ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > استخدام الشبكات العصبونية لحل...>الوصف

استخدام الشبكات العصبونية لحل مشاكل الانتظار: دراسة حالة قسم الإسعاف في مشفى جراحة القلب الجامعي بحلب

العنوان بلغة أخرى: Use of Neural Networks to Solve Waiting Problems: A Case Study of the Emergency Department at Aleppo University Cardiac Surgery Hospital
المصدر: مجلة بحوث جامعة حلب - سلسلة العلوم الاقتصادية
الناشر: جامعة حلب
المؤلف الرئيسي: حاووط، محمد سعد (مؤلف)
المؤلف الرئيسي (الإنجليزية): Hawout, Mohammed Saad
مؤلفين آخرين: نائب، إبراهيم (م. مشارك)
المجلد/العدد: ع39
محكمة: نعم
الدولة: سوريا
التاريخ الميلادي: 2020
الصفحات: 1 - 18
ISSN: 2227-9180
رقم MD: 1472746
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
النماذج الإحصائية | الشبكة العصبونية | الخدمات الصحية
كلمات المؤلف المفتاحية:
الشبكة العصبونية | أداة WEKA | نظرية صفوف الانتظار | Neural Network | WEKA Tool | Queue Theory
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: هدفت الدراسة إلى تطبيق الشبكات العصبونية ونظرية صفوف الانتظار لحل مشاكل طول زمن انتظار المرضى لتلقي العلاج في قسم الإسعاف، ولمعرفة تأثير طول فترة انتظارهم على جودة الخدمات الصحية المقدمة، ومن ثم التوصل إلى حلول عملية لمعالجة حالة ازدحام المشفى، لذلك تم اختيار نموذج لصفوف الانتظار ذي مرحلتين خدمة ومجموعة صفوف وتم تجميع البيانات الأولية المتمثلة بوقت الوصول، وقت الخدمة، عدد المخدمات (الأطباء) زمن الزبائن، حيث تم استخدم الشبكات العصبونية الاصطناعية Multi layer perceptron لتصنيف البيانات ونظرية صفوف الانتظار لبناء نموذج تنبؤي قادر على التنبؤ بالعدد الأمثل للمخدمات (الأطباء). توصلت الدراسة إلى ضرورة تفعيل دور المشفى بشكل أكبر وذلك بزيادة عدد الأطباء الاختصاصين والدراسات العليا لتلبية حاجات ورغبات المرضى.

The study aimed to implement neuronal networks and waiting Lin theory to solve the problems of the long time for patients waiting to receive treatment in the emergency department, and to know the effect of the long waiting period on the quality of the health services provided. The purpose is to reach practical solutions to address the crowding situation in the hospital. So, a model was chosen for the waiting lines with two service stages and a row set. The primary data, such as arrival time, service time, number of servers (doctors), and customers’ time were collected. Multi layer perceptron Networks were used for data classification and queuing theory was adopted to construct a predictive model capable of predicting the optimal number of servers (doctors). The study concluded that the role of the hospital should be further activated by increasing the number of specialists and graduate doctors to meet the needs and desires of the patients.
ISSN: 2227-9180

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.