مهدی ابراهیمی؛ سید امیرحسین طیبی ابوالحسنی؛ مروارید رستمی
چکیده
مقدمه: با توجه به این که گردشگری پزشکی امروزه به یک صنعت تبدیل شده است، شناخت هرچه بهتر بازار این حوزه میتواند حایز اهمیت باشد. یکی از راههای شناخت بازار و مخاطبان آن، خوشهبندی آنها و شناخت ویژگیهای هر خوشه است. مطالعه حاضر با هدف تعیین و تحلیل متغیرهای جمعیتشناختی، جغرافیایی و رفتاری در درون خوشههای بازار گردشگری پزشکی ...
بیشتر
مقدمه: با توجه به این که گردشگری پزشکی امروزه به یک صنعت تبدیل شده است، شناخت هرچه بهتر بازار این حوزه میتواند حایز اهمیت باشد. یکی از راههای شناخت بازار و مخاطبان آن، خوشهبندی آنها و شناخت ویژگیهای هر خوشه است. مطالعه حاضر با هدف تعیین و تحلیل متغیرهای جمعیتشناختی، جغرافیایی و رفتاری در درون خوشههای بازار گردشگری پزشکی انجام شد.روش بررسی: این پژوهش از نوع توصیفی- پیمایشی بود و دادهها با استفاده از ابزار پرسشنامه جمعآوری شد. بدین منظور، 151 پرسشنامه به صورت نمونهگیری خوشهای یک مرحلهای، توسط بیماران خارجی بیمارستانهای منتخب شهر تهران تکمیل گردید. دادههای به دست آمده پرسشنامهها با استفاده از آزمون K-means و ضریب همبستگی χ2 در نرمافزار SPSS مورد تجزیه و تحلیل قرار گرفت.یافتهها: چهار خوشه متفاوت اول، دوم، سوم و چهارم شناسایی شد که تفاوتهای معنیداری از لحاظ متغیرهای مورد بررسی با یکدیگر داشتند. به عبارت دیگر، جنسیت، سن، تحصیلات و درامد به عنوان متغیرهای جمیتشناختی و کشور مبدأ گردشگران نیز به عنوان متغیر جغرافیایی در نظر گرفته شد. متغیرهای رفتاری شامل تعداد دفعات سفر، مدت زمان اقامت در ایران، نوع خدمت درمانی دریافت شده، منبع اصلی اطلاعات برای سفر به ایران، شیوه تنظیم درمان، انجام فعالیت جانبی و نوع آن بود. تفاوت معنیداری در اغلب متغیرهای رفتاری میان خوشههای متفاوت مشاهده شد.نتیجهگیری: توجه به تفاوت خوشهها باید مد نظر سیاستگذاران و فعالان این حوزه قرار گیرد. ارایه برنامه منظم و مدون جهت شناخت و برنامهریزی مناسب برای گردشگران پزشکی عراقی حایز اهمیت است. همچنین، مدیران حوزه گردشگری پزشکی میتوانند با ارایه برنامههای جانبی و همکاری بیمارستانها و آژانسها، هرچه بیشتر از این بازار بالقوه استفاده نمایند.
سید حسین حسینینسب؛ فاطمه مکیزاده؛ ابراهیم زالزاده؛ افسانه حاضری
دوره 13، شماره 5 ، دی 1395، ، صفحه 347-353
چکیده
مقدمه: با توجه به شیوع بالای افسردگی و بار قابل توجهی که این بیماری به فرد، نظام سلامت و جامعه تحمیل میکند، انجام مطالعات گسترده برای اتخاذ روشهای مناسب پیشگیری و درمان و مدیریت این بیماری، ضروری به نظر میرسد. به منظور کمک به انجام پژوهشهای مفید و مورد نیاز در این حوزه، مطالعه حاضر با هدف تعیین ساختار موضوعی مقالات مرتبط با درمان ...
