفت مؤلفه برای سطح خرد و هشت مولفه برای سطح کلان) طراحی گردید. دادههای مطالعه به سه گروه تقسیم شدند: دادههای آموزش (60درصد) برای مدل‌سازی سیستم، دادههای آزمایش (25درصد) و اعتبارسنجی (15درصد) برای بررسی اعتبار مدل. برای خوشه‌بندی از روش کاهشی استفاده شد که نیاز به تعیین تعداد خوشه‌ها از پیش ندارد.
گامهای سیستم استنتاج فازی
برای به‌دست آوردن پارامترهای تابع عضویت در فرآیند آموزش، از ترکیب روش‌های پس‌انتشار و ترکیبی استفاده شد. در روش پس‌انتشار، پس از محاسبه خطا ، با استفاده از الگوریتم کاهش گرادیان خطا، پارامترها تصحیح می‌شوند. محدوده تغییرات خطا به‌عنوان معیار توقف آموزش استفاده می‌شود. مدل‌های ANFIS پس از 30 دوره آموزش به خطای قابل قبول دست یافتند (برای سطح کلان: 7- 10× 7023/1، سطح خرد: 7-10× 6945/1، و مدیریت سبد پروژه‌ها: 7- 10× 5.0198). مدل ANDIS اصلی براساس سه قاعده استنتاجی برازش یافت.
ساختار مدل شامل دو ورودی (عوامل سطح خرد و کلان) در لایه اول، توابع عضویت و قوانین در لایه‌های میانی، و مدیریت سبد پروژههای خدمات سلامت در لایه خروجی است. شکل 1 نحوه محاسبه خروجی مدل ANFIS را به ازای تغییرات ورودیها نشان می‌دهد. همچنین، ساختار پنج لایه‌ای مدل ANFIS شامل لایه‌های ورودی، توابع عضویت، قوانین، نرمال‌سازی و خروجی در شکل 2 نمایش داده شده است.
برای متغیرهای ورودی و خروجی از تابع عضویت گوسی استفاده شد. انتخاب این تابع به دلیل مشتق‌پذیری و استفاده گسترده در سیستم‌های استنتاج فازی انطباق‌پذیر مبتنی بر شبکه بود. تابع گوسی با فرمول زیر تعریف می‌شود که در آن c مرکز تقارن و σ درجه بازشدگی تابع است. این تابع به دلیل منحنی پیوسته و قابلیت تنظیم پارامترها با ویژگی‌های متغیرهای زبانی انتخاب شد. بازه تغییرات برای تمامی متغیرها بین 0 تا 5 تعیین شد.
Gaussian (x, σ, c) = e × p (-(x-c/σ)²)
در طراحی ساختار مدل، ANFIS اصلی با دو ورودی سطح خرد و کلان طراحی شد. برای تحلیل دقیق‌تر، سیستم‌های ANFIS فرعی نیز برای هر بُعد با مؤلفه‌های مربوطه (هفت مؤلفه برای سطح خرد و هشت مولفه برای سطح کلان) طراحی گردید. دادههای مطالعه به سه گروه تقسیم شدند: دادههای آموزش (60درصد) برای مدل‌سازی سیستم، دادههای آزمایش (25درصد) و اعتبارسنجی (15درصد) برای بررسی اعتبار مدل. برای خوشه‌بندی از روش کاهشی استفاده شد که نیاز به تعیین تعداد خوشه‌ها از پیش ندارد.
گامهای سیستم استنتاج فازی
برای به‌دست آوردن پارامترهای تابع عضویت در فرآیند آموزش، از ترکیب روش‌های پس‌انتشار و ترکیبی استفاده شد. در روش پس‌انتشار، پس از محاسبه خطا ، با استفاده از الگوریتم کاهش گرادیان خطا، پارامترها تصحیح می‌شوند. محدوده تغییرات خطا به‌عنوان معیار توقف آموزش استفاده می‌شود. مدل‌های ANFIS پس از 30 دوره آموزش به خطای قابل قبول دست یافتند (برای سطح کلان: 7- 10× 7023/1، سطح خرد: 7-10× 6945/1، و مدیریت سبد پروژه‌ها: 7- 10× 5.0198). مدل ANDIS اصلی براساس سه قاعده استنتاجی برازش یافت.
ساختار مدل شامل دو ورودی (عوامل سطح خرد و کلان) در لایه اول، توابع عضویت و قوانین در لایه‌های میانی، و مدیریت سبد پروژههای خدمات سلامت در لایه خروجی است. شکل 1 نحوه محاسبه خروجی مدل ANFIS را به ازای تغییرات ورودیها نشان می‌دهد. همچنین، ساختار پنج لایه‌ای مدل ANFIS شامل لایه‌های ورودی، توابع عضویت، قوانین، نرمال‌سازی و خروجی در شکل 2 نمایش داده شده است.
شکل 1. نحوه محاسبه مدیریت سبد پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات به ازای ورودیها
شکل 2. پنج لایه ورودی، میانی و خروجی مدل ANFIS
هر یک از ورودیهای مدل ANFIS اصلی به‌عنوان یک ANFIS فرعی با مؤلفه‌های مربوطه در نظر گرفته شد. بُعد سطح خرد شامل هفت مؤلفه (مدیریت مالی، سرمایه فکری، فناوری، تحقیق و توسعه، راهبردی، سبد پروژه و کیفیت) و بُعد سطح کلان شامل هشت مؤلفه (عوامل سیاسی، فرهنگی، اقتصادی، قانونی، نهادی، مدیریت فناوری اطلاعات، مدیریت فناوری اطلاعات سلامت و مدیریت خدمات بهداشتی درمانی) است که هر کدام به جداگانه تحلیل شد.
