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: (262 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.
نوع مطالعه:
مقاله ی اصیل |
موضوع مقاله:
سایر دریافت: 1402/10/13 | پذیرش: 1403/5/3 | انتشار: 1403/6/30