استخدام اسلوبي التحليل العنقودي الهرمي والتحليل العنقودي المضبب لتصنيف بعض مستشفيات محافظة البصرة
محتوى المقالة الرئيسي
الملخص
تكمن اهمية اسلوب التحليل العنقودي بشكل عام في البحث عن تعنقد البيانات المتعددة والمتجانسة لغرض تجميع العناصر في مجاميع متجانسة فيما بينها (داخل المجموعة الواحدة) ومختلفة عن المجاميع الاخرى اعتماداً على العديد من المتغيرات ويستعمل في تقليص حجم البيانات وتوليد الفرضيات واختبارها وفي التنبؤ و مطابقة النماذج. وان البحث يهدف الى معرفة التحليل العنقودي المضبب وهو حالة خاصة من التحليل العنقودي فضلاً عن المفاضلة بين الاسلوبين ، ونظراً للدور الهام للمستشفيات وما له من علاقة وثيقة بصحة الانسان فقد تم تخصيص موضوع البحث لعنقدة المستشفيات الحكومية والاهلية لعينة من 288 مريض من المرضى الراقدين في 10 مستشفيات بناءاً على مدى تماثلها في تقديم الخدمات الصحية للمرضى الراقدين فيها حسب معايير جودة الخدمات الصحية في ظل ظروف مضببة ( حالة عدم التأكد لآراء المرضى الراقدين في تقييم الخدمات الصحية المقدمة لهم والتي مثلت بمجموعة من المعايير و قيست على شكل مقياس ليكرت الخماسي) وتلك المعايير نظمت في استمارة استبانة تضمنت 31 فقرة. وقد توصل البحث الى مجموعة من الاستنتاجات اهمها ان كلا اسلوبي التحليل العنقودي الهرمي والتحليل العنقودي المضبب صنف مستشفيات عينة البحث الى عنقودين كل عنقود يضم مجموعة من المستشفيات وان التحليل العنقودي المضبب اكثر ملائمة لتصنيف عينة البحث من التحليل العنقودي الهرمي نتيجة افتراضه ان المستشفى تنتمي لكلا العنقودين بدرجات انتماء متفاوتة في تطبيقها لمعايير جودة الخدمات الصحية بينما التحليل العنقودي الهرمي قد صنف المستشفيات اما تنتمي او لا تنتمي للعنقود اي افترض ان تلك المستشفيات في العنقود الاول مختلفة كليا" عن مستشفيات العنقود الثاني في تطبيقها لمعايير جودة الخدمات الصحية وهذا غير ممكن
Received 15/11/2019
Accepted 5/1/2020
Published Online First 30/4/2021
تفاصيل المقالة
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
كيفية الاقتباس
المراجع
Abdul Q A, Noor M. Measuring the quality of health services in government hospitals in Sudan from the point of view of patients and clients)A field study on major educational hospitals in Khartoum State). JJBA. 2015; 11(4): 899-9.
Alptekin N. Comparıson of Turkey and European Unıon Countrıes’ Health Indıcators by Usıng Fuzzy Clusterıng Analysıs. IJBSR.2014; 4(10): 68-74.
Yim O, Ramdeen K T. Hierarchical cluster analysis: comparison of three linkage measures and application to psychological data. Quant Meth Psych.2015.11(1): 8-21.
Triayudi A, Fitri I. Comparison of parameter-free agglomerative hierarchical clustering method.Innovative Computing, ICIC.2018; 12(10): 973-980.
Salighehdar A, Liu Y, Bozdog D, Florescu I. Cluster analysis of liquidity measures in a stock market using high frequency data. JMSBI.2017; 2(2): 1-8.
Al-Obeidi M A. Fuzzy Linear Programming problems. JEAS.2009; 15(56): 181-200.
Haldar N A, Khan F A, Ali A, Abbas H. Arrhythmia classification using Mahalanobis distance based improved Fuzzy C-Means clustering for mobile health monitoring systems. Neurocomputing. 2017; 220: 221-235.
Al-Naqash I, Jejan F. fuzziness in linear programming with application. IJSS. 2009;9(16): 29-52.
Al-Durgham L, Barghash M. Factor and Cluster Analysis as a Tool for Patient Segmentation Applied to Hospital Marketing in Jordan. AJOR.2015; 5(04): 293-306.
Zhang Y, Wang J, Han D, Wu H, Zhou R. Fuzzy-logic based distributed energy-efficient clustering algorithm for wireless sensor networks. Sensors. 2017 Jul;17(7):1554.
Cebeci Z, Yildiz F. Comparison of K-means and Fuzzy C-means algorithms on different cluster structures. JAI.2015; 6(3): 13-23.
User’s Guide II , NCSS Statistical System, https://ncss-wpengine.netdna-ssl.com/wp-content/uploads/2012/09/NCSSUG2.pdf