ارتباطات و ترکیب‌های ایجاد شده میان ورودیهای پژوهش، خروجی‌های متنوعی را ایجاد کرده است. شکل 3 منحنی مقایسه تأثیر دو بعد ورودی سطح خرد و کلان بر متغیر خروجی را نشان می‌دهد. همچنین، تأثیر تغییرات هر یک از ابعاد بر خروجی نهایی در شکل 4 نمایش داده شده است که روند کاهشی در ارتباط میان متغیرهای ورودی و خروجی را نشان می‌دهد.
ارتباطات و ترکیب‌های ایجاد شده میان ورودیهای پژوهش، خروجی‌های متنوعی را ایجاد کرده است. شکل 3 منحنی مقایسه تأثیر دو بعد ورودی سطح خرد و کلان بر متغیر خروجی را نشان می‌دهد. همچنین، تأثیر تغییرات هر یک از ابعاد بر خروجی نهایی در شکل 4 نمایش داده شده است که روند کاهشی در ارتباط میان متغیرهای ورودی و خروجی را نشان می‌دهد.
شکل3. منحنی مقایسه تاثیر دو بعد ورودی سطح خرد و کلان بر روی متغیر خروجی
شکل 4. تاثیر تغییرات ابعاد بر اساس تاثیرگذاری بر خروجی نهایی - سمت راست) سطح خرد؛ سمت چپ) سطح کلان
برای ارزیابی عوامل مؤثر بر مدیریت سبد پروژههای خدمات سلامت، از نتایج پرسشنامه توزیع شده میان 87 پاسخ‌دهنده استفاده شد. پرسشنامه شامل سه بخش اصلی (دو ورودی و یک خروجی) بود که مؤلفه‌های سطح خرد (مدیریت مالی، سرمایه فکری، فناوری، تحقیق و توسعه، راهبری، سبد پروژه و کیفیت) با میانگین امتیازات بین 5/2 تا 38/3 و مؤلفه‌های سطح کلان (عوامل سیاسی، فرهنگی، اقتصادی، قانونی، نهادی، مدیریت فناوری اطلاعات، مدیریت فناوری اطلاعات سلامت و مدیریت خدمات بهداشتی درمانی) با میانگین امتیازات بین 3 تا 5/3 به‌دست آمد.
اعتبارسنجی
اعتبارسنجی مدل با استفاده از دادههای آزمایش و آزمون شرایط حدی انجام شد. شکل 5 انطباق دادههای خروجی مدل ANFIS با مقادیر پیش‌بینی شده را نشان می‌دهد، که متوسط خطای 7-10 × 0198/5 برای دادههای آموزش و 7-10 × 365/3 برای دادههای اعتبارسنجی حاصل شد. انطباق مناسب بین دادههای واقعی و پیش‌بینی شده، اعتبار مدل را تأیید می‌کند.
اعتبارسنجی
اعتبارسنجی مدل با استفاده از دادههای آزمایش و آزمون شرایط حدی انجام شد. شکل 5 انطباق دادههای خروجی مدل ANFIS با مقادیر پیش‌بینی شده را نشان می‌دهد، که متوسط خطای 7-10 × 0198/5 برای دادههای آموزش و 7-10 × 365/3 برای دادههای اعتبارسنجی حاصل شد. انطباق مناسب بین دادههای واقعی و پیش‌بینی شده، اعتبار مدل را تأیید می‌کند.
شکل 5. مقایسه بین خروجی ANFIS و دادهها – سمت راست) دادههای آموزش؛ سمت چپ) دادههای اعتبارسنجی
برای بررسی پایایی مدل در برابر تغییرات ورودیها، آزمون شرایط حدی انجام شد. جدول نشان می‌دهد که مدل در مقابل تغییرات متغیرهای ورودی از 0 تا 5، رفتاری منطقی ارائه می‌دهد. این رفتار منطقی در سیستم‌های ANFIS فرعی نیز مشاهده شد که نشانگر اعتبار مدل طراحی شده است. تحلیل حساسیت مدل با بررسی تغییرات خروجی نسبت به تغییرات ورودیها انجام شد. مطابق جدول ، مقدار اولیه خروجی 42/3 بود. با افزایش یک واحدی در سطح کلان (مؤثرترین بُعد)، خروجی 5/0 واحد افزایش یافت (از 42/3 به 92/3). در مقابل، کاهش یک واحدی در سطح خرد (کم‌اثرترین بُعد)، کاهش 4/0 واحدی در خروجی (از 42/3 به 02/3) ایجاد کرد. این نتایج اثرگذاری بیشتر بُعد سطح کلان را تأیید می‌کند.
جدول 2. تاثیر تغییرات همزمان ورودی ها بر خروجی مدل
| خروجی | ورودیهای مدل | |
| PMHRDP | MA.L | MI.L |
| 31/2 | 2 | 2 |
| 31/3 | 3 | 3 |
| 47/4 | 5 | 5 |
جدول 3 نتایج آزمون تحلیل حساسیت
| PMHRDP | MA.L | MI.L | |
| مقدار اولیه خروجی در مدل برازش یافته | 42/3 | 7/3 | 13/3 |
| مقدار تغییر خروجی در ازای تغییر در بعد سطح کلان | 92/3 | 7/4 | 13/3 |
| مقدار تغییر خروجی در ازای تغییر در بعد سطح خرد | 02/3 | 7/3 | 13/2 |
با توجه به جدول ، عوامل سطح کلان با درجه اهمیت 5/0 و عوامل سطح خرد با درجه اهمیت 4/0، به‌ترتیب رتبه‌های اول و دوم را در میان ابعاد اصلی به خود اختصاص داده‌اند. در بررسی مؤلفه‌های سطح کلان، عوامل قانونی با درجه اهمیت 26/0 مهمترین مؤلفه شناخته شد. پس از آن، عوامل سیاسی با درجه اهمیت 21/0 و عوامل نهادی با درجه اهمیت 19/0 در رتبه‌های دوم و سوم قرار گرفتند. عوامل اقتصادی و مدیریت خدمات بهداشتی درمانی هر دو با درجه اهمیت 16/0 در رتبه چهارم، مدیریت فناوری اطلاعات سلامت با درجه اهمیت 09/0 در رتبه پنجم، عوامل فرهنگی با درجه اهمیت 03/0 در رتبه ششم و مدیریت فناوری اطلاعات با درجه اهمیت 01/0 در رتبه آخر قرار گرفتند. در بررسی مؤلفه‌های سطح خرد، مدیریت فناوری با درجه اهمیت 24/0 بیشترین اهمیت را داشت. مدیریت سرمایه فکری با درجه اهمیت 18/0 و مدیریت کیفیت با درجه اهمیت 17/0 در رتبه‌های بعدی قرار گرفتند. مدیریت راهبردی با درجه اهمیت 14/0 در رتبه چهارم، مدیریت مالی با درجه اهمیت 10/0 در رتبه پنجم، مدیریت سبد پروژه با درجه اهمیت05/0در رتبه ششم و مدیریت تحقیق و توسعه با درجه اهمیت 01/0 در رتبه آخر قرار گرفت.
