ارائه چارچوبی برای پیش‌بینی وضعیت تحویل کالای مراقبت‌های بهداشتی و مدیریت زنجیره تامین مراقبت‌های بهداشتی داده‌محور برپایه تکنیک ماشین بردار پشتیبان و بهینه‌سازی بیزی: مطالعه‌موردی زنجیره تامین مراقبت‌های بهداشتی جهانی آژانس جهانی توسعه ایالات متحده

 تحویل به‌موقع داروها، تجهیزات پزشکی و سایر لوازم ضروری برای مراقبت از بیمار بسیار حیاتی بوده و اغلب می‌تواند نجات‌دهنده باشد. تاخیر تحویل در زنجیره تامین مراقبت‌های بهداشتی می‌تواند منجر به افزایش هزینه‌ها و چالش‌های عملیاتی برای سازمان‌های حوزه سلامت شده و بر مراقبت از بیمار و ثبات مالی تاثیر بگذارد. مدیریت زنجیره تامین کارآمد و قابل اعتماد برای کاهش این خطرها و اطمینان از عملکرد یکپارچه در صنعت مراقبت‌های بهداشتی بسیار حائز اهمیت است. این پژوهش بهمسئله تاخیر در تحویل کالای مراقبت‌های بهداشتی در زنجیره تامین مراقبت‌های بهداشتی جهانی آژانس جهانی توسعه ایالات متحده پرداخته و یک چارچوب برای پیش‌بینی وضعیت تحویل کالاهای مراقبت‌های بهداشتی ارائه می نماید. همچنین ویژگی‌هایی که بیشترین تاثیر را در پیش ‌بینی وضعیت تحویل کالا داشته ‌اند، برای مدیریت زنجیره تامین مراقبت‌های بهداشتی داده‌محور تعیین می‌‌کند. روش پژوهش مطالعه پیش‌رو، علم طراحی است که یک چارچوب بر‌پایه روش ماشین‌بردار پشتیبان و بهینه‌سازی بیزی برای پیش‌بینی وضعیت تحویل کالاهای مراقبت‌های بهداشتی را ارائه کرده و عملکردهای مختلف الگوریتم‌های طبقه‌بندی برای پیش‌بینی وضعیت تحویل کالای مراقبت‌های بهداشتی را مقایسه کرده است. نتایج نشان می‌دهد  که چارچوب ارائه‌شده بر‌پایه روش ماشین بردار پشتیبان و بهینه‌سازی بیزی منجر به دقت طبقه‌بندی 95 درصد می‌شود که در مقایسه با دیگر روش‌های به‌کار گرفته‌شده برای پیش‌بینی تاخیر تحویل عملکرد بهتری دارد. نتایج حاصل نشان داد که ویژگی‌های کشور مقصد، روش حمل، تامین ‌کننده و مکان تولید تاثیرگذارترین ویژگی‌ها در پیش ‌‌بینی وضعیت تحویل می‌باشند.

a framework for predicting the delivery status of health commodities and data-driven healthcare supply chain management based on support vector machine technique and bayesian optimization: case of the global healthcare supply chain of the united states agency for international development

objective: timely delivery of medications, medical equipment, and other essential supplies is critical to patient care and can often be life-saving. delivery delays in the healthcare supply chain can lead to increased costs and operational challenges for healthcare organizations and affect patient care and financial stability. efficient and reliable supply chain management is critical to reduce these risks and ensure integrated performance in the health industry. this research addresses the delay in the delivery of health commodities in the global health supply chain of the united states agency for international development. it presents a framework based on the support vector machine technique and bayesian optimization to predict the delivery status of health commodities. it also determines the features that have had the greatest impact in predicting the status of commodities delivery for data-driven health supply chain management.method: the study’s research method is design science, which presents a framework based on the support vector machine technique and bayesian optimization to predict the delivery status of health commodities. it also compares the performance of different classification algorithms to predict the transportation status.findings: the results indicate that the presented framework based on the support vector machine technique and bayesian optimization leads to a classification accuracy of 95%, outperforming other techniques to predict delivery delay. the results showed that the features of the destination country, shipping method, supplier, and production location are the most influential features in predicting the delivery status.