چکیده:
مقدمه: رعایت عدالت در نظام سلامت سبب شده که افراد یک جامعه به طور منصفانه از مراقبتهای درمانی بهرهمند شده و همین امر از افزایش بیماری و مرگومیر جلوگیری میکند. هدف از انجام این پژوهش طراحی مدل هوشمند سیستم سلامت مبتنی بر عدالت در نظام سلامت در دوران همهگیری ویروس کرونا بود. روش کار: این پژوهش بر اساس هدف پژوهش، یک مطالعه کاربردی و بر اساس شیوه گردآوری دادهها از نوع توصیفی_تحلیلی بود. در این پژوهش ابتدا با مطالعه ادبیات پژوهشهای پیشین و استفاده از نظر خبرگان، عوامل تاثیرگذار بر عدالت در نظام سلامت استخراج شد. سپس پرسشنامهای طراحی گردید که دادههای 109 نفر از بیماران مبتلا به ویروس کرونا که به مراکز درمانی شهر اصفهان مراجعه کرده بودند جمعآوری شد. سپس با استفاده از آمار استنباطی، اعتبار روایی و پایایی پرسشنامه تایید شده و دادههای حاصل از پرسشنامه در مدل هوشمند مبتنی بر شبکه Hopfield به کار گرفته شده و وضعیت رعایت عدالت در نظام سلامت با استفاده از مدل فوق سنجیده شد. سپس دقت مدل با روش ماتریس درهمریختگی ارزیابی شد. یافتهها: نتایج پیشبینی شبکه عصبی Hopfield برای رکوردهای مختلف نشان میدهد که بیشترین میزان برچسب تخصیص داده شده توسط شبکه، مربوط به برچسب "نسبتا عادلانه" و "کمی عادلانه" است که در کل میزان رضایتمندی از عدالت در سطح مطلوبی قرار ندارد. نتیجهگیری: با استفاده از بررسی نتایج این پژوهش وضعیت رعایت عدالت در دوران همهگیری ویروس کرونا با استفاده از مدل هوشمند بررسی شد و بر تاکید بیشتر بر پارامترهای رعایت عدالت در نظام سلامت اشاره دارد.
Introduction: Observance of justice in the health system has resulted in individuals in a community
receiving fair medical care, which in turn prevents an increase in morbidity and mortality. The
present research aimed to design an intelligent health system model based on justice in the health
system during the COVID-19 pandemic.
Methods: This research is applied research based on the method of data collection, which is
descriptive-analytical. First, by studying the literature of the previous studies and using the experts'
opinions, factors affecting justice in the health system were extracted. Then, a questionnaire was
designed, and the data of 109 patients with COVID-19 who visited the medical centers of Isfahan
city, Iran, were collected. After confirming the validity and reliability of the questionnaire, data
obtained from the questionnaire was used in the intelligent model based on the Hopfield network,
and the status of justice in the health system was measured. Then, the accuracy of the model was
evaluated using the confusion matrix method.
Results: The prediction results of the Hopfield neural network for different records show that the
highest amount of labels assigned by the network is related to "quite fair" and "slightly fair" labels,
indicating that the level of satisfaction with justice is not at a favorable level.
Conclusion: This research utilized an intelligent model to investigate the state of justice within the
health system during the COVID-19 pandemic, indicating a need for greater focus on justice-related
factors.