جدول 4. میزان تاثیر ورودی ها بر خروجی مدل ANFIS و درجه اهمیت
| ابعاد | نماد | اهمیت | درجه اهمیت | مولفهها | نماد | اهمیت | درجه اهمیت |
| عوامل سطح کلان | MA.L | 5/0 | 1 | مدیریت خدمات بهداشتی درمانی | MHS | 16/0 | 4 |
| مدیریت فناوری اطلاعات سلامت | HTM | 09/0 | 5 | ||||
| مدیریت فناوری اطلاعات | ITM | 01/0 | 7 | ||||
| عوامل نهادی | IF | 19/0 | 3 | ||||
| عوامل قانونی | LF | 26/0 | 1 | ||||
| عوامل اقتصادی | EF | 16/0 | 4 | ||||
| عوامل فرهنگی | CF | 03/0 | 6 | ||||
| عوامل سیاسی | PF | 21/0 | 2 | ||||
| عوامل سطح خرد | MI.L | 4/0 | 2 | مدیریت کیفیت | QM | 17/0 | 3 |
| مدیریت سبد پروژه | PPM | 05/0 | 6 | ||||
| مدیریت استراتژیک | SM | 14/0 | 4 | ||||
| مدیریت تحقیق و توسعه | RDM | 01/0 | 7 | ||||
| مدیریت فناوری | TM | 24/0 | 1 | ||||
| مدیریت سرمایه فکری | ICM | 18/0 | 2 | ||||
| مدیریت مالی | FM | 10/0 | 5 |
بحث
نتایج پژوهش حاضر نشان داد که عوامل سطح کلان با درجه اهمیت 5/0 و عوامل سطح خرد با درجه اهمیت 4/0، مهمترین ابعاد تأثیرگذار بر مدیریت سبد پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات هستند. این یافته‌ها با نتایج مطالعه زایاس کابان و همکاران [1] در خصوص اهمیت عوامل کلان در موفقیت پروژههای فناوری سلامت، همخوانی دارد.
در سطح کلان، عوامل قانونی با درجه اهمیت 1 به‌عنوان مهمترین مؤلفه شناسایی شد که با نتایج پژوهش کریسان و میهایلا [2] مطابقت دارد. آنها نیز در مطالعه خود نشان دادند که قوانین و مقررات نقش کلیدی در موفقیت پروژههای سلامت دارد. پس از آن، عوامل سیاسی با درجه اهمیت 2 و عوامل نهادی با درجه اهمیت 3 قرار
دارند. این یافته‌ها با نتایج مطالعه حاجی‌علی‌عسگری و همکاران [9] همسو است که بر اهمیت عوامل قانونی و نهادی در سازمان‌های سلامت تأکید داشتند.
در بُعد سطح خرد، مدیریت فناوری با درجه اهمیت 1 به‌عنوان مهمترین مؤلفه شناخته شد. پس از آن، مدیریت سرمایه فکری با درجه اهمیت 2 و مدیریت کیفیت با درجه اهمیت 3 قرار گرفتند. این یافته‌ها با نتایج پژوهش سلمان و همکاران [12] همسو است که نقش محوری مدیریت فناوری و سرمایه فکری در پیشبرد پروژههای سلامت را نشان دادند. در پژوهش‌های داخلی نیز درخشان و همکاران [21] به اهمیت این عوامل در موفقیت پروژههای فناوری اطلاعات سلامت اشاره کرده‌اند.
نتایج تحلیل حساسیت نشان داد که تغییر یک واحدی در بُعد سطح کلان منجر به تغییر 5/0 واحدی در خروجی می‌شود، درحالی‌که همین میزان تغییر در بُعد سطح خرد تنها 4/0 واحد تغییر ایجاد می‌کند. این یافته با نتایج مطالعه ویزنبرگ و همکاران [18] مطابقت می‌کند. آنها نشان دادند که عوامل محیطی تأثیر بیشتری نسبت به عوامل درون‌سازمانی بر موفقیت پروژههای فناوری سلامت دارند.
