توقع تكاليف الإقامة الطويلة للمرضى النفسيين: نموذج تعلم آلي متطور

Name: توقع تكاليف الإقامة الطويلة للمرضى النفسيين: نموذج تعلم آلي متطور
Author: مدرس الدكتور محمد لوتي

مدرس الدكتور محمد لوتي

doi:10.1186/s12913-026-14274-y

الصحة النفسية

توقع تكاليف الإقامة الطويلة للمرضى النفسيين: نموذج تعلم آلي متطور

أبريل 11, 2026 • مدرس الدكتور محمد لوتي •

هل تساءلت يومًا لماذا يختلف مسار علاج الأمراض النفسية من شخص لآخر، وكيف يمكننا التنبؤ بالتكاليف طويلة الأجل لهذه الرعاية؟ هذا السؤال ليس مجرد استفسار أكاديمي، بل هو صميم التحديات التي تواجهها الأنظمة الصحية في جميع أنحاء العالم، وخاصة في منطقة الشرق الأوسط حيث تتشابك العوامل الثقافية والاجتماعية مع الاحتياجات الصحية المتزايدة. دراسة حديثة من الصين تلقي الضوء على إمكانية استخدام الذكاء الاصطناعي للتنبؤ بهذه التكاليف، وفتح الباب أمام تخطيط أفضل للموارد وتقديم رعاية أكثر فعالية.

الإطار النظري

تستند هذه الدراسة إلى فهم عميق للعلاقة بين العوامل النفسية والاجتماعية والاقتصادية التي تؤثر على مسار الأمراض النفسية. من الناحية النفسية، يمكن النظر إلى هذه الدراسة من خلال عدسة العلاج السلوكي المعرفي (CBT)، الذي يركز على تحديد الأنماط السلوكية والفكرية التي تساهم في استمرار المرض. فهم هذه الأنماط، كما يظهر في مسارات دخول المستشفى المتكررة أو الطويلة، يمكن أن يساعد في تصميم تدخلات علاجية أكثر استهدافًا. بالإضافة إلى ذلك، يمكن ربط هذه الدراسة بنظريات الأنظمة، التي ترى أن الفرد ليس كيانًا منفصلاً، بل جزء من نظام معقد يشمل الأسرة والمجتمع والثقافة. هذه النظريات تؤكد على أهمية فهم السياق الذي يعيش فيه المريض، وهو أمر بالغ الأهمية بشكل خاص في منطقة الشرق الأوسط حيث تلعب الروابط الاجتماعية والثقافية دورًا كبيرًا في الصحة النفسية.

تحليل مسارات العلاج

إن استخدام “تحليل تسلسل الحالة” (State Sequence Analysis) لتحديد أنماط دخول المستشفى هو ابتكار مهم. يمكن تشبيه هذه العملية بتتبع مسار نهر، حيث يمثل كل دخول للمستشفى نقطة على هذا المسار. من خلال تحليل هذه النقاط، يمكننا تحديد الأنماط الرئيسية: هل يتدفق النهر بسلاسة (دخول قصير ومتباعد) أم أنه مليء بالمنعطفات والدوامات (دخول متكرر وطويل)؟ هذه الأنماط تعكس ليس فقط شدة المرض، بل أيضًا مدى استجابة المريض للعلاج، ودعم الأسرة، وتوفر الموارد.

المنهجية

أجرى الباحثون، بقيادة تشانغ إم، دراسة تحليلية بأثر رجعي (retrospective cohort study) شملت بيانات السجلات الصحية الإلكترونية لـ 3,396 بالغًا تم إدخالهم إلى مستشفى للأمراض النفسية في الصين لأول مرة بين عامي 2017 و 2018، وتم متابعتهم لمدة ثلاث سنوات. هذا يعني أنهم لم يراقبوا المرضى بشكل مباشر، بل استخدموا البيانات الموجودة بالفعل في السجلات الطبية. هذه الطريقة فعالة من حيث التكلفة وتسمح بتحليل كميات كبيرة من البيانات، ولكنها تعتمد على دقة واكتمال السجلات الطبية.

