Acil Servislerde Talebin Zaman Serileri Modelleri ile Tahmin Edilmesi
[ X ]
Tarih
2017
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Kırıkkale Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Acilservislerde talebin etkin olarak yönetilmesi hastane yöneticilerinin (kararvericilerin) önemli bir görevi haline gelmektedir. Günümüzde, hastaneyöneticileri, hasta akışının ve aşırı kalabalıklaşmanın en iyi şekildeyönetilebilmesi için strateji geliştirmeye odaklanmaktadırlar. Acil durumlardazaman çok kritiktir ve yaşam ve ölüm arasındaki farkı ifade eder. Bu nedenleacil servislerde önemli oranda kaynak bulundurulması gerekmektedir, fakatkaynaklar sınırlıdır. Bu bağlamda, acil servislere talebin en az hata iletahmin edilmesi, operasyonların planlanması ve yönetilmesinde büyük önem arzetmektedir. Bu çalışmanın amacı; İzmir, Türkiye’deki büyük ölçekli bir eğitimhastanesi acil servisinde talebi zaman serileri modelleri ile tahmin etmektir.Kış aylarında acil servis talebinde ciddi bir artş beklendiği için, taleptahminlemede kış aylarına odaklanılmıştır. Hastane veri tabanı kullanılarak, 1Aralık 2016-28 Şubat 2017 arasında acil servise yapılan başvurular eldeedilmiştir. 1 Aralık-14 Şubat arasındaki 76 günlük veri farklı otoregresifentegre(bütünlenen) hareketli ortalama (ARIMA) ve mevsimsel otoregresif entegrehareketli ortalama (SARIMA) modellerinin uygunluk ve test edilmesindekullanılırken, kalan 14 günlük veri de uygun modellerin performanslarınınkarşılaştırılmasında kullanılmıştır. Günlük ve periyodik (8-saat aralıkları)tahminler elde edilmiş ve karşılaştırılmıştır. Bu çalışma acil servis hastasayısının tahminlemesinde zaman serileri modellerinin uygun olduğunugöstermektedir.
Managingdemand efficiently in emergency departments (ED) has become an important taskfor decision makers of hospitals. Currently, decision makers focus on improvingstrategies for optimally managing flow of patients and overcrowding in EDs.Since time is very critical for emergency situations, and can generally meanthe difference between life and death, EDs need substantial amount of resourceswhich are indeed limited. In this context, forecasting demand in ED with aminimum error, has noticeable significance for hospitals in planning andmanaging operations. The objective of this paper was to develop time seriesmodels for forecasting demand at the ED of a large scaled training hospital inIzmir, Turkey. Since in winter periods, a significant increase is expected indemand, forecasting demand during winter period is focused. By using ElectronicHealth Record (EHR) of this hospital, demand in ED during 1st ofDecember, 2016 to 28th of February, 2017 were obtained. First 76days data (1st December to 14th February) were used to testappropriateness and accuracy of different autoregressive integrated movingaverage (ARIMA), and seasonal autoregressive integrated moving average (SARIMA)models, where remaining 14 days were used to test the performance of them.Daily and periodical (8-hour lengths) forecasts were evaluated and compared.This study shows how time series models are proper in forecasting patientvolumes in EDs.
Managingdemand efficiently in emergency departments (ED) has become an important taskfor decision makers of hospitals. Currently, decision makers focus on improvingstrategies for optimally managing flow of patients and overcrowding in EDs.Since time is very critical for emergency situations, and can generally meanthe difference between life and death, EDs need substantial amount of resourceswhich are indeed limited. In this context, forecasting demand in ED with aminimum error, has noticeable significance for hospitals in planning andmanaging operations. The objective of this paper was to develop time seriesmodels for forecasting demand at the ED of a large scaled training hospital inIzmir, Turkey. Since in winter periods, a significant increase is expected indemand, forecasting demand during winter period is focused. By using ElectronicHealth Record (EHR) of this hospital, demand in ED during 1st ofDecember, 2016 to 28th of February, 2017 were obtained. First 76days data (1st December to 14th February) were used to testappropriateness and accuracy of different autoregressive integrated movingaverage (ARIMA), and seasonal autoregressive integrated moving average (SARIMA)models, where remaining 14 days were used to test the performance of them.Daily and periodical (8-hour lengths) forecasts were evaluated and compared.This study shows how time series models are proper in forecasting patientvolumes in EDs.
Açıklama
Anahtar Kelimeler
Acil servis, talep tahmin, ARIMA, hasta sayısı, aşırı yoğunluk, Emergency department, demand forecasting, ARIMA, patient volume, overcrowding
Kaynak
Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
1
Sayı
1-66