با توجه به نتایج حاصل از رتبه اهمیت بخش سیستم استنتاج فازی عصبی-تطبیقی ANFIS در بعد کلان، مولفه عوامل قانونی (LF) در رتبه اول اهمیت قرار دارد. در راستای تقویت این شاخص پیشنهاد می شود که در ایران با توجه به قانون اساسی، ظرفیت‌های بسیار زیادی برای ترویج به‌کارگیری روش‌های مشورتی در مقررات‌گذاری وجود دارد ولی تاکنون در این خصوص قانون‌گذاری مهمی صورت نگرفته است که در این خصوص قوانین تدوین شده و حمایت قانونی صورت پذیرد که به تحقق پتانسیل سازمان‌ها در قانون‌گذاری کمک کند. در بعد کلان، مولفه عوامل سیاسی (PF) در رتبه دوم اهمیت قرار دارد در این راستا مشکلات و اولویت‌های سلامتی باید مورد توجه دبیرخانه سیاستگذاری قرار گیرد. بیشتر اوقات سیاستگذاران و کارشناسان نظام سلامت با توجه به اولویت‌های نظام سلامت، یک مسأله یا موضوع را برای سیاستگذاری انتخاب می‌کنند. گاهی فشار مردم در خارج از نظام سلامت منجر به تدوین سیاست برای مسأله‌ای می شود. کارشناسان و متخصصان سلامت نقش قابل توجهی در شناساندن مسأله به سیاستگذاران دارند. ماهیت و اندازه مسأله باید به‌وضوح مشخص و توضیح داده شود تا مورد توجه سیاستگذاران قرار گیرد. در بعد کلان، مولفه نهادی (IF) در رتبه سوم اهمیت قرار دارد. در این راستا، با توجه به اینکه منابع مختلفی برای اطلاع‌رسانی حوزه سلامت وجود دارد، از جمله طرح موضوع‌های مرتبط با سلامت از سوی افراد صاحب نفوذ و مشهور، می‌توان اعتبارسنجی لازم را انجام داد و در رسانه‌های مجازی، سایت‌ها و تبلیغات از این افراد برای افزایش مشارمت مردمی در مدیریت نظام سلامت استفاده کرد.
در بعد خرد، مولفه مدیریت فناوری(TM) در رتبه اول اهمیت قرار دارد. در راستای تقویت این شاخص پیشنهاد می‌شود که سهم فناوری اطلاعات و ارتباطات در عرصه سلامت افزایش یابد زیرا زیان‌ها و خسارت‌های آشکار و پنهانی که کشورها به‌دلیل نداشتن سیستم‌های اطلاعاتی مدیریت نظام سلامت متحمل می‌شوند بسیار بیشتر از هزینه‌های توسعه زیرساخت‌ها و نرم‌افزارهای موردنیاز برای استقرار نظام سلامت است. در بعد خرد، مولفه مدیریت سرمایه فکری(ICM) در رتبه دوم اهمیت قرار دارد. در راستای تقویت این شاخص، پیشنهاد می‌شود به توسعه و افزایش دانش فنی متخصصین حوزه سلامت، افزایش قدرت تجزیه و تحلیل وقایع و پیش بینی حوادث، توسعه مهارت‌های ارتباطی و انسانی، بهبود مهارت‌های مدیریتی و سازماندهی، آمادگی برای هدایت کارکنان و انجام پست‌های اجرایی بیشتر توجه گردیده و دوره‌ها و کارگاه‌های تخصصی مورد نیاز در این راستا نیازسنجی و برگزار گردد. در بعد خرد، مدیریت کیفیت (QM) در رتبه سوم اهمیت قرار دارد. در راستای تقویت این شاخص پیشنهاد می‌شود به توسعه و افزایش دانش فنی متخصصین حوزه سلامت، افزایش قدرت تجزیه و تحلیل وقایع و پیش‌بینی حوادث، توسعه مهارت‌های ارتباطی و انسانی، بهبود مهارت‌های مدیریتی و سازماندهی، آمادگی برای هدایت کارکنان و انجام پست‌های اجرایی بیشتر توجه گردیده و دوره‌ها و کارگاه‌های تخصصی مورد نیاز در این راستا نیازسنجی و برگزار گردد.
محدودیت‌ها
این پژوهش با محدودیت‌هایی همراه بود که باید در تفسیر نتایج مدنظر قرار گیرند. به دلیل دسترسی محدود به ادبیات و دادههای مرتبط، به‌‌رغم تلاش برای انجام بررسی جامع با روش فراترکیب، ممکن است برخی منابع مهم ناددیه گرفته شده باشند. همچنین، ممکن است تعمیم‌پذیری یافته‌ها به دلیل تفاوت‌های ساختاری، فرهنگی و نظارتی در محیط‌های مختلف بهداشت و درمان محدود باشد. محدودیت دیگر، عدم امکان بررسی همه جنبه‌های مدیریت سبد پروژههای سلامت به دلیل پیچیدگی و گستردگی حوزه است. تمرکز این پژوهش بر جنبه‌های مرتبط با فناوری بود. بنابراین، ممکن است سایر عوامل تأثیرگذار لحاظ نشده باشند. روش استنتاج فازی عصبی-تطبیقی ابزاری قدرتمند برای مدل‌سازی روابط پیچیده است، بااین‌حال، محدودیت‌های ذاتی این روش باید در نظر گرفته شود. تعداد محدود دادههای در دسترس برای آموزش مدل و احتمال وجود خطاهای سیستماتیک در جمع‌آوری دادهها می‌تواند بر دقت نتایج تأثیر گذاشته باشد.
نتیجه‌گیری
این پژوهش بینش‌های ارزشمندی را در مورد ابعاد و مؤلفه‌های مؤثر بر مدیریت سبد در پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات ارائه می‌کند. یافته‌ها نشان می‌دهد که موفقیت در این حوزه مستلزم توجه همزمان به عوامل سطح کلان (با تأکید بر عوامل قانونی، سیاسی و نهادی) و عوامل سطح خرد (با محوریت مدیریت فناوری، سرمایه فکری و کیفیت) است. تحلیل حساسیت نشان داد که عوامل سطح کلان با درجه اهمیت 5/0 تأثیر بیشتری نسبت به عوامل سطح خرد با درجه اهمیت 4/0 دارند، که این امر اهمیت توجه به محیط خارجی و عوامل کلان در موفقیت پروژههای خدمات سلامت را برجسته می‌کند.