تحديد الأنماط باستخدام التعلم الآلي

استخدم الباحثون تقنيات التعلم الآلي (machine learning) لتحليل البيانات. يمكن تشبيه التعلم الآلي بتدريب جهاز كمبيوتر على التعرف على الأنماط. في هذه الحالة، تم تدريب الكمبيوتر على تحديد الأنماط في مسارات دخول المستشفى، وعلى التنبؤ بالتكاليف المستقبلية. استخدموا خوارزمية تسمى “تحليل تسلسل الحالة” لتحديد الأنماط، ثم استخدموا خوارزميات أخرى مثل “آلة تعزيز التدرج” (Gradient Boosting Machine) للتنبؤ بالتكاليف. تم تقسيم البيانات إلى مجموعتين: مجموعة تدريب (70٪) ومجموعة اختبار (30٪). تم استخدام مجموعة التدريب لتدريب الكمبيوتر، ثم تم استخدام مجموعة الاختبار للتحقق من دقة التنبؤات. تم استخدام مقاييس مثل R² (معامل التحديد) و RMSE (جذر متوسط مربع الخطأ) و MAE (متوسط الخطأ المطلق) لتقييم أداء النماذج.

النتائج

كشفت الدراسة عن أربعة أنماط رئيسية لمسارات دخول المستشفى: النمط الأول، الأكثر شيوعًا (64.7٪)، يتميز بدخول قصير ومتباعد. النمط الثاني (10.0٪) يتميز بدخول متكرر وقصير. النمط الثالث (4.8٪) يتميز بدخول متقطع وطويل الأمد. النمط الرابع (20.5٪) يتميز بدخول مستمر وطويل الأمد. أظهرت النتائج أن إضافة معلومات حول مسار دخول المستشفى إلى البيانات الأساسية (مثل العمر والتشخيص وطريقة الدفع) أدى إلى تحسن كبير في دقة التنبؤ بالتكاليف. ارتفع معامل التحديد (R²) من 0.35 إلى 0.71، مما يشير إلى أن مسار دخول المستشفى يفسر جزءًا كبيرًا من التباين في التكاليف. أظهر تحليل SHAP (SHapley Additive exPlanations) أن طريقة الدفع، ومؤشر التعقيد المشترك (aCCI)، ومجموعات التشخيص، والعمر كانت العوامل الرئيسية التي تؤثر على التكاليف.

التأثيرات السريرية والعملية

هذه النتائج لها آثار مهمة على الممارسة السريرية والتخطيط للموارد. يمكن استخدام هذه النماذج لتحديد المرضى المعرضين لخطر ارتفاع التكاليف، وتوجيه الموارد إليهم بشكل أكثر فعالية. على سبيل المثال، يمكن للمستشفيات استخدام هذه النماذج لتحديد المرضى الذين يحتاجون إلى تدخلات علاجية مكثفة، أو الذين قد يستفيدون من خدمات الدعم الاجتماعي. بالإضافة إلى ذلك، يمكن استخدام هذه النماذج لتحسين التخطيط للموارد، والتأكد من أن المستشفيات لديها ما يكفي من الأسرة والموظفين لتلبية احتياجات المرضى.

التحليل التفصيلي للعوامل المؤثرة

إن تحديد طريقة الدفع كمؤشر رئيسي للتكاليف يثير تساؤلات مهمة حول دور التأمين الصحي والقدرة على تحمل تكاليف العلاج. في العديد من البلدان، بما في ذلك بعض البلدان العربية، قد يواجه المرضى صعوبات في الحصول على تغطية تأمينية كافية، مما يؤدي إلى تأخير العلاج وزيادة التكاليف على المدى الطويل. كما أن مؤشر التعقيد المشترك (aCCI) يشير إلى أهمية مراعاة الأمراض المصاحبة عند تقييم حالة المريض وتخطيط العلاج.

