دانلود ترجمه مقاله تحلیل مدیریت ارتباط با مشتری بر روی بیماران سرپایی در یک بیمارستان بیماری های عفونی (ساینس دایرکت – الزویر ۲۰۲۲) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

elsevier

 

 

این مقاله انگلیسی ISI در نشریه الزویر در ۸ صفحه در سال ۲۰۲۲ منتشر شده و ترجمه آن ۲۱ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

تحلیل مدیریت ارتباط با مشتری بر روی بیماران سرپایی در یک بیمارستان بیماری های عفونی در چین با استفاده از مدل تازگی- فراوانی- ارزش پولی نسبت دارویی

عنوان انگلیسی مقاله:

Customer relationship management analysis of outpatients in a Chinese infectious disease hospital using drug-proportion recency-frequency-monetary model

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf و ورد تایپ شده با قابلیت ویرایش
سال انتشار ۲۰۲۲
تعداد صفحات مقاله انگلیسی ۸ صفحه با فرمت pdf
نوع مقاله ISI
نوع نگارش مقاله پژوهشی (Research Article)
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مدیریت، پزشکی
گرایش های مرتبط با این مقاله مدیریت منابع انسانی، مدیریت پروژه، انفورماتیک پزشکی
چاپ شده در مجله (ژورنال) International Journal of Medical Informatics
کلمات کلیدی CRM، مدل dRFM، k- میانگین، بیمارستان های مربوط به بیماری های عفونی، انواع بیماران
کلمات کلیدی انگلیسی CRM – dRFM model – K-means – Hospitals for infectious diseases – Patient types
نمایه (index) scopus – master journals – JCR – MedLine
نویسندگان Min Li – Qunwei Wang – Yinzhong Shen – Tong YuZhu
شناسه شاپا یا ISSN ۱۳۸۶-۵۰۵۶
شناسه دیجیتال – doi https://doi.org/10.1016/j.ijmedinf.2020.104373
ایمپکت فاکتور(IF) مجله ۴٫۸۲۱ در سال ۲۰۲۰
شاخص H_index مجله ۱۰۶ در سال ۲۰۲۱
شاخص SJR مجله ۱٫۱۲۴ در سال ۲۰۲۰
شاخص Q یا Quartile (چارک) Q1 در سال ۲۰۲۰
بیس است 
مدل مفهومی ندارد
پرسشنامه دارد  
متغیر ندارد 
فرضیه ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۲۵۱۴
لینک مقاله در سایت مرجع لینک این مقاله در سایت Elsevier
نشریه الزویر – Elsevier

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۲۱ (۲ صفحه رفرنس انگلیسی) صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است 
ترجمه متون داخل تصاویر ترجمه شده است 
ترجمه متون داخل جداول ترجمه شده است 
ترجمه ضمیمه ندارد 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه تایپ شده است
منابع داخل متن به صورت عدد درج شده است
منابع انتهای متن به صورت انگلیسی درج شده است

 

فهرست مطالب

چکیده

۱٫ مقدمه

۲٫ داده ها و روش ها

۳٫ نتایج

۴٫ بحث

۵٫ محدودیت ها و تحقیقات آینده

۶٫ نتیجه گیری

منابع

 