بر اساس یافته‌های پژوهش، پیشنهادهای کاربردی برای سازمان‌های حوزه سلامت ارائه می‌شود. برای سازمان‌های حوزه سلامت ضروری است که چارچوب قانونی و نظارتی قوی برای پروژههای فناوری اطلاعات سلامت ایجاد کنند. این امر مستلزم همکاری نزدیک با نهادهای قانون‌گذار و تنظیم‌کننده مقررات است. علاوهبراین، ایجاد زیرساخت‌های فناوری مناسب و سرمایه‌گذاری در توسعه سرمایه فکری سازمان ضروری است که شامل آموزش مستمر کارکنان، به‌روزرسانی سیستم‌ها و ایجاد فرآیندهای مدیریت دانش می‌شود. پیاده‌سازی سیستم‌های کنترل کیفیت جامع برای اطمینان از مطابقت پروژه‌ها با استانداردهای فنی و بالینی نیز از اهمیت ویژه‌ای برخوردار است. این سیستم‌ها باید به‌طور منظم ارزیابی و به‌روزرسانی شوند. سازمان‌های حوزه سلامت باید مدیریت عوامل فرهنگی را در کنار فناوری اطلاعات در اولویت قرار دهند. پرورش فرهنگ سازمانی که نوآوری، همکاری و سازگاری را ارج می‌نهد، می‌تواند محیطی مساعد برای مدیریت موفق سبد پروژههای خدمات سلامت ایجاد کند. این امر مستلزم ترویج مسیرهای ارتباطی باز، تشویق به اشتراک‌گذاری دانش و پذیرش تغییرات برای ادغام موثر فناوری در فرآیندهای حوزه سلامت است.
برای تحقیقات آینده پیشنهاد می‌شود که تأثیر فناوری‌های نوظهور مانند هوش مصنوعی، بلاک‌چین و پزشکی از راه دور در شکل‌دهی شیوه‌های مدیریت سبد و مدل‌های ارائه خدمات سلامت بررسی شود. این پژوهش با ارائه چارچوبی جامع برای ارزیابی و مدیریت سبد پروژههای خدمات سلامت، گامی مهم در جهت بهبود خدمات سلامت و افزایش اثربخشی پروژههای فناوری اطلاعات در این حوزه برداشته است. با درک و اولویت‌بندی عوامل موثر شناسایی شده، سازمان‌های حوزه سلامت می‌توانند استراتژی‌های مدیریت سبد مؤثرتری را توسعه دهند که درنهایت منجر به بهبود نتایج پروژه و افزایش کیفیت خدمات سلامت می‌شود.
اعلان ها
ملاحظات اخلاقی: مورد ندارد.
حمایت مالی: این پژوهش بدون حمایت مالی انجام شده است.
تضاد منافع: هیچگونه تضاد منافعی وجود ندارد.
مشارکت نویسندگان: عباس خمسه: مفهومسازی، طراحی مطالعه، مدیریت دادهها، تحلیل دادهها ، بررسی و ویرایش، تایید نهایی؛ مریم خردرنجبر: طراحی مطالعه، روش‌شناسی، اعتبارسنجی، تامین منابع، گردآوری دادهها، نگارش- پیش‌نویس؛ سیدجواد ایرانبان فرد: سرپرستی مطالعه، طراحی مطالعه، مدیریت دادهها، بررسی و ویرایش. تمام نویسندگان متن نهایی مقاله را مطالعه و تایید کرده‌اند.
رضایت برای انتشار: مورد ندارد.
دسترسی به دادهها: دادههای اولیه مطالعه قابل اشتراک‌گذاری نیست.
استفاده از هوش مصنوعی: در نوشتن این مقاله از ابزارهای هوش مصنوعی استفاده نشده است.
تقدیر و تشکر: نویسندگان مراتب تشکر از تمامی افرادی که در این پژوهش همکاری کردند را اعلام می‌نمایند.
نتایج پژوهش حاضر نشان داد که عوامل سطح کلان با درجه اهمیت 5/0 و عوامل سطح خرد با درجه اهمیت 4/0، مهمترین ابعاد تأثیرگذار بر مدیریت سبد پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات هستند. این یافته‌ها با نتایج مطالعه زایاس کابان و همکاران [1] در خصوص اهمیت عوامل کلان در موفقیت پروژههای فناوری سلامت، همخوانی دارد.
در سطح کلان، عوامل قانونی با درجه اهمیت 1 به‌عنوان مهمترین مؤلفه شناسایی شد که با نتایج پژوهش کریسان و میهایلا [2] مطابقت دارد. آنها نیز در مطالعه خود نشان دادند که قوانین و مقررات نقش کلیدی در موفقیت پروژههای سلامت دارد. پس از آن، عوامل سیاسی با درجه اهمیت 2 و عوامل نهادی با درجه اهمیت 3 قرار
دارند. این یافته‌ها با نتایج مطالعه حاجی‌علی‌عسگری و همکاران [9] همسو است که بر اهمیت عوامل قانونی و نهادی در سازمان‌های سلامت تأکید داشتند.
در بُعد سطح خرد، مدیریت فناوری با درجه اهمیت 1 به‌عنوان مهمترین مؤلفه شناخته شد. پس از آن، مدیریت سرمایه فکری با درجه اهمیت 2 و مدیریت کیفیت با درجه اهمیت 3 قرار گرفتند. این یافته‌ها با نتایج پژوهش سلمان و همکاران [12] همسو است که نقش محوری مدیریت فناوری و سرمایه فکری در پیشبرد پروژههای سلامت را نشان دادند. در پژوهش‌های داخلی نیز درخشان و همکاران [21] به اهمیت این عوامل در موفقیت پروژههای فناوری اطلاعات سلامت اشاره کرده‌اند.
نتایج تحلیل حساسیت نشان داد که تغییر یک واحدی در بُعد سطح کلان منجر به تغییر 5/0 واحدی در خروجی می‌شود، درحالی‌که همین میزان تغییر در بُعد سطح خرد تنها 4/0 واحد تغییر ایجاد می‌کند. این یافته با نتایج مطالعه ویزنبرگ و همکاران [18] مطابقت می‌کند. آنها نشان دادند که عوامل محیطی تأثیر بیشتری نسبت به عوامل درون‌سازمانی بر موفقیت پروژههای فناوری سلامت دارند.
