ارائه کننده: ایمان حیدری
استاد راهنما: دكتر محمدمهدي سپهري
استاد داور داخلي: دكتر توكتم خطيبي
استاد داور خارج از دانشگاه: دكتر عباس حبيب الهي
نماينده تحصيلات تكميلي: دكتر توكتم خطيبي
تاریخ: 1403/04/18         
ساعت: 17:00
مكان: سايت دانشكده مهندسي صنايع و سيستم ها

چکیده: 
عفونت‌های بیمارستانی چالش‌های قابل توجهی را برای سیستم‌های بهداشتی در سراسر جهان ایجاد می‌کنند. کنترل و کاهش موثر این نوع عفونت‌ها ضروری بوده و منجر به بهبود نتایج درمان بیماران و کاهش هزینه‌های سیستم بهداشتی خواهد شد. این پایان‌نامه به بررسی استفاده از تکنیک‌های واکاوش داده و روش‌های مهندسی صنایع منظور کنترل و کاهش عفونت‌های بیمارستانی در محیط‌های بیمارستانی می‌پردازد.
داده‌های مورد استفاده در این پژوهش مربوط به اطلاعات 4346 بیمار است که در بازه زمانی 5 ساله و توسط واحد کنترل عفونت یک بیمارستان 700 تختخوابی در شهر تهران جمع‌آوری و در سامانه INIS این بیمارستان ذخیره شده است. این مطالعه در ابتدا از تجزیه و تحلیل اکتشافی داده برای استخراج بینش‌های ارزشمند از داده‌های بیماران مرتبط با عفونت‌های بیمارستانی استفاده کرده است. در ادامه دو مدل اصلی توسعه یافته‌اند: یک مدل به منظور پیش‌بینی مرگ و میر در بین بیماران مبتلا به عفونت‌های بیمارستانی و مدل دیگر ترکیبی از مدل‌های یادگیری ماشین و برنامه‌ریزی خطی درجهت بهینه‌سازی تخصیص آنتی‌بیوتیک به بیماران مبتلا به عفونت‌های بیمارستانی . 
مدل MLP با دقت 91%، یادآوری 89% و سطح زیر منحنی عملکرد به مقدار 95% بر روی داده تست بهترین عملکرد را در مدل پیش‌بینی مرگ بیماران ارائه داد. در مدل‌های پیش‌بینی کارآیی آنتی‌بیوتیک، 8% خطا بر اساس معيار ميانگين مربعات خطا در پیش‌بینی کارآیی Cefepime، 8% در پیش‌بینی کارآیی Imipenem، 6% در پیش‌بینی کارآیی Piperacillin/Tazobactam، 11% در پیش‌بینی کارآیی Amikacin، 10% در پیش‌بینی کارآیی Gentamicin و 7% در پیش‌بینی کارآیی Ceftazidime بهترین عملکرد را داشته‌اند.
یافته‌های این مطالعه بر اثربخشی رویکردهای واکاوش داده و مهندسی صنایع در کنترل و کاهش عفونت‌های بیمارستانی تأکید می‌کند. مدل‌های توسعه یافته می‌توانند منجر به بهبود مراقبت از بیماران و کاهش ریسک‌های مرتبط با عفونت‌های بیمارستانی شوند و همچنین استفاده موثرتر از آنتی‌بیوتیک‌ها پیشگیری از مقاومت آنتی‌بیوتیکی را به همراه خواهد داشت.