دانلود ترجمه مقاله سیستم خبره برای ارزیابی عملکرد مالی ساختارهای مراقبت های بهداشتی (ساینس دایرکت – الزویر 2016) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

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

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

چکیده

1. مقدمه

2. مرور مقالات و هدف مطالعه

1.2. KPIها و ارزیابی عملکرد مراقبت بهداشتی

2.2. چارچوب های KPI بنیان ارزیابی عملکرد

3.2. سیستم های تخصصی به عنوان چارچوبی برای ارزیابی عملکرد KPI بنیان

4.2. مجموعه های فازی برای ارزیابی عملکرد

5.2. اهداف مطالعه

3. مواد و روش ها

1.3. سیستم تخصصی فازی برای ارزیابی عملکرد

4. مطالعه موردی: سیستم تخصصی فازی

1.4. مجموعه داده

2.4. سیستم فازی

3.4. پیش بینی

5. نتیجه گیری

چکیده

علاقه به زمینه ارزیابی عملکرد ساختارهای مراقبت بهداشتی در دهه های اخیر رشد قابل توجهی داشته است. در حقیقت احتمال تعیین عملکردهای کلی ساختارهای مراقبت بهداشتی نقش کلیدی در بهینه سازی تخصیص منابع و برنامه ریزی سرمایه گذاری دارد زیرا به کاهش عدم قطعیت عملکرد آینده کمک می کند. در این زمینه، ابزارهای شاخص کلیدی عملکرد (KPI) تهیه شدند تا عملکرد ساختارهای مراقبت بهداشتی از دیدگاه پروسه، سازمانی ، هزینه، مالی و خروجی ارزیابی شود. در عمل آن ها به صورت دوره ای محاسبه می شوند و اثر چندین KPI روی عملکرد کلی ساختار مراقبت بهداشتی توسط مدیریت از طریق قضاوت انسانی یا نرم افزار تعیین می شود که داشبوردهای ترکیبی ایجاد می کند. ارزیابی و پیش بینی عملکرد با توجه به ماهیت ناپایدار خود، معمولا با بکارگیری مدلهای انطباقی کنترل می شود اما این رویکردها نمی تواند ماهیت کل گرای خود عملکرد را منعکس کند یا اثر KPIها روی عملکردهای کلی را دربرگیرد. به منظور غلبه بر این کمبودها، این مطالعه سیستم تخصصی را ارائه می کند که موتور آن بر مجموعه های فازی تکیه دارد و در آن روابط ورودی-خروجی و همبستگی ها از طریق قوانین استنتاج براساس الگوهای سری زمانی مدل سازی شده اند. تمرکز بر ارزیابی عملکرد مالی ساختار مراقبت بهداشتی مثل بیمارستان است. این رویکرد از نوع چندعلمی است زیرا چندین شاخص به عنوان ورودی در نظر گرفته می شوند که به KPIهای خروجی، پروسه و هزینه و اثر آن ها روی سنجش خروجی ارتباط دارند و از نوع مالی می باشند (مثلا بازپرداخت کل). سنجش خروجی که توسط سیستم تخصصی سنجش می شود با آنچه تنها توسط مدل های پیش بینی انطباقی پیش گویی شده مقایسه گردیده و خطا با توجه به مقدار واقعی تعیین شد. نتایج نشان داد که سنجش ها انجام شده با استنتاج فازی توانایی مدل سازی کارآمد روابط واقعی ورودی-خروجی را داشته و از مدل های انطباقی بهتر عمل کردند.

5. نتیجه گیری

یابی عملکرد مراقبت های بهداشتی مبتنی بر KPI موضوعی است که مورد توجه است زیرا شامل در نظر گرفتن رفتار KPI ناپایدار و ماهیت کل نگر عملکردهای مراقبت بهداشتی است. در این مطالعه سیستم تخصصی ارزیابی عملکرد مالی طراحی شد که بر مجموعه های فازی به عنوان موتور استنتاج تکیه دارد. برخلاف سیستم های تصمیم گیری سنتی که معمولا برای تعیین مجموعه KPI با ترکیب کردن قضاوت های انسانی به کار می روند، رویکرد فازی اجازه می دهد اثر همزمانی که چندین KPI می توانند روی عملکردهای مراقبت بهداشتی داشته باشند تعیین شود و همچنین همبستگی بین متغیرهای ورودی و خروجی را نیز در نظر می گیرد. به منظور تست بازدهی روش پیشنهادی مقایسه هایی بین پیش بینی موتور استنتاج فازی و مدل های انطباقی سنتی صورت گرفت. نتایج نشان داد که رویکرد جامع، مثل آنچه پیشنهاد شد، برای حداقل سازی MAD و MAPE سنجش ها از روش های پیش بینی انطباقی پیشی می گرفت زیرا همبستگی بین متغیرها و اثر آن ها روی متغیر خروجی را در نظر می گیرد. روش پیشنهادی می تواند به اندازه کافی کلی در نظر گرفته شود زیرا متغیرهای جدید ورودی-خروجی می توانند به منظور انعکاس بهتر مشخصات واقعی سیستم افزوده شوند.

Abstract

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.

5. Conclusions

KPI-based health care performance assessment is a topic of relevant interest, as it involves considering non-stationary KPI behavior and the holistic nature of health care performances. In this study, an expert system for financial performance assessment was designed, relying on fuzzy sets as an inference engine. Unlike traditional decision-making systems, which are used to determine a KPI panel synthesized by human judgments, the fuzzy approach allows us to determine the simultaneous impact that several KPIs can have on health care performances, taking into account the correlation between input variables and the output variable. In order to test the effectiveness of the proposed methodology, a comparison between fuzzy inference engine forecasting and traditional adaptive models was made. The results showed that a comprehensive approach, such as that proposed, outperforms adaptive forecasting methods in minimizing MAD and MAPE of measures, as it takes into account the correlation between variables and their effect on the output variable. The methodology proposed can be considered sufficiently general, as new input–output variables can be added in order to better reflect the real system characteristics.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

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

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