دوره 22، شماره 4 - ( 11-1402 )                   جلد 22 شماره 4 صفحات 421-407 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Shahraki M, Esmaeili H. Identifying and Ranking the Risks of Using Artificial Intelligence Systems in Hospital Waste Management Using a Multi-Criteria Decision-Making Approach A Case Study of Hospitals Affiliated with Zahedan University of Medical Sciences. jhosp 2024; 22 (4) :407-421
URL: http://jhosp.tums.ac.ir/article-1-6658-fa.html
شهرکی محمدرضا، اسماعیلی حمیدرضا. شناسایی و رتبه‌بندی ریسک‌های استفاده از سیستم‌های هوش مصنوعی در مدیریت پسماندهای بیمارستانی با استفاده از رویکرد تصمیم‌گیری چند شاخصه (مطالعه موردی: بیمارستان‌های دانشگاه علوم پزشکی زاهدان). بیمارستان. 1402; 22 (4) :407-421

URL: http://jhosp.tums.ac.ir/article-1-6658-fa.html


1- دانشیار، گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه سیستان و بلوچستان، زاهدان، ایران. * نویسنده مسئول مقاله: mr.shahraki@eng.usb.ac.ir
2- دانشجوی کارشناسی ارشد، گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه سیستان و بلوچستان، زاهدان، ایران.
چکیده:   (148 مشاهده)
زمینه و هدف: یکی از کاربردهای اصلی هوش مصنوعی در حوزه مدیریت بهینه پسماندهای بیمارستانی است که به پیش‌‎بینی حجم و نوع پسماندها می‌‎پردازد. هدف این مطالعه، شناسایی و رتبه‌‎بندی ریسک‌‎های استفاده از سیستم‌‎های هوش مصنوعی در مدیریت پسماندهای بیمارستانی با استفاده از رویکرد تصمیم‌‎گیری چند شاخصه می‌‎باشد.
مواد و روش‌‎ها: این مطالعه از نوع توصیفی و مقطعی است که در سال 1402 در دو بیمارستان علی ابن ابیطالب و خاتم‌‎الانبیاء شهرستان زاهدان صورت گرفته است. تعداد 10 نفر از پرسنل این دو بیمارستان به عنوان اعضای خبره پنل دلفی انتخاب گردیدند که به منظور وزن‌‎دهی ریسک‌‎ها از روش آنتروپی شانون و جهت رتبه‌‎بندی ریسک‌‎ها از روش تاپسیس استفاده گردید.
نتایج: در این مطالعه به‌منظور تعیین میزان اتفاق‌نظر میان اعضای پنل دلفی، از ضریب هماهنگی کندال استفاده شد. نتیجه ضریب کندال برای مرحله اول، دوم و سوم دلفی به ترتیب برابر با 3/6، 1/7 و 3/7 بود. وزن‌‎دهی شاخص‌‎ها با استفاده از مراحل روش آنتروپی شانون و بر اساس سه شاخص شدت تأثیر (3/0)، احتمال وقوع (4/0) و احتمال کشف (32/0) انجام پذیرفت. سپس جهت رتبه‌‎بندی ریسک‌‎های شناسایی‌‎شده بر اساس روش تاپسیس مهم‌‎ترین ریسک‌‎ها به ترتیب زیرساخت‌‎های لازم (847/0)، نیاز به داده‌‎های دقیق و کامل (751/0) و بودجه (749/0) بودند.
نتیجه‌‎گیری: مدیران مراکز بهداشتی و درمانی با استفاده از روش‌‎های تصمیم‌‎گیری چند شاخصه قادر خواهند بود تا به شناسایی و رتبه‌‎بندی ریسک‌‎های استفاده از سیستم‌‎های هوش مصنوعی در مدیریت پسماندهای بیمارستانی بپردازند و با توجه ‌به اولویت‌‎ها، جهت تقویت مدیریت پسماندها بپردازند.
متن کامل [PDF 1120 kb]   (134 دریافت)    
نوع مطالعه: مقاله ی اصیل | موضوع مقاله: سایر
دریافت: 1402/10/13 | پذیرش: 1403/5/3 | انتشار: 1403/6/30

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به فصلنامه بیمارستان می‌باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2024 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb