تحلیل مدیریت ارتباط با مشتری بر روی بیماران سرپایی در یک بیمارستان بیماری های عفونی
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 2,271,020 عنصر داده از بیماران سرپایی در واحد تحقیقاتی بین آگوست 2009 و دسامبر 2019 برای به دست آوردن 171,107 عنصر دادۀ معتبر (1 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 80.39 % 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 2 دور تحلیل خوشه بندی K میانگین بر روی سه مدل RFM, RFM+ Drfm, dRFM ، 97,855 عنصر داده حفظ شدند. مدل RFM+ Drfm با دسته بندی بیماران به سه نوع مدل بهینه بود: بیماران پتانسیلی (24.2 %) که باید با یک هزینۀ دارویی و آخرین ویزیت در بیش از 19.06 ماه حفظ می شدند، بیماران با ارزش بالا (24.5 %) که با آخرین ویزیت در حدود 6.66 ماه گذشته باید جذب می شدند، و بیماران پایه (51.3 %) با آخرین ویزیت در حدود 3.7 ماه قبل که باید انتخاب می شدند. سپس، مدل با استفاده از الگوریتم درخت تصمیم C5.0 با یک نرخ صحت 99.97 % 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.
1. مقدمه
به گفتۀ سازمان بهداشت جهانی (WHO)، بیماری های عفونی یکی از 10 خطرات بهداشت جهانی است [1]. در چین، سه دستۀ بالاتر بیماری های عفونی B و A ، هپاتیت ویروسی (در اصل، هپاتیت ویروسی نوع B، VHB)، سل ریوی (PTB) و سفلیس از لحاظ نرخ شیوع، و ایدز، PTB و VHB از لحاظ ایجاد مرگ هستند [2]. این نشان دهندۀ شیوع بیماری های عفونی شدید در سراسر جهان است و باید با مشارکت همدیگر از شیوع آن جلوگیری کرد [9-3].
وجود 167 بیمارستان بیماری های عفونی در سال 2018، که شامل 165 بیمارستان دولتی است، نشان دهندۀ یک بخش مهم از سیستم بهداشت و درمان در چین است [2,3]؛ آنها بیماران با نوع خاصی از بیماری های عفونی را پذیرش و درمان می کنند و بیمارستان های رفاه عمومی را با یک غرامت دولتی محدود ارائه می دهند. با این حال، چون غرامت دولتی ناکافی بوده، توسعۀ بیمارستان در اصل، بر درآمد پزشکی متکی بوده که منجر به ارائۀ نسبت بالایی از داروها شده [4, 10-12]. علاوه بر این، برای بیماری هایی چون TB و ایدز که به درمان های دارویی کوتاه مدت و بلند مدت نیاز دارند، بیمارستان بیماری های عفونی، درمان با نقطۀ ثابت را با ارائۀ درمان رایگان چون درمان بیمارانی که مرتبا در بیمارستان های اختصاص یافته برای مصرف دارو معاینه می شوند، انجام می دهد [10-4].
6. نتیجه گیری
این مطالعه مدل خوشه بندی بهینه را برای تحلیل CRM بیمار با استفاده از مدل اصلاح شدۀ RFM (dRFM) برای دسته بندی بیماران یک بیمارستان عفونی در چین به سه دسته بر اساس هزینه دارویی و زمانی که آنها در طی ویزیت خود برای بیمارستان می گذرانند، مورد بررسی قرار می دهد. این می تواند به مدیریت بیمارستان و تصمیم گیری کمک کند و کیفیت خدمات پزشکی ارائه شده را افزایش دهد.
Abstract
Background Identifying the patient types with different economic values can be useful for hospital development.
Objective This work uses the theory of customer relationship management (CRM) to analyze the outpatients in the hospital for infectious diseases in Shanghai, China.
Methods A total of 2,271,020 data elements of outpatients in the research unit between August 2009 and December 2019 were extracted, analyzed and cleaned to obtain 171,107 valid data elements (1 element per person). The main diseases were viral hepatitis B (VHB) and acquired immunodeficiency syndrome (AIDS), and the average percentage of drug expenditure was 80.39 %.
We innovatively expanded the classic RFM (R: recency, F: frequency, M: monetary) model in CRM to the dRFM (d: percentage of drug expenditure) model. We selected the best clustering algorithm from the K-means, Kohonen and two-step clustering methods to find the optimal model to distinguish the types of patients with different economic values and the best decision-making algorithm from the C5.0, CART classification regression tree, CHAID and QUEST algorithms to verify the model.
Results After performing two rounds of K-means clustering analysis on three models: RFM, RFM + dRFM and dRFM, and 97,855 data elements were retained. The RFM + dRFM model was the optimal model, clustering the patients into 3 types: potential patients (24.2 %) to be retained, with a high drug expenditure and the last visit in more than 19.06 months, high-value patients (24.5 %) to be attracted, with the last visit in about 6.66 months; basal patients (51.3 %) to be kept, with the last visit in about 3.7 months. The model was then verified using the C5.0 decision tree algorithm with an accuracy rate of 99.97 %.
Conclusion This objective CRM analysis of the patients in the hospital for infectious diseases using the dRFM model accurately identified different types of patients, providing an objective and effective basis for hospital management.
1. Introduction
According to the World Health Organization (WHO), infectious diseases are one of the top 10 global health threats [1]. In China, the top three category A and B infectious diseases are viral hepatitis (mainly viral hepatitis type B, VHB), pulmonary tuberculosis (PTB) and syphilis in terms of the incidence rate, and AIDS, PTB and VHB in terms of the caused deaths [2]. These represent severe infectious diseases spreading around the world and should be jointly prevented [3–9].
With 167 hospitals in 2018, including 165 public ones, the hospitals for infectious diseases represent an important part of the healthcare system in China [2,3]; they accept and treat patients with a single type of infectious diseases and represent public welfare hospitals with a limited government compensation. For the public welfare hospitals, the revenue sources mainly included the government compensation and medical income. However, since the government compensation has been insufficient, the hospital development mainly relied on the medical income, which resulted in providing a high proportion of medicines [4,10–12].
6. Conclusion
This study investigated the optimal clustering model for the patient CRM analysis using the modified RFM (dRFM) model to classify the patients from a hospital of infectious diseases in China into three clusters based on the drug expenditure and the time they spend during their visit to the hospital. This could help with the hospital management and decision making and enhance the quality of the provided medical services.
(جهت بزرگ نمایی روی عکس کلیک نمایید)
چکیده
1. مقدمه
2. داده ها و روش ها
2.1 جمع آوری داده ها و پیش پردازش
2.2 تشکیل متغیرها و تحلیل آماری توصیفی
2.3 انتخاب مدل خوشه بندی بهینه
2.4. تأیید مدل
3. نتایج
3.1. تحلیل طیف بیماری
3.2. نتایج پیش پردازش داده ها
3.3. تحلیل آماری توصیفی
3.4. مدل بهینه
3.5. تأیید مدل
4. بحث
5. محدودیت ها و تحقیقات آینده
6. نتیجه گیری
منابع
ABSTRACT
1. Introduction
2. Data and methods
2.1. Data collection and preprocessing
2.2. Formation of variables and descriptive statistical analysis
2.3. Selecting the optimal clustering model
2.4. Validation of the model
3. Results
3.1. The disease spectrum analysis
3.2. Data preprocessing results
3.3. Descriptive statistical analysis
3.4. The optimal model
3.5. Model verification
4. Discussion
5. Limitations and future work
6. Conclusion
References
- اصل مقاله انگلیسی با فرمت ورد (word) با قابلیت ویرایش
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه