مدل‌سازی سیستم‌های دینامیک برای بهبود مداخلات بهداشتی و کاهش مرگ و میر نوزادان در کرمان و بم

نوع مقاله : مقاله صنایع

نویسندگان

1 دانشگاه علوم پزشکی بم

2 دانشگاه علوم پزشکی کرمان

3 گروه مهندسی قدرت و کنترل، دانشکده مهندسی برق و کامپیوتر، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته

چکیده

این مطالعه با هدف توسعه یک مدل دینامیک مرگ و میر نوزادان در شهرهای کرمان و بم ایران انجام شد تا تعاملات پیچیده مؤثر بر نتایج سلامتی نوزادان شناسایی و راهکارهای مؤثر برای سیاست‌گذاری و مدیریت نظام بهداشتی ارائه گردد. با استفاده از رویکرد پویایی سیستم‌ها، ابتدا نمودارهای حلقه علّی برای به تصویر کشیدن تعاملات کیفی بین عوامل مؤثر بر مرگ و میر نوزادان تهیه و سپس به نمودارهای موجودی و جریان تبدیل شدند تا تحلیل‌های کمی صورت گیرد. داده‌ها از پایگاه داده مادران و نوزادان ایران (IMaN) و سیستم یکپارچه سلامت (سیب) طی ۶۰ ماه (۲۰۱۷ تا ۲۰۲۱) جمع‌آوری و با مصاحبه‌های تخصصی و داده‌های انفورماتیک بیمارستانی تکمیل شدند. نتایج نشان داد که مدل توسعه یافته با دقت بالایی (۹۴% MAPE) با داده‌های تاریخی تطابق دارد. عوامل کلیدی مؤثر بر مرگ و میر نوزادان شامل عوامل بهداشتی (تولد زودرس، اکلامپسی)، اجتماعی-جمعیتی (تحصیلات مادر، سوءمصرف مواد) و سیستم بهداشتی (تخت‌های NICU، کادر متخصص) شناسایی شدند. شبیه‌سازی‌های انجام شده نشان داد که مداخلات هدفمند در این حوزه‌ها می‌تواند نرخ مرگ و میر نوزادان را به طور قابل توجهی کاهش دهد. بنابراین مدل دینامیک ارائه‌شده چارچوبی قوی برای شبیه‌سازی سناریوهای بهداشتی و تصمیم‌گیری مبتنی بر داده‌ها در تخصیص منابع فراهم می‌کند و به مدیران و سیاست‌گذاران در بهینه‌سازی مداخلاتی مانند افزایش ظرفیت NICU و بهبود برنامه‌های مراقبت از مادران کمک می‌کند. تحقیقات آینده باید بر بهینه‌سازی بودجه، توسعه الگوریتم‌های تطبیقی و ایجاد نسخه دیجیتالی از سیستم بهداشت متمرکز شود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Dynamic Systems Modeling to Improve Healthcare Interventions and Reduce Neonatal Mortality in Kerman and Bam

نویسندگان [English]

  • Elham Amini 1
  • Mohammadreza Amiresmaili 2
  • Zohreh Torabinejad 2
  • Mohammad Ali Bagherzadeh 3
1 School of Public Health, Bam University of Medical Sciences, Bam, Iran.
2 Department of Health care services management, Kerman University of Medical Sciences
3 Department of Electrical and Computer Engineering, Graduate University of Advanced Technology, Kerman, Iran.
چکیده [English]

This study aimed to develop a dynamic model of neonatal mortality in Kerman and Bam cities, Iran, to identify the complex interactions affecting neonatal health outcomes and to propose effective strategies for healthcare policy and management. Utilizing a systems dynamics approach, we first constructed Causal Loop Diagrams (CLDs) to depict the qualitative interactions among factors influencing neonatal mortality, which were subsequently transformed into Stock and Flow Diagrams for quantitative analysis. Data were collected over a 60-month period (2017 to 2021) from the Iranian Maternal and Neonatal (IMaN) database and the Integrated Health System (SIB), and were supplemented with expert interviews and hospital informatics to enhance data robustness. The developed model demonstrated high validation accuracy, achieving approximately 94% based on Mean Absolute Percentage Error (MAPE) when compared with historical data. Key determinants of neonatal mortality were categorized into health factors (e.g., preterm birth, eclampsia), socio-demographic factors (e.g., maternal education, substance abuse), and healthcare system factors (e.g., NICU capacity, specialist staff). Simulation scenarios indicated that targeted interventions in these areas could significantly reduce neonatal mortality rates. Consequently, the presented dynamic model offers a robust framework for simulating healthcare scenarios and making data-driven decisions in resource allocation, aiding healthcare managers and policymakers in optimizing interventions such as increasing NICU capacity and improving maternal care programs. Future research should focus on budget optimization, developing adaptive algorithms, and creating digital twins of the healthcare system to facilitate broader macro-level analyses.

کلیدواژه‌ها [English]

  • Dynamic Modeling
  • Neonatal Mortality
  • Systems Thinking
  • Causal Loop Diagram
  • Stock and Flow Diagram
  • Healthcare Interventions

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 27 خرداد 1405
  • تاریخ دریافت: 12 آذر 1403
  • تاریخ بازنگری: 12 تیر 1404
  • تاریخ پذیرش: 20 خرداد 1405