عنوان پایان‌نامه
مدل سازی ارتباط بین بیمار و پزشک با استفاده از یادگیری ماشین
- رشته تحصیلی
- مهندسی فناوری اطلاعات پزشکی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 61200;کتابخانه دانشکده علوم و فنون نوین شماره ثبت: 28
- تاریخ دفاع
- ۱۴ بهمن ۱۳۹۲
- دانشجو
- مجتبی شادمهر
- استاد راهنما
- زینب الهدی حشمتی رفسنجانی, فاطمه ثقفی
- چکیده
- سلامت یکی از مهم‌ترین اهداف و دغدغه‌های بشر در هر عصری محسوب می‌شود. نظام‌های سلامت در دنیا برنامه‌ریزی‌های کلان این حوزه را جزو اولویت‌های اول خود قرار می‌دهند و بر پاسخ‌گویی پزشکان و رضایت مردم تاکید دارند. در کشور ما به بخش سلامت، از بُعد آموزش پزشکی و حمایت از پزشکان و پرسنل بیمارستان توجه شده است و لازم است به منطقی‌سازی هزینه‌های درمان از یک سو و رضایت بیمار از خدمات دریافتی از سوی دیگر توجه شود. سوال اصلی در این تحقیق، این است که بدانیم چه چیزی در ارتباط بین پزشک و بیمار، باعث رضایت از خدمات سلامت می‌شود. در این حوزه ادبیات موجود در مورد عوامل موثر بر ارتباط بین بیمار و پزشک مرور شدند و از آنجا که این ارتباط از نوع خدمت است، ارزیابی کیفیت خدمات سروکوال نیز به عنوان یک چارچوب شناخته شد، ولی سوالات آن، با تکیه بر مرور منابع علمی و نظر خبرگان حوزه، بازنگری شد و پرسش‌نامه‌ای برای حوزه سلامت طراحی گردید. به منظور کسب نظر بیماران جامعه هدف، افرادی که عمل جراحی زیبایی بینی در تهران انجام دادند، انتخاب شدند، چرا که رضایت‌مندی از پزشک برای این دسته از افراد، بسیار حائز اهمیت است. از طرفی این افراد در سلامت کامل، توان پاسخ‌گویی به سوالات را دارند. پس از فرایند توزیع پرسش‌نامه‌ها، تعداد 477 پرسش‌نامه جمع‌آوری شد که 396 تعداد آن برای تحلیل، قابل استفاده بودند. در این مرحله، از سه روش درخت تصمیم، ماشین بردار پشتیبان و شبکه‌های عصبی که تعدادی از عوامل موثر بر موفقیت ارتباط بین بیمار و پزشک به عنوان ورودی آنها و اعتماد و رضایت‌مندی به عنوان خروجی آنها بودند، استفاده شد. نتایج سه روش درخت تصمیم، ماشین بردار پشتیبان و شبکه‌های عصبی به دست آمد و کاراترین آنها، شبکه عصبی بود که برای تعیین اولویت اهمیت عوامل موثر در این ارتباط مورد استفاده قرار گرفت. نتایج حاکی از آن است که مهم‌ترین ویژگی در اعتماد بیماران به پزشک، صحبت کردن پزشک به زبان عامیانه و عدم کاربرد اصطلاحات پیچیده و تخصصی است. موثرترین ویژگی در رضایت‌مندی بیمار از پزشک، اطلاعاتی است که بیمار انتظار دارد پزشک در اختیارش قرار دهد. همچنین مهم‌ترین عواملی که سبب شده‌اند بیمار، پزشک خود را به دیگران توصیه کند، صحبت کردن پزشک با لحن صمیمانه، عدم وجود عوارض بعد از جراحی و نیز شهرت و خوش‌نامی پزشک بوده است. نتایج نشان می‌دهد مهم‌ترین خواسته زنان این است که پزشک به تمام سوالاتی که برای آنها مطرح است، پاسخ دهد که در این صورت رضایت زنان جلب می‌گردد. همچنین اطمینان دادن پزشک در مورد فرم ظاهری بینی، برای زنان مهم‌تر از مردان است. به نظر می‌رسد مهارت پزشک در عمل زیبایی بینی، اهمیت یکسانی برای زنان و مردان دارد. همچنین به نظر می‌رسد عدم وجود عوارض پس از جراحی بینی برای مردان مهم‌تر از زنان است. برای اعتبارسنجی این تحقیق، ابتدا سه روش درخت تصمیم، ماشین بردار پشتیبان و شبکه‌های عصبی را بر روی یک مجموعه داده اعمال کردیم. کارایی مدل‌ها با معیار صحت به دست آمد که بیشتر آنها بین 70 تا 90 درصد بودند. همچنین ترتیب ویژگی‌های به دست آمده با شبکه عصبی به عنوان کاراترین روش را یک بار با میزان اهمیتی که پاسخ‌دهندگان به سوالات دادند و بار دیگر با نتایج مطالعات در حوزه‌های مشابه مقایسه کردیم که این نتایج نسبتا مشابه بوده و یکدیگر را تایید می‌کردند. نتایج این تحقیق می‌تواند در انتخاب بهینه پزشکان برای استخدام در مراکز درمانی خصوصی و دولتی و تعیین این شاخص‌ها برای اندازه‌گیری عملکرد پزشکان مورد استفاده قرار گیرد. همچنین می‌تواند به عنوان یک الگو راهنمایی برای پزشکان باشد تا رفتار خود را برای جلب رضایت و اعتماد بیماران اصلاح کنند. واژه‌های کلیدی: ارتباط بیمار و پزشک، اعتماد، رضایت‌مندی، یادگیری ماشین، شبکه عصبی.
- Abstract