بیشتر
مقدمه: با توجه به شیوع بالای افسردگی و بار قابل توجهی که این بیماری به فرد، نظام سلامت و جامعه تحمیل میکند، انجام مطالعات گسترده برای اتخاذ روشهای مناسب پیشگیری و درمان و مدیریت این بیماری، ضروری به نظر میرسد. به منظور کمک به انجام پژوهشهای مفید و مورد نیاز در این حوزه، مطالعه حاضر با هدف تعیین ساختار موضوعی مقالات مرتبط با درمان افسردگی انجام شد.روش بررسی: این پژوهش از نوع مطالعات کاربردی با رویکرد علمسنجی بود که با استفاده از روش تحلیل همرخدادی واژگان و خوشهبندی انجام گردید. توصیفگرهای مقالات مرتبط، با جستجوی عبارت «Depression» در سرعنوان موضوعی MeSH و با تقسیم فرعی «Therapy» از پایگاه PubMed در تاریخ 30/1/1394، در بازه زمانی سالهای 2005 تا 2014 استخراج شد. دادهها در نرمافزارهای Excel و SPSS مورد تجزیه و تحلیل قرار گرفت.یافتهها: رشد تولیدات علمی در حوزه درمان افسردگی طی سالهای مختلف، به صورت متوازن اتفاق افتاده بود. با تفکیک بازه زمانی پژوهش به دو دوره پنج ساله، 12خوشه با 34 توصیفگر مشترک یکسان به دست آمد و مشخص گردید که موضوعات «روانشناسی، دارو درمانی و پایبندی به درمان»، زمینه اصلی (رانت) موضوعات میباشند.نتیجهگیری: نتایج بر اساس شاخص دربردارندگی نشان داد که تنها 20 درصد از زمینههای موضوعی دوره دوم جدید هستند. از این امر میتوان نتیجه گرفت که زمینههایی که در سالهای قبل با هم در نظر گرفته میشدند، ممکن است در ادامه پژوهشها در سالهای بعدی در کنار دیگر حوزههای متفاوت قرار بگیرند و یا حذف شوند.
مریم عاشوری؛ وجیهه ناجی مقدم؛ سمیه علیزاده؛ مهسا صفی
دوره 10، شماره 5 ، دی 1392، ، صفحه 739-749
چکیده
مقدمه: امروزه با شیوع بیماری دیابت پیشبینی تعداد قرص مصرفی Glibenclamid و Metformin روزانه برای بیماران به پزشکان در جهت تشخیص تعداد قرص مصرفی بیمار و همچنین مهار عوارض شدید و خطرناک مصرف بیش از حد دارو کمک مینماید، زیرا میزان نیاز بیماران دیابتی به دارو دارای اهمیت بسیار میباشد. از اینرو در پژوهش حاضر بهمنظور پیشبینی تعداد قرص مصرفی ...
بیشتر
مقدمه: امروزه با شیوع بیماری دیابت پیشبینی تعداد قرص مصرفی Glibenclamid و Metformin روزانه برای بیماران به پزشکان در جهت تشخیص تعداد قرص مصرفی بیمار و همچنین مهار عوارض شدید و خطرناک مصرف بیش از حد دارو کمک مینماید، زیرا میزان نیاز بیماران دیابتی به دارو دارای اهمیت بسیار میباشد. از اینرو در پژوهش حاضر بهمنظور پیشبینی تعداد قرص مصرفی روزانهی بیماران دیابتی، از تکنیکهای دادهکاوی استفاده شد. در پایان الگوریتمی که نتیجهی بهتری در فرآیند ارزیابی بدست میدهد، با توجه به مجموعه دادههای تحت بررسی، انتخاب میشود. روش بررسی: مطالعهی حاضر به روش توصیفی- مقطعی صورت گرفت. نمونهگیری به روش سرشماری بود و تمامی بیماران (2783 بیمار) را در فاصلهی زمانی فروردین 87 تا خرداد 91 در برگرفت. جامعهی پژوهش