بخشی از ترجمه

چکیده
زمینه: تشخیص انواع بیماران با ارزش های اقتصادی مختلف می تواند برای توسعۀ بیمارستان مفید باشد.
هدف: این تحقیق از تئوری مدیریت ارتباط با مشتری (CRM) جهت تحلیل بیماران سرپایی در بیمارستان بیماری های عفونی در شانگهای چین استفاده می کند.
روش ها: کلا ۲,۲۷۱,۰۲۰ عنصر داده از بیماران سرپایی در واحد تحقیقاتی بین آگوست ۲۰۰۹ و دسامبر ۲۰۱۹ برای به دست آوردن ۱۷۱,۱۰۷ عنصر دادۀ معتبر (۱ عنصر به ازای هر فرد) استخراج، تحلیل و شفاف سازی شد. بیماری های اصلی، بیماری ویروسی هپاتیت B (VHB) و سندرم نقص ایمنی اکتسابی (ایدز) بودند و درصد میانگین هزینۀ دارو ۸۰٫۳۹ % بود.
ما مدل RFM کلاسیک (R: تازگی، F: فراوانی، M: ارزش پولی) را در CRM به طور خلاقانه به مدل dRFM (d: هزینه های دارویی) توسعه دادیم و بهترین الگوریتم خوشه بندی را از روش های K میانگین، روش های کوهونن و خوشه بندی دو مرحله ای برای یافتن مدل بهینه جهت تشخیص انواع بیماران با ارزش های اقتصادی متفاوت و بهترین الگوریتم تصمیم گیری را از درخت رگرسیون دسته بندی C5.0, CART، الگوریتم های CHAID و QUEST برای تأیید مدل انتخاب کردیم.
نتایج: پس از اجرای ۲ دور تحلیل خوشه بندی K میانگین بر روی سه مدل RFM, RFM+ Drfm, dRFM ، ۹۷,۸۵۵ عنصر داده حفظ شدند. مدل RFM+ Drfm با دسته بندی بیماران به سه نوع مدل بهینه بود: بیماران پتانسیلی (۲۴٫۲ %) که باید با یک هزینۀ دارویی و آخرین ویزیت در بیش از ۱۹٫۰۶ ماه حفظ می شدند، بیماران با ارزش بالا (۲۴٫۵ %) که با آخرین ویزیت در حدود ۶٫۶۶ ماه گذشته باید جذب می شدند، و بیماران پایه (۵۱٫۳ %) با آخرین ویزیت در حدود ۳٫۷ ماه قبل که باید انتخاب می شدند. سپس، مدل با استفاده از الگوریتم درخت تصمیم C5.0 با یک نرخ صحت ۹۹٫۹۷ % تأیید شد.
جمع بندی: این تحلیل عینی CRM از بیماران در بیمارستان مربوط به بیماری های عفونی با استفاده از مدل dRFM با فراهم نمودن اساسی عینی و مؤثر برای مدیریت بیمارستان سه نوع مختلف بیماران را به طور صحیح تشخیص داده است.

 

داده ها و روش ها
جمع آوری داده ها و پیش پردازش
با استفاده از روش های مطالعات قبلی [۱۶-۱۸, ۲۱]، درکل ۲,۲۷۱,۰۲۰ عنصر داده از بیمارانی که بخش بیماران سرپایی را در واحد تحقیقات در بازۀ زمانی ۱ آگوست ۲۰۰۹ و ۳۱ دسامبر ۲۰۱۹ ویزیت کردند، از HIS استخراج شد. داده ها شامل فیلدهای زمانی ویزیت ها، شمارۀ شناسۀ بیمار، جنس، سن، محل سکونت (محلی یا میدانی)، تشخیص، هزینۀ درمانی و هزینۀ دارویی بود. ما از نمایش منسجم تشخیص بر اساس کد دسته بندی بین المللی بیماری ها (ICD- 10) معیارهای اصلی تشخیص که برای مشخصات گروه بیماری به کار رفت، استفاده کردیم [۲۱].در شانگهای، چین، درمان با نام واقعی خود اجرا می شود، و شمارۀ شناسه تنها زمینۀ مورد نیاز برای تشخیص هویت بیمار است. پکیج نرم افزاری ۲۲٫۰(SPSS) Statistical Product and Service Solutions و ۱۸٫۰SPSS Modeler برای تحلیل داده ها به کار رفت. ۱۸٫۰SPSS Modeler برای محاسبات به کار رفت و پارامترها را به عنوان خروجی به مدل داد.

 

سپس، توسعه و پاکسازی فیلد را بر اساس عناصر داده با استفاده از روش مطالعات قبلی [۱۶-۱۸, ۲۱] بر اساس مراحل زیر به کار گرفتیم: (۱) اضافه کردن فیلد «ماه مشاورۀ اخیر» و تشکیل یک متغیر جدید، با دسامبر ۲۰۱۹ به عنوان اولین ماه، نوامبر ۲۰۱۹ به عنوان دومین ماه و به همین ترتیب تا آگوست ۲۰۰۹ به عنوان ۱۲۵امین ماه؛ (۲) اضافه کردن ۳ فیلد: جمع بستن هزینه های پزشکی هر بیمار، هزینه های دارویی کلی و فراوانی ویزیت ها؛ (۳) اجرای ۳ متغیر جدید به صورت زیر [۲]:

میانگین هزینه پزشکی به ازای هر ویزیت= هزینۀ پزشکی کل/هزینۀ دارویی کل/فراوانی ویزیت ها/درصد هزینه دارویی (%)=(میانگین هزینه دارویی به ازای هر ویزیت/میانگین هزینه پزشکی به ازای هر ویزیت)×۱۰۰%
داده ها بررسی شد و موارد تکراری حذف شد. در نتیجه، یک مجموعه دادۀ مؤثر (یک عنصر داده برای هر فرد) به دست آمد.

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.