- Health has always been one of the most important concerns of human beings in any day and age. Macro planning in this field has always been at the top of the agenda for healthcare organizations around the world, with emphasis on accountability of physicians and the satisfaction of patients. In our country, a lot of attention has been paid to healthcare services for medical education and in support of physicians and other healthcare service providers. However it is necessary for policy-makers to also pay attention to lowering healthcare costs as well as patient satisfaction of services received. The main question in this research is to know what factors cause and affect patient satisfaction in the relationship between a physician and patient. Previous literature in this field has been extensively reviewed and reported in this thesis. Since this relationship is a form of healthcare service, the SERVQUAL service quality assessment method has been used as a framework. However the questions have been reviewed based on the previous literature and the experts’ views, leading to a questionnaire designed for the healthcare domain. Data collection has been performed using the questionnaires on subjects selected amongst clients of Rhinoplasty Centers in Tehran. This is because patient satisfaction in such surgical operations is of high importance. Also, these patients are in complete health conditions and are able to fully answer the questions, i.e. no pain and suffering due to their condition is seen. A total of 477 questionnaires have been collected of which 396 were usable in the analysis. To analyze the data, three machine-learning approaches have been implemented namely Decision Tree, Support Vector Machine and Artificial Neural Networks. A number of possible factors affecting the patient-physician relationship have been used as input and patient satisfaction and trust has been taken as output. Comparing the results of these three methods, Artificial Neural Networks method is shown to have better performance, which has therefore been used for prioritizing the effective factors in this relationship. The results indicate that the most important characteristic of patient trust in physician is to converse with patients uncomplicated and avoid medical terminology. Reaching the information which the patient expects their physician to give is the most effective characteristic in patient satisfaction. Also, being on intimate terms with them, surgery with no complications and the reputation of the physician are the most important factors that encourage patients to recommend their physician to others. The results show that the most important factor for female patients is for the physician to answer all their questions about the surgery, in order for them to be satisfied. Also, giving them assurance about the physical look of the nose is more important in women than men. It is seen that the physician’s skill and dexterity in the surgery is of equal importance to male and female patients. Furthermore, lack of after surgery symptoms is of higher importance for men than women. In order to evaluate the results of this research, initially the three machine learning techniques have been applied to one set of data. The performance of each method was compared based on their accuracy, most of which were between 70 and 90 percent. Also, the features ranked based on the ANN method (chosen as the most accurate), were compared with the importance questions, which the interviewees replied to, as well as with other similar research. The outcome was very similar and approved the results. The outcome of this research can be applied to determine performance evaluation criteria of recruiting physicians across governmental and non-governmental healthcare service delivery medium. It can also be used to make efficient decisions in healthcare policies as well as by physicians in revising their treatment behaviors and practices to increase their patient satisfaction rates. Keywords: patient-physician relationship, trust, satisfaction, machine learning, artificial neural networks.
