افزايش راندمان استفاده از تخت‌هاي بخش ccu بيمارستان با استفاده از بهينه‌سازي و تركيب الگوريتم‌هاي ژنتيك و رقابت استعماري

Increasing the Efficiency of Using CCU Beds of Hospitals through Optimization and Combination of Genetic Algorithm and Imperialist Competitive

بيمارستان ها به عنوان مهم ترين واحدهاي مصرف كننده منابع در بخش بهداشت و درمان از حساسيت زيادي در استفاده حداكثري از حداقل منابع موجود برخوردار هستند. نظر به اينكه در در دو دهه اخير استفاده از پردازش كامپيوتري داده ها جهت استخراج دانش و ارتقاء سطح بهره وري و استفاده از منابع مورد توجه بسياري از سازمان ها قرار گرفته است در اين مطالعه، بهينه سازي تخصيص تخت هاي بخش مراقبت هاي ويژه بيمارستان شهيد فقيهي شيراز با استفاده از بهينه سازي و تركيب الگوريتم هاي ژنتيك و رقابت استعماري هدف گذاري شد.روش: در اين مطالعه تحليلي ndash; مقطعي بيماران با استفاده از بهينه سازي و تركيب الگوريتم هاي ژنتيك و رقابت استعماري در سه ماهه اول سال 1395 پايش و به بخش مراقبت هاي ويژه تخصيص داده شدند بدين منظور از تعداد بيماران، تعداد تخت ها، پزشكان و علائم حياتي بيماران به عنوان ورودي و نحوه چينش بيماران و ميزان بهينه سازي تخصيص به عنوان خروجي براي بررسي و تخصيص استفاده شد. جهت بررسي داده ها از نرم افزار matlab نسخه 2012 استفاده گرديد.نتايج: نتايج حاصل از اين پژوهش نشان داد كه الگوريتم رقابت استعماري به منظور بهينه سازي تخصيص تخت هاي بخش مراقبت هاي ويژه قلبي نسبت به الگوريتم ژنتيك كارايي بيشتري دارد و همچنين الگوريتم تركيبي به دست آمده از آن دو الگوريتم، كارايي بهتري نسبت به الگوريتم رقابت استعماري داشت.نتيجه گيري: درروند پژوهش اولويت هاي بستري شدن بيماران و همچنين نحوه بستري شدن بيماران مشخص گرديد و پيشنهادهايي جهت تخصيص تخت ها به بيماران نيز ارائه گرديد.

Introduction: Hospitals as the most important consumer of resources in healthcare section are highly sensitive to maximum consumption of minimum existing resources. In the recent two decades, computer data processing to extract knowledge and improve utilization of resources has attracted the attention of organizations. In this study, allocation of CCU beds in Shahid Faghihi Hospital of Shiraz is investigated through optimizing and combining Genetic Algorithm (GA) and Imperialist Competitive Algorithm (ICA). Methods: In this analytic cross-sectional study, patients were monitored through optimization and combination of genetic algorithm and imperialist competitive and allocated to CCU beds in the spring of 2016. To this end, number of patients, number of beds, number of doctors and vital signs of patients were used as input and configuration of patients and allocation optimization were considered as output. MATLAB 2012 was used to analyze data. Results: Results of this study show that ICA is more efficient compared to GA in optimization of allocating CCU beds to patients. Moreover, the hybrid algorithm obtained from combination of ICA and GA is more efficient than ICA. Conclusion: In the process of this study, priorities of patients' hospitalization and also manner of hospitalization were determined and suggestions for allocation of beds to patients were presented.