یک سیستم خبره برای ارزیابی عملکرد مالی ساختارهای مراقبت بهداشتی بر اساس مجموعه های فازی و KPIها

قیمت: 46,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

یک سیستم خبره برای ارزیابی عملکرد مالی ساختارهای مراقبت بهداشتی بر اساس مجموعه های فازی و KPIها

عنوان لاتین

An expert system for financial performance assessment of health care structures based on fuzzy sets and KPIs

علاقه به زمینه ارزیابی عملکرد ساختارهای مراقبت بهداشتی در دهه های اخیر افزایش یافته است. در واقع، امکان تعیین عملکرد کلی ساختارهای مراقبت بهداشتی نقشی کلیدی در بهینه سازی تخصیص منابع و برنامه-ریزی سرمایه گذاری دارد، زیرا این امر موجب کاهش عدم اطمینان عملکرد آینده می شود. در این راستا، ابزارهای شاخص عملکرد کلیدی (KPI) برای ارزیابی عملکرد ساختارهای مراقبت بهداشتی از دیدگاه های فرآیندی، سازمانی، هزینه ای، مالی، و خروجی توسعه داده شده اند. در عمل، این شاخص ها به صورت دوره ای محاسبه می شوند و تاثیر چندین KPI بر روی عملکرد کلی ساختارهای مراقبت بهداشتی بوسیله ی مدیریت از طریق قضاوت انسانی یا نرم افزاری که داشبوردهای مصنوعی را فراهم می سازد، تعیین می شود. با توجه به ماهیت غیرپایای خود، پیش بینی و ارزیابی عملکرد به طور کلی با استفاده از مدل های تطبیقی انجام می شوند، اما این روش ها نمی توانند ماهیت جامع خود عملکرد را بازتاب کنند یا نمی توانند تاثیر KPIها بر عملکرد کلی را در نظر بگیرند. به منظور غلبه بر این نواقص، این مطالعه سیستم خبره ای را ارائه می دهد که موتور آن بر مجموعه های فازی متکی است، که در آن همبستگی ها و روابط ورودی-خروجی از طریق قوانین استنتاج مبتنی بر روندهای سری زمانی مدل سازی شده است. تمرکز بر روی ارزیابی عملکرد مالی یک ساختار مراقبت بهداشتی مانند بیمارستان بوده است. رویکردی که استفاده شده است یک رویکرد بین رشته ای است، چرا که چندین شاخص به عنوان ورودی در نظر گرفته شدند که با KPIهای هزینه ای، فرآیندی و خروجی و تاثیر آنها بر معیار خروجی که از نوع مالی است (یعنی بازپرداخت کل)، ارتباط دارند. سپس معیار خروجی محاسبه شده توسط سیستم خبره، با معیار پیش بینی شده تنها با استفاده از مدل های پیش بینی انطباقی مقایسه شد و خطای آن نسبت به مقدار واقعی تعیین شد. نتایج نشان داد که میارهای تعیین شده توسط استنتاج فازی، که قادر هستند به شکلی موثر روابط ورودی-خروجی واقعی را مدل سازی کنند، بهتر از معیارهای مدل های تطبیقی هستند.

Interest in the field of performance assessment of health care structures has grown in recent decades. In fact, the possibility of determining overall performances of health care structures plays a key role in the optimization of resource allocation and investment planning, as it contributes to reducing the uncertainty of future performance. In this context, key performance indicator (KPI) tools have been developed to assess the performance of health care structures from process, organizational, cost, financial, and output points of view. In practice, they are periodically calculated, and the effect of several KPIs on the overall performance of health care structures is determined by management through human judgment or software that provides synthetic dashboards. Given their non-stationary nature, performance assessment and forecasting are generally tackled by employing adaptive models, but these approaches cannot reflect the holistic nature of performance itself, nor take into account the impact of KPIs on the overall performances. In order to overcome these shortcomings, this study presents an expert system whose engine relies on fuzzy sets, in which the input-output relations and correlations have been modeled through inference rules based on time-series trends. The focus is on the financial performance assessment of a health care structure, such as a hospital. The approach is of an interdisciplinary kind, as several indicators were taken as inputs that relate to output, process, and cost KPIs, and their impact on the output measure, which is of a financial kind (namely the total reimbursement). The output measure calculated by the expert system was then compared with that predicted using only adaptive forecasting models, and the error with respect to the actual value was determined. Results showed that measures determined by fuzzy inference, able to effectively model actual input-output relations, outperform those of adaptive models