TY - JOUR ID - 1337 TI - معرفی یک سیستم پیش‌بینی مناسب برای برآورد تقاضای درمان در بیمارستان امام رضا(ع) ارومیه JO - فصلنامه مطالعات اقتصادی کاربردی ایران JA - AES LA - fa SN - 2322-2530 AU - شهبازی, کیومرث AU - پیله ور سلطان احمدی, اکبر AD - دانشیار گروه اقتصاد دانشگاه ارومیه AD - کارشناس ارشد اقتصاد دانشگاه ارومیه Y1 - 2016 PY - 2016 VL - 4 IS - 16 SP - 205 EP - 232 KW - پیش‌بینی تقاضای درمان KW - بخش اورژانس KW - مدل اتورگرسیو میانگین متحرک KW - مدل شبکه‌های عصبی DO - N2 - بیمارستان­ها وظیفه حفظ سلامت افراد را بر عهده داشته و قسمت اعظم هزینه­های سلامت را به خود اختصاص می­دهند. شواهد حاکی از آن است که چشم­انداز وسیعی برای ارتقاء و اعتلای منابع بیمارستان­ها (مالی و انسانی) وجود دارد. آگاهی و اطلاع از مقدار تقاضای آینده، مدیریت بهینه این منابع و کیفیت خدمات‌رسانی در حوزه سلامت را تا حد زیادی تضمین می­نماید. هدف اصلی این مطالعه بررسی مدل­های خطی (ARIMA) و غیرخطی (شبکه عصبیMLP) در پیش­بینی تقاضای تعداد افراد بیمار جهت بستری در بیمارستان امام رضا (ع) ارومیه، در بازه­های زمانی ساعتی، روزانه، هفتگی و ماهانه و همچنین به تفکیک بخش­های مختلف بیمارستان است. نتایج این پژوهش بیانگر آن است که مدل غیرخطی شبکه­ی عصبی مصنوعی مبتنی بر الگوریتم MLP، دارای عملکرد بهتری در پیش­بینی تقاضای درمان (در دوره نمونه) بوده و قادر است پیش­بینی­های دقیق­تری نسبت به مدل ARIMA ارائه دهد. مدل شبکه عصبی MLP  با متوسط درصد خطای 96/24% نسبت به مدل ARIMA با متوسط درصد خطای کل 73/26% دارای قدرت پیش­بینی بالایی می­باشد. همچنین نتایج پیش­بینی­های بخش کودکان و نوزادان نشان می­دهد که مدل خطی ARMA دارای قدرت پیش­بینی بالاتری نسبت به مدل غیرخطی شبکه عصبی MLP می­باشد که دلیل این ناسازگاری با فرضیه­های تحقیق را می­توان در واریانس پایین داده­های این بخش جستجو کرد.  UR - https://aes.basu.ac.ir/article_1337.html L1 - https://aes.basu.ac.ir/article_1337_29fd6ad7afc84de11865cf2526d89385.pdf ER -