با توجه به نتایج حاصل از رتبه اهمیت بخش سیستم استنتاج فازی عصبی-تطبیقی ANFIS در بعد کلان، مولفه عوامل قانونی (LF) در رتبه اول اهمیت قرار دارد. در راستای تقویت این شاخص پیشنهاد می شود که در ایران با توجه به قانون اساسی، ظرفیت‌های بسیار زیادی برای ترویج به‌کارگیری روش‌های مشورتی در مقررات‌گذاری وجود دارد ولی تاکنون در این خصوص قانون‌گذاری مهمی صورت نگرفته است که در این خصوص قوانین تدوین شده و حمایت قانونی صورت پذیرد که به تحقق پتانسیل سازمان‌ها در قانون‌گذاری کمک کند. در بعد کلان، مولفه عوامل سیاسی (PF) در رتبه دوم اهمیت قرار دارد در این راستا مشکلات و اولویت‌های سلامتی باید مورد توجه دبیرخانه سیاستگذاری قرار گیرد. بیشتر اوقات سیاستگذاران و کارشناسان نظام سلامت با توجه به اولویت‌های نظام سلامت، یک مسأله یا موضوع را برای سیاستگذاری انتخاب می‌کنند. گاهی فشار مردم در خارج از نظام سلامت منجر به تدوین سیاست برای مسأله‌ای می شود. کارشناسان و متخصصان سلامت نقش قابل توجهی در شناساندن مسأله به سیاستگذاران دارند. ماهیت و اندازه مسأله باید به‌وضوح مشخص و توضیح داده شود تا مورد توجه سیاستگذاران قرار گیرد. در بعد کلان، مولفه نهادی (IF) در رتبه سوم اهمیت قرار دارد. در این راستا، با توجه به اینکه منابع مختلفی برای اطلاع‌رسانی حوزه سلامت وجود دارد، از جمله طرح موضوع‌های مرتبط با سلامت از سوی افراد صاحب نفوذ و مشهور، می‌توان اعتبارسنجی لازم را انجام داد و در رسانه‌های مجازی، سایت‌ها و تبلیغات از این افراد برای افزایش مشارمت مردمی در مدیریت نظام سلامت استفاده کرد.
در بعد خرد، مولفه مدیریت فناوری(TM) در رتبه اول اهمیت قرار دارد. در راستای تقویت این شاخص پیشنهاد می‌شود که سهم فناوری اطلاعات و ارتباطات در عرصه سلامت افزایش یابد زیرا زیان‌ها و خسارت‌های آشکار و پنهانی که کشورها به‌دلیل نداشتن سیستم‌های اطلاعاتی مدیریت نظام سلامت متحمل می‌شوند بسیار بیشتر از هزینه‌های توسعه زیرساخت‌ها و نرم‌افزارهای موردنیاز برای استقرار نظام سلامت است. در بعد خرد، مولفه مدیریت سرمایه فکری(ICM) در رتبه دوم اهمیت قرار دارد. در راستای تقویت این شاخص، پیشنهاد می‌شود به توسعه و افزایش دانش فنی متخصصین حوزه سلامت، افزایش قدرت تجزیه و تحلیل وقایع و پیش بینی حوادث، توسعه مهارت‌های ارتباطی و انسانی، بهبود مهارت‌های مدیریتی و سازماندهی، آمادگی برای هدایت کارکنان و انجام پست‌های اجرایی بیشتر توجه گردیده و دوره‌ها و کارگاه‌های تخصصی مورد نیاز در این راستا نیازسنجی و برگزار گردد. در بعد خرد، مدیریت کیفیت (QM) در رتبه سوم اهمیت قرار دارد. در راستای تقویت این شاخص پیشنهاد می‌شود به توسعه و افزایش دانش فنی متخصصین حوزه سلامت، افزایش قدرت تجزیه و تحلیل وقایع و پیش‌بینی حوادث، توسعه مهارت‌های ارتباطی و انسانی، بهبود مهارت‌های مدیریتی و سازماندهی، آمادگی برای هدایت کارکنان و انجام پست‌های اجرایی بیشتر توجه گردیده و دوره‌ها و کارگاه‌های تخصصی مورد نیاز در این راستا نیازسنجی و برگزار گردد.
محدودیت‌ها
این پژوهش با محدودیت‌هایی همراه بود که باید در تفسیر نتایج مدنظر قرار گیرند. به دلیل دسترسی محدود به ادبیات و دادههای مرتبط، به‌‌رغم تلاش برای انجام بررسی جامع با روش فراترکیب، ممکن است برخی منابع مهم ناددیه گرفته شده باشند. همچنین، ممکن است تعمیم‌پذیری یافته‌ها به دلیل تفاوت‌های ساختاری، فرهنگی و نظارتی در محیط‌های مختلف بهداشت و درمان محدود باشد. محدودیت دیگر، عدم امکان بررسی همه جنبه‌های مدیریت سبد پروژههای سلامت به دلیل پیچیدگی و گستردگی حوزه است. تمرکز این پژوهش بر جنبه‌های مرتبط با فناوری بود. بنابراین، ممکن است سایر عوامل تأثیرگذار لحاظ نشده باشند. روش استنتاج فازی عصبی-تطبیقی ابزاری قدرتمند برای مدل‌سازی روابط پیچیده است، بااین‌حال، محدودیت‌های ذاتی این روش باید در نظر گرفته شود. تعداد محدود دادههای در دسترس برای آموزش مدل و احتمال وجود خطاهای سیستماتیک در جمع‌آوری دادهها می‌تواند بر دقت نتایج تأثیر گذاشته باشد.
