fa شناسایی عوامل مرتبط با طول مدت اقامت بیمارستانی با استفاده از درخت تصمیم پژوهشي Research <b>مقدمه:</b>یکی از عوامل اصلی هزینه‌های بیمارستانی طول مدت اقامت می باشد که باعث محدودیت منابع در بیمارستان می گردد. شناسایی عوامل مرتبط با این شاخص جهت بهره بردای بهینه از منابع و کاهش مدت اقامت ، می تواند مفید باشد. مطالعه حاضر با هدف بررسی عوامل مرتبط با طول مدت اقامت با استفاده از اعمال درخت تصمیم بر روی داده های پذیرش بیمارستان انجام شد. <b> <br>روش کار:</b>این مطالعه از نوع توصیفی گذشته نگر است. نمونه های مورد مطالعه از 188068 پرونده ی کامپیوتری بیماران بستری در تمام بخش های بیمارستان قائم(عج) مشهد شامل 16 متغیر و در بازهی زمانی ابتدای سال 1388 تا انتهای سال 1392 خورشیدی استخراج شد. پس از پاکسازی داده ها، جهت تعیین عوامل مرتبط با طول مدت اقامت، از تحلیل تک متغیره شامل تست های آماری کای دو و تحلیل واریانسیک طرفه و همچنین الگوریتم درخت تصمیم CHAIDدر نرم افزار SPSS نسخه 19 استفاده گردید. <b><br>یافته ها:</b>میانگین مدت اقامت در بیمارستان مورد مطالعه 5/6 با میانه چهار روز بوده است. از بین 15 متغیر مستقل وارد شده به درخت تصمیم، 11 متغیر شامل بخش بستری، سن، دلیل مراجعه، پزشک معالج، نحوه مراجعه، شغل، وضعیت تأهل، نوع محل زندگی، داشتن همراه، روز پذیرش در هفته، و نوع بیمه، به عنوان عوامل مرتبط با LOS شناخته شدند. <br><b> نتیجه گیری:</b>نتایج تکنیک های داده کاوی می تواند بر اساس داده های ورودی متفاوت باشد، لذا جهت آگاهی از عوامل مرتبط با طول مدت اقامت لازم است داده های مربوط به هر بیمارستان به طور جداگانه وارد مدل شده و از نتایج بهدست آمده، در همان بیمارستان استفاده شود. <b>Introduction:</b> One of the main factors of hospital costs resulting in hospital resources constraints is Length of Stay (LOS). Recognizing factors associated with this index can result in optimized utilization of resources and reducing LOS. The present study has been conducted with the aim of investigating LOS-related factors using decision tree applied on hospital admission data.  <br><b> Methods:</b> In this descriptive-retrospective study, 188068 patient data were extracted from computerized patient records including 16 variables in all wards in Ghaem Hospital in Mashhad, Iran, during 2009-2014. After data cleaning, in order to determine the factors associated with LOS, statistical procedures including univariate analysis, chi-Square statistical test, one-way ANOVA, and CHAID algorithm were applied on our data using SPSS Statistical Software version 19.  <b><br>Results:</b> The mean and median of LOS in Ghaem hospital were 6. 5 and 4 days, respectively. Out of 15 independent variables entered the model, 11 variables including the ward, the patient’s age, the admission reason, the doctor, the referral status, the patient’s job, the marital status, the status of the residential place, the caregiver(s), admission day of the week, and the insurance type were associated with LOS. <b>Conclusion:</b> The results of data mining techniques can be different based on the input data. Therefore, to identify the factors related to LOS, it is necessary to enter the related data of individual hospitals into the model and to use the obtained results at the same hospital. <br> طول مدت اقامت , عوامل مرتبط, داده کاوی, درخت تصمیم Length of Stay, Associated Factors, Data Mining, Decision Tree 57 68 http://jha.iums.ac.ir/browse.php?a_code=A-10-1073-3&slc_lang=fa&sid=1 H Karim حسام کریم Karim.hesam@gmail.com 11200319475328460013989 11200319475328460013989 Yes Mashad University of medical Sciences دانشگاه علوم پزشکی مشهد K Etminani کبری اطمینانی etminanik@mums.ac.ir 11200319475328460013990 11200319475328460013990 No Mashad University of medical Sciences دانشگاه علوم پزشکی مشهد M Tara سید محمود تارا taram@mums.ac.ir 11200319475328460013991 11200319475328460013991 No Mashad University of medical Sciences دانشگاه علوم پزشکی مشهد M Mardani مرضیه مردانی mardanimarziyeh@yahoo.com 11200319475328460013992 11200319475328460013992 No Shohadaye Dehaghan Hospital, Isfahan بیمارستان شهدای دهاقان، اصفهان