تصميم داش بورد تفاعلى على برنامج powerbi

تحليل بيانات غرفة الطوارئ بالمستشفى باستخدام تقنيات تحليل البيانات (بيانات مصطنعة)

الهدف:

يهدف هذا المشروع إلى تحليل بيانات غرفة الطوارئ بالمستشفى للكشف عن اتجاهات يمكن أن تحسن الكفاءة التشغيلية ورعاية المرضى.

الأدوات:

جوجل شيتس

Power BI

التقنيات:

تنظيف البيانات

إحصاءات وصفية

تحليل التجزئة

تحليل الاتجاهات

ت visualization البيانات

النطاق:

التوظيف

رضا المرضى

التشغيل

لوحات المعلومات في Power BI:

تعرض لوحة المعلومات الأولى العلاقة بين زمن الانتظار ومعدل الرضا المرتبطة بالعمليات.

تعرض لوحة المعلومات الثانية العلاقة بين زمن الانتظار ومعدل الرضا المرتبطة بالخصائص الديموغرافية للمرضى.

نظرة عامة على مجموعة البيانات:

المصدر : https://data.world/markbr...

وصف البيانات: تحتوي البيانات على المعلومات التالية (التاريخ - العمر - الجنس - العرق - الحرف الأول من اسم المريض - اللقب - زمن الانتظار - درجة الرضا - علم إدارة المريض - تحويل القسم)

مشكلة العمل / الأسئلة:

بما أن هذه بيانات مصطنعة، فسوف نبحث عن كل علاقة محتملة في البيانات التي يمكن أن تؤثر على التشغيل ودرجة رضا غرفة الطوارئ بالمستشفى مع وضع العديد من الأسئلة في الاعتبار:

هل يوجد ارتباط بين درجة الرضا والفئات العمرية أو أي عامل آخر من العوامل الديموغرافية؟

هل يختلف زمن الانتظار خلال شهور مختلفة من السنة؟

في أي جزء من اليوم نرى أكبر عدد من حالات القبول؟

ما هو معدل دخول المرضى؟

أي قسم لديه أكبر عدد من التحويلات؟

عملية تحليل البيانات:

الخطوة 1 (تنظيف البيانات):

باستخدام الوظائف المضمنة في جوجل شيتس، تم استخدام إحصائيات الأعمدة للتحقق من (توزيعات البيانات - القيم المفقودة - عدد القيم الفريدة) ولم يتم العثور على أي شيء مهم، لذلك بدت البيانات متسقة للغاية (باستثناء عمود pat-sat-score الذي يشير إلى أن بعض المرضى لم يضعوا تقييمًا لغرفة الطوارئ).

للمعاينة، تمت إزالة القيم المكررة باستخدام جوجل شيتس ولم يتم العثور على أي قيم مكررة أيضًا.

أظهرت جميع القيم أيضًا أنها تشترك في نفس التنسيق.

الخطوة 2 (الصيغ وتصنيف البيانات):

بدأت بإنشاء ثلاثة أعمدة منفصلة (السنة - الشهر - اليوم) لتحديد الاتجاهات التي يمكن أن تحدث في أوقات مختلفة من السنة.

تم تصنيف وقت اليوم إلى (صباحًا - مساءً - ليلاً) لتحديد عدد المرضى في كل نوبة.

تم تعيين القيم المفقودة في (pat-sat-score) إلى "بدون تقييم" لحسابها.

تم تصنيف عمود العمر إلى فئات عمرية.

تم تصنيف (pat-sat-score) إلى 5 مجموعات مختلفة (بدون تقييم - غير راضٍ جدًا - غير راضٍ - راضٍ - راضٍ جدًا).

الخطوة 3 (استكشاف البيانات وتقنيات التحليل):

استخدام الإحصاءات الوصفية لتحديد (المعدل - الأقصى - الأدنى - الانحراف المعياري) لزمن الانتظار عبر البيانات.

استخدام جداول Pivot والمرئيات لرؤية عدد كل درجة في pat-sat-score.

استخدام جداول Pivot لرؤية درجة الرضا لكل فئة عمرية وعوامل ديموغرافية أخرى.

تحليل الاتجاهات لمعرفة معدلات القبول عبر مجموعة البيانات حسب (السنة - الشهر).

استخدام جداول Pivot والمرئيات لرؤية معدل علم إدارة المريض.

استخدام جداول Pivot والمرئيات لمعرفة (أي قسم لديه أكبر عدد من التحويلات).

استخدام مخطط خطي لرؤية متوسط زمن الانتظار عبر الجدول الزمني للبيانات.