نتیجه‌گیری
این پژوهش بینش‌های ارزشمندی را در مورد ابعاد و مؤلفه‌های مؤثر بر مدیریت سبد در پروژههای خدمات سلامت مبتنی بر فناوری اطلاعات ارائه می‌کند. یافته‌ها نشان می‌دهد که موفقیت در این حوزه مستلزم توجه همزمان به عوامل سطح کلان (با تأکید بر عوامل قانونی، سیاسی و نهادی) و عوامل سطح خرد (با محوریت مدیریت فناوری، سرمایه فکری و کیفیت) است. تحلیل حساسیت نشان داد که عوامل سطح کلان با درجه اهمیت 5/0 تأثیر بیشتری نسبت به عوامل سطح خرد با درجه اهمیت 4/0 دارند، که این امر اهمیت توجه به محیط خارجی و عوامل کلان در موفقیت پروژههای خدمات سلامت را برجسته می‌کند.
بر اساس یافته‌های پژوهش، پیشنهادهای کاربردی برای سازمان‌های حوزه سلامت ارائه می‌شود. برای سازمان‌های حوزه سلامت ضروری است که چارچوب قانونی و نظارتی قوی برای پروژههای فناوری اطلاعات سلامت ایجاد کنند. این امر مستلزم همکاری نزدیک با نهادهای قانون‌گذار و تنظیم‌کننده مقررات است. علاوهبراین، ایجاد زیرساخت‌های فناوری مناسب و سرمایه‌گذاری در توسعه سرمایه فکری سازمان ضروری است که شامل آموزش مستمر کارکنان، به‌روزرسانی سیستم‌ها و ایجاد فرآیندهای مدیریت دانش می‌شود. پیاده‌سازی سیستم‌های کنترل کیفیت جامع برای اطمینان از مطابقت پروژه‌ها با استانداردهای فنی و بالینی نیز از اهمیت ویژه‌ای برخوردار است. این سیستم‌ها باید به‌طور منظم ارزیابی و به‌روزرسانی شوند. سازمان‌های حوزه سلامت باید مدیریت عوامل فرهنگی را در کنار فناوری اطلاعات در اولویت قرار دهند. پرورش فرهنگ سازمانی که نوآوری، همکاری و سازگاری را ارج می‌نهد، می‌تواند محیطی مساعد برای مدیریت موفق سبد پروژههای خدمات سلامت ایجاد کند. این امر مستلزم ترویج مسیرهای ارتباطی باز، تشویق به اشتراک‌گذاری دانش و پذیرش تغییرات برای ادغام موثر فناوری در فرآیندهای حوزه سلامت است.
برای تحقیقات آینده پیشنهاد می‌شود که تأثیر فناوری‌های نوظهور مانند هوش مصنوعی، بلاک‌چین و پزشکی از راه دور در شکل‌دهی شیوه‌های مدیریت سبد و مدل‌های ارائه خدمات سلامت بررسی شود. این پژوهش با ارائه چارچوبی جامع برای ارزیابی و مدیریت سبد پروژههای خدمات سلامت، گامی مهم در جهت بهبود خدمات سلامت و افزایش اثربخشی پروژههای فناوری اطلاعات در این حوزه برداشته است. با درک و اولویت‌بندی عوامل موثر شناسایی شده، سازمان‌های حوزه سلامت می‌توانند استراتژی‌های مدیریت سبد مؤثرتری را توسعه دهند که درنهایت منجر به بهبود نتایج پروژه و افزایش کیفیت خدمات سلامت می‌شود.
اعلان ها
ملاحظات اخلاقی: مورد ندارد.
حمایت مالی: این پژوهش بدون حمایت مالی انجام شده است.
تضاد منافع: هیچگونه تضاد منافعی وجود ندارد.
مشارکت نویسندگان: عباس خمسه: مفهومسازی، طراحی مطالعه، مدیریت دادهها، تحلیل دادهها ، بررسی و ویرایش، تایید نهایی؛ مریم خردرنجبر: طراحی مطالعه، روش‌شناسی، اعتبارسنجی، تامین منابع، گردآوری دادهها، نگارش- پیش‌نویس؛ سیدجواد ایرانبان فرد: سرپرستی مطالعه، طراحی مطالعه، مدیریت دادهها، بررسی و ویرایش. تمام نویسندگان متن نهایی مقاله را مطالعه و تایید کرده‌اند.
رضایت برای انتشار: مورد ندارد.
دسترسی به دادهها: دادههای اولیه مطالعه قابل اشتراک‌گذاری نیست.
استفاده از هوش مصنوعی: در نوشتن این مقاله از ابزارهای هوش مصنوعی استفاده نشده است.
تقدیر و تشکر: نویسندگان مراتب تشکر از تمامی افرادی که در این پژوهش همکاری کردند را اعلام می‌نمایند.
