FORECASTING PATIENT LENGTH OF STAY IN AN EMERGENCY
DEPARTMENT BY ARTIFICIAL NEURAL NETWORKS
Journal Name:
- Havacılık ve Uzay Teknolojileri Dergisi
Keywords (Original Language):
| Author Name | University of Author | Faculty of Author |
|---|---|---|
Abstract (2. Language):
Emergency departments (EDs) have faced with high patient demand during peak hours in comparison to the
other departments of hospitals because of their complexity and uncertainty. Therefore prolonged waiting times
in EDs have caused the dissatisfaction on patients. Patient length of stay (LOS), also known as patient
throughput time, is generally considered to be the length of time that passes from the patient’s time of arrival at
the ED until time of discharge or transfer to another department of the hospital. Starting from patient
admissions to the EDs it becomes important have to be known the overall LOS in terms of right resource
allocation and efficient utilization of the department. For this purpose this paper aims to forecast patient LOS
using Artificial Neural Network (ANN) within the input factors that are predictive such as patient age, sex, mode
of arrival, treatment unit, medical tests and inspection in the ED. The method can be used to provide insights to
ED medical staff (doctors, nurses etc.) determining patient LOS.
Bookmark/Search this post with
Abstract (Original Language):
Acil servisler hastanelerin diğer birimlerine göre karmaşıklık ve belirsizliğin fazla olduğu birimler
olduklarından, yoğun saatlerde yüksek hasta talebi ile karşılaşmaktadırlar. Bundan dolayı, acil servis içerisinde
uzayan bekleme süreleri hastalar üzerinde memnuniyetsizliğe yol açmaktadır. Hasta kalış uzunluğu, diğer bir
deyişle hastanın geçirdiği toplam süre, genellikle hastanın acil servise gelişinden taburcu edilmesi ya da
hastanenin diğer bir birimine sevk edilmesine kadar geçen sürenin uzunluğu olarak değerlendirilmektedir.
Hastanın acil servise kabulünden başlanılarak, toplam kalış uzunluğunun bilinmesi doğru kaynak tahsisi ve
birimin etkin kullanımı açısından önemli hale gelmektedir. Bu amaçla bu çalışma, hasta yaşı, cinsiyet, varış
türü, muayene ünitesi, acil serviste uygulanan tıbbi testler ve muayene gibi belirleyici olan girdilerle birlikte
Yapay Sinir Ağları (YSA) kullanılarak hasta kalış uzunluğunu tahmin etmeyi amaçlamaktadır. Metot, acil servis
tıbbi personeline (doktorlar, hemşireler vb.) hasta kalış uzunluğunun belirlenmesi için fikir vermede
kullanılabilmektedir.
FULL TEXT (PDF):
- 2