چهارشنبه 12 اردیبهشت 1403
| English
دوره 25، شماره 3 - ( پاییز 1402 )
جلد 25 شماره 3 صفحات 140-128 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Chelongar F, Setayeshi S. Designing an artificial intelligence model to evaluate justice in the health system during the COVID-19 pandemic. Advances in Cognitive Sciences 2023; 25 (3) :128-140
URL: http://icssjournal.ir/article-1-1601-fa.html
URL: http://icssjournal.ir/article-1-1601-fa.html
چلونگر فاطمه، ستایشی سعید. طراحی یک مدل هوشمند مصنوعی برای ارزیابی عدالت در نظام سلامت در زمان همه‌گیری ویروس کرونا. تازه های علوم شناختی. 1402; 25 (3) :128-140
فاطمه چلونگر* 
1، سعید ستایشی2
1، سعید ستایشی2
1- کارشناس ارشد، مدیریت فناوری اطلاعات، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران
2- استاد گروه مهندسی هسته‌ای، دانشکده فیزیک و مهندسی انرژی، دانشگاه صنعتی امیرکبیر، تهران، ایران
2- استاد گروه مهندسی هسته‌ای، دانشکده فیزیک و مهندسی انرژی، دانشگاه صنعتی امیرکبیر، تهران، ایران
چکیده: (689 مشاهده)
مقدمه: رعایت عدالت در نظام سلامت سبب شده که افراد یک جامعه به طور منصفانه از مراقبت‌های درمانی بهره‌مند شده و همین امر از افزایش بیماری و مرگ‌ومیر جلوگیری می‌کند. هدف از انجام این پژوهش طراحی مدل هوشمند سیستم سلامت مبتنی بر عدالت در نظام سلامت در دوران همه‌گیری ویروس کرونا بود.
روش کار: این پژوهش بر اساس هدف پژوهش، یک مطالعه کاربردی و بر اساس شیوه گردآوری داده‌ها از نوع توصیفی_تحلیلی بود. در این پژوهش ابتدا با مطالعه ادبیات پژوهش‌های پیشین و استفاده از نظر خبرگان، عوامل تاثیرگذار بر عدالت در نظام سلامت استخراج شد. سپس پرسشنامه‌ای طراحی گردید که داده‌های 109 نفر از بیماران مبتلا به ویروس کرونا که به مراکز درمانی شهر اصفهان مراجعه کرده بودند جمع‌آوری شد. سپس با استفاده از آمار استنباطی، اعتبار روایی و پایایی پرسشنامه تایید شده و داده‌های حاصل از پرسشنامه در مدل هوشمند مبتنی بر شبکه Hopfield به کار گرفته شده و وضعیت رعایت عدالت در نظام سلامت با استفاده از مدل فوق سنجیده شد. سپس دقت مدل با روش ماتریس درهم‌ریختگی ارزیابی شد.
یافته‌ها: نتایج پیش‌بینی شبکه عصبی Hopfield برای رکوردهای مختلف نشان می‌دهد که بیشترین میزان برچسب تخصیص داده شده توسط شبکه، مربوط به برچسب "نسبتا عادلانه" و "کمی عادلانه" است که در کل میزان رضایتمندی از عدالت در سطح مطلوبی قرار ندارد.
نتیجه‌گیری: با استفاده از بررسی نتایج این پژوهش وضعیت رعایت عدالت در دوران همه‌گیری ویروس کرونا با استفاده از مدل هوشمند بررسی شد و بر تاکید بیشتر بر پارامترهای رعایت عدالت در نظام سلامت اشاره دارد.
روش کار: این پژوهش بر اساس هدف پژوهش، یک مطالعه کاربردی و بر اساس شیوه گردآوری داده‌ها از نوع توصیفی_تحلیلی بود. در این پژوهش ابتدا با مطالعه ادبیات پژوهش‌های پیشین و استفاده از نظر خبرگان، عوامل تاثیرگذار بر عدالت در نظام سلامت استخراج شد. سپس پرسشنامه‌ای طراحی گردید که داده‌های 109 نفر از بیماران مبتلا به ویروس کرونا که به مراکز درمانی شهر اصفهان مراجعه کرده بودند جمع‌آوری شد. سپس با استفاده از آمار استنباطی، اعتبار روایی و پایایی پرسشنامه تایید شده و داده‌های حاصل از پرسشنامه در مدل هوشمند مبتنی بر شبکه Hopfield به کار گرفته شده و وضعیت رعایت عدالت در نظام سلامت با استفاده از مدل فوق سنجیده شد. سپس دقت مدل با روش ماتریس درهم‌ریختگی ارزیابی شد.
یافته‌ها: نتایج پیش‌بینی شبکه عصبی Hopfield برای رکوردهای مختلف نشان می‌دهد که بیشترین میزان برچسب تخصیص داده شده توسط شبکه، مربوط به برچسب "نسبتا عادلانه" و "کمی عادلانه" است که در کل میزان رضایتمندی از عدالت در سطح مطلوبی قرار ندارد.
نتیجه‌گیری: با استفاده از بررسی نتایج این پژوهش وضعیت رعایت عدالت در دوران همه‌گیری ویروس کرونا با استفاده از مدل هوشمند بررسی شد و بر تاکید بیشتر بر پارامترهای رعایت عدالت در نظام سلامت اشاره دارد.
نوع مطالعه: پژوهشي اصیل |
موضوع مقاله:
مدل سازی شناختی، پردازش سیگنال و تصویربرداری مغز
دریافت: 1402/4/21 | پذیرش: 1402/7/17 | انتشار: 1402/9/22
دریافت: 1402/4/21 | پذیرش: 1402/7/17 | انتشار: 1402/9/22
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