نوع مقاله: پژوهشي |
موضوع مقاله:
مدیریت اطلاعات سلامت
دریافت: 1403/1/10 | پذیرش: 1404/3/1 | انتشار: 1404/3/18
دریافت: 1403/1/10 | پذیرش: 1404/3/1 | انتشار: 1404/3/18
فهرست منابع
1. Zayas-Cabán T, Okubo TH, Posnack S. Priorities to accelerate workflow automation in health care. Journal of the American Medical Informatics Association. 2023;30(1):195-201. [DOI:10.1093/jamia/ocac197]
2. Crisan EL, Mihaila A. Health-care information systems adoption - a review of management practices. Vilakshan-XIMB Journal of Management. 2023;20(1):130-139. [DOI:10.1108/XJM-04-2021-0121]
3. Sheikh A, Anderson M, Albala S, Casadei B, Franklin BD, Richards M, et al. Health information technology and digital innovation for national learning health and care systems. Lancet Digital Health. 2021;3(6):e383-e396. [DOI:10.1016/S2589-7500(21)00005-4]
4. Yang CH, Hsu W, Wu YL. A hybrid multiple-criteria decision portfolio with the resource constraints model of a smart healthcare management system for public medical centers. Socio-Economic Planning Sciences. 2022;80:101073. [DOI:10.1016/j.seps.2021.101073]
5. Alzghaibi H, Alharbi AH, Mughal YH, Alwheeb MH, Alhlayl AS. Assessing primary health care readiness for large-scale electronic health record system implementation: project team perspective. Health Informatics Journal. 2023;29(1). doi:10.1177/14604582231152790 [DOI:10.1177/14604582231152790]
6. Saito K, Shofer FS, Saberi P, Green McKenzie J. Health care personnel perception of the privacy of electronic health records. Journal of Occupational and Environmental Medicine. 2017;59(6):535-8. [DOI:10.1097/JOM.0000000000001016]
7. Alolayyan M, Al-Rwaidan R, Hamadneh S, Ahmad A, AlHamad A, Al-Hawary S, et al. The mediating role of operational flexibility on the relationship between quality of health information technology and management capability. Uncertain Supply Chain Management. 2022;10(4):1131-1140. [DOI:10.5267/j.uscm.2022.8.014]
8. Tahvildarzadeh M, Zamani Z, Khani Yusefabad F. Electronic health and its role in delivering healthcare services. In: 19th International Conference on Information Technology, Computer, and Telecommunications; 2023. [In Persian] Available from: https://civilica.com/doc/1712775
9. Haji Ali Asgari F, Tabatabaeian H, Taghva MR, Abolhasani F. Development policies in health organizations: a maturity model for implementing ITIL. Iranian Journal Public Policy. 2018;3(4):29-50. doi:10.22059/ppolicy.2018.65590
10. Mahdavi A, Ebrahimi K, Mehrtak M, Mashoufi M. Scientific mapping of new developments in health information technology based on WoS articles: 2010-2017. Journal of Paramedical Sciences Rehabilitation. 2021;9(4):27-40. doi:10.22038/jpsr.2021.47200.2091
11. Sittig DF, Wright A, Coiera E, et al. Current challenges in health information technology-related patient safety. Health Informatics Journal. 2020;26(1):181-189. https://10.1177/1460458218814893 [DOI:10.1177/1460458218814893]
12. Salman A, Fakhraldeen S, Chun S, Jamil K, Gasana J, Al-Hunayan A. Enhancing research and development in the health sciences as a strategy to establish a knowledge-based economy in the state of Kuwait: A call for action. Journal of Healthcare. 2020;8(3):264. https://doi:10.3390/healthcare8030264 [DOI:10.3390/healthcare8030264]
13. Sandelowski M, Barroso J. Handbook for synthesizing qualitative research. New York: Springer Publishing Company; 2007.
14. Abraham A. Adaptation of fuzzy inference system using neural learning, studies in fuzziness and soft computing. Fuzzy System Engineering. 2005;181:53-83. [DOI:10.1007/11339366_3]
15. Azar A, Faraji H. Fuzzy management science. 5th ed. Tehran: Ketab Mehraban Publishing; 2016. [In Persian].
16. Pinheiro Gondim de Violoncellos E, Nunes Muritiba S, Muller Affonso Prado S, Dalva Caparroz Vancetto M, Morilha Muritiba P. Analyzing R&D projects on health products. INMR - Innovation Management Review. 2016:199-210. Available from: https://www.redalyc.org/pdf/973/97347030006.pdf [DOI:10.1016/j.rai.2016.06.001]
17. Katz A, Salamanca-Buentello R, Silva F, Diego S. R&D during public health emergencies: the value(s) of trust, governance and collaboration. BMJ Global Health. 2022;7(2):63-92. [DOI:10.1136/bmjgh-2021-007873]
18. Wissenburg R, Kusters R, Martin H. Relationships between IT Project Portfolio risk and IT Project portfolio health. In: 2023 IEEE 25th Conference on Business Informatics (CBI); 2023; Prague, Czech Republic. p. 1-10. doi:10.1109/CBI58679.2023.10187481. [DOI:10.1109/CBI58679.2023.10187481]
19. Abedi S, Hamidi F, Sanaei MR. Designing a fuzzy artificial intelligence system for selecting health technology in the foresight process. Journal of Future Studies Management. 2022; [cited 2025 Jan 24]. [In Persian]. Available from: [DOI:10.30495/jmfr.2022.20262]
20. Aghajanian S, Tabaian SK, Radfar R, Seyed Hossieni SM. Conceptual framework of the capabilities of open innovation project managers. Innovation Management in Defensive Organizations. 2021;3(4):1-28. doi: 10.22034/qjimdo.2020.218255.1266
21. Derakhshan S, Dalvi MR, Dehghan M. Project portfolio management and information technology projects. Health Information Management. 2015;12(2):150-161. Available from: https://him.mui.ac.ir/article_11399.html?lang=en
22. Baigi M, Morténius H, Amir. Promoting the creation of R&D intentions in primary healthcare measured by a validated instrument. Health Research Policy and Systems. 2019;17:107. [DOI:10.1186/s12961-019-0513-3]
23. Mikhailova D. Quality management system for R&D project and portfolio management in pharmaceutical company. In: Schweizer L, Dingermann T, Russe O, Jansen C, editors. Advances in pharma business management and research. Cham: Springer; 2020. [DOI:10.1007/978-3-030-35918-8_3]
24. Terry RF, Yamey G, Miyazaki-Krause R. Funding global health product R&D: The Portfolio-To-Impact Model (P2I), a new tool for modelling the impact of different research portfolios. Gates Open Research. 2018;6:2-24. [DOI:10.12688/gatesopenres.12816.2]
25. Biranvand A, Samadbeik M, Khasseh A. Mapping of knowledge structure in the field of health information management and technology: a co-word analysis. Depiction Health. 2020;11(2):117-136. [DOI:10.34172/doh.2020.13]
26. Provost LP, Murray SK. The health care data guide: learning from data for improvement. Hoboken: John Wiley & Sons; 2022.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