متشکل از دادههای مرکز تحقیقات دیابت یزد وابسته به دانشگاه علوم پزشکی شهید صدوقی یزد بود و محتوای رکوردها مورد تایید مسؤولین مرکز دیابت قرار گرفت. در مرحلهی پیش پردازش دادهها، با نظر افراد خبره در مراکز تحقیقاتی رکوردهایی که مقادیر برخی فیلدهای آنها خالی بود، حذف شد و تعداد بیماران تحت بررسی به 740 مورد رسید. این یافتهها با مراجعهی مستقیم پژوهشگر به مرکز تحقیقات دیابت یزد حاصل شده و روایی روش جمعآوری اطلاعات توسط استاد راهنما و متخصصین امر مورد تایید قرار گرفت. با سنجش صحت مجموعه دادههای آزمون، میزان پایایی دو الگوریتم مورد استفاده نیز مقایسه شد. در این مطالعه جهت تحلیل دادهها و اجرای الگوریتمهای دادهکاوی از نرمافزار Clementine 12.0 استفاده شد. دو الگوریتم متفاوت از الگوریتمهای استنتاج قانون به نامهای C5.0 و CHAID روی دادهها اعمال گردید و سپس صحت مدلهای تولید شده بدست آمد. در نهایت برای تایید صحت مدلهای تولید شده از خوشهبندی استفاده گردید. یافتهها: مقادیر بهدست آمده برای صحت مدلهای ایجاد شده از اجرای الگوریتمهای C5.0 و CHAID روی مجموعه دادههای تحت بررسی 52/45 و 38/28 درصد بود. صحت بالای مدل C5.0 عملکرد بهتر این الگوریتم برای پیشبینی تعداد قرص مصرفی را نشان داد. از طرفی پایین بودن مقدار صحت این مدل نشاندهندهی این بود که برخی مقادیر بهطور صحیح در جای خود دستهبندی نشدهاند. بنابراین مقایسهی مقادیر واقعی و مقادیر پیشبینی شده برای تعداد قرص مصرفی در تولید مدل میتواند بیانگر علل کاهش صحت هر مدل باشد. علت کاهش صحت مدل به مقادیر پیشبینی شدهای وابسته بود که در مقایسه با مقادیر واقعی صحت و ضریب اطمینان پایینی دارند. خوشهبندی نتایج بدست آمده از اجرای الگوریتم C5.0 تعداد قرص مصرفی 3، 5، 6 و 7 با صحت مقدار پیشبینی شدهی به ترتیب 83/46، 36/36، 71/55 و 15 درصد را در یک خوشه قرار داد، زیرا نمونه دادههایی که دارای صحت پایینی در پیشبینی تعداد قرص مصرفی بود و یا تعداد نمونه دادهی کمی داشت، در یک خوشه قرار گرفتند. همچنین خوشهبندی نتایج اجرای الگوریتم CHAID نیز تعداد قرص مصرفی 5 با صحت مقدار پیشبینی شدهی 93/20 را در یک خوشه قرار داد. نتیجهگیری: این مقاله حاصل پروژهی تحقیقاتی گروه دادهکاوی دانشگاه خواجه نصیر بود که در نهایت در قالب فعالیت گروهی تکمیل و بهصورت پژوهش حاضر درآمد. در مراکز تحقیقات دیابت وجود رویکرد سازماندهی شده جهت پیشبینی تعداد قرص مصرفی بیمار بهمنظور کمک به پزشک برای افزایش صحت تشخیص و جلوگیری ازعوارض جانبی ناشی از تشخیص نادرست در تعداد قرص خوراکی ضروری است. با توجه به لزوم استفاده از فنآوریهای رایانهای، اینترنت و نرمافزارهای تحلیلی و بهمنظور مهار اثرات خطرناک بیماری، بهتر است اقدامات لازم جهت ابداع رویکردهای پیشنهادی با مشاورهی متخصصان مربوط انجام شود. واژههای کلیدی: دیابت؛ درخت تصمیم؛ دستهبندی؛ خوشهبندی؛ شاخص Dunn