السياق الثقافي العربي

تطبيق هذه النتائج في العالم العربي يتطلب مراعاة بعض الفروق الثقافية الهامة. في العديد من المجتمعات العربية، لا يزال هناك وصمة عار مرتبطة بالأمراض النفسية، مما قد يؤدي إلى تأخير طلب المساعدة وتفاقم المشكلة. بالإضافة إلى ذلك، تلعب الأسرة دورًا مركزيًا في رعاية المرضى النفسيين، وقد يكون من الضروري إشراك أفراد الأسرة في عملية العلاج. كما أن العوامل الاجتماعية والاقتصادية، مثل الفقر والبطالة، يمكن أن تزيد من خطر الإصابة بالأمراض النفسية وتؤثر على مسار العلاج. في بعض البلدان العربية، قد تكون هناك قيود على توفر خدمات الصحة النفسية، مما يجعل من الصعب على المرضى الحصول على الرعاية التي يحتاجونها. لذلك، يجب تكييف هذه النماذج لتناسب السياق الثقافي والاجتماعي والاقتصادي لكل بلد عربي.

التحديات الإقليمية

تعتبر منطقة الشرق الأوسط من المناطق الأكثر تضررًا من النزاعات والحروب، مما يؤدي إلى زيادة انتشار الأمراض النفسية. يمكن أن تؤدي الصدمات النفسية الناجمة عن الحرب والنزوح إلى اضطرابات مثل اضطراب ما بعد الصدمة (PTSD) والاكتئاب والقلق. بالإضافة إلى ذلك، يمكن أن تؤدي النزاعات إلى تدهور خدمات الصحة النفسية، مما يجعل من الصعب على المرضى الحصول على الرعاية التي يحتاجونها. لذلك، هناك حاجة ماسة إلى تطوير برامج صحة نفسية متخصصة للاستجابة لاحتياجات السكان المتضررين من النزاعات.

التوجهات المستقبلية والقيود

هذه الدراسة تمثل خطوة مهمة إلى الأمام في مجال التنبؤ بتكاليف الأمراض النفسية، ولكن هناك حاجة إلى مزيد من البحث. أحد القيود الرئيسية للدراسة هو أنها أجريت في الصين، وقد لا تكون النتائج قابلة للتعميم على بلدان أخرى. لذلك، هناك حاجة إلى إجراء در

Reference

Zhang M. (2026). Risk stratification for long-term inpatient costs in mental disorders: a dual-track machine learning approach using baseline EHRs and hospitalization trajectories. BMC Health Services Research, 26(1).

DOI: 10.1186/s12913-026-14274-y

تفاصيل الدراسة

Article

BMC Health Services Research

فبراير 28, 2026

Mengge Zhang Guoliang Pan Haohui Shen Xiuwen He Jingyi Xiang ...

CN

Mengge Zhang et al. (2026). Risk stratification for long-term inpatient costs in mental disorders: a dual-track machine learning approach using baseline EHRs and hospitalization trajectories

DOI: 10.1186/s12913-026-14274-y

اقرأ الملخص العلمي الأصلي

Abstract Background Mental disorders (MDs) impose substantial long-term inpatient costs, yet existing prediction models rarely account for dynamic hospitalization trajectories or diagnostic heterogeneity. This study developed and validated a dual-track machine learning framework integrating baseline features with trajectory-derived patterns to predict three-year cumulative hospitalization costs for patients with MDs in China. Methods We conducted a retrospective cohort study using electronic health records from 3,396 adults with first admission to a psychiatric hospital (2017–2018) and three‑year follow‑up. State sequence analysis and hierarchical clustering identified distinct hospitalization trajectory patterns. Ten baseline variables available at index admission (Set A) and trajectory cluster membership (Set B) were used to train five regression models with stratified 70:30 split and five‑fold cross‑validation. Performance was evaluated using R², RMSE, and MAE on log‑transformed costs. SHAP (SHapley Additive exPlanations) analysis was applied to interpret the optimal model and examine diagnostic heterogeneity. Results Four distinct trajectory patterns were identified: low‑frequency short‑stay (64.7%), high‑frequency short‑stay (10.0%), long‑term intermittent (4.8%), and long‑term continuous (20.5%). The gradient boosting machine (GBM) achieved the best test performance using Set A (R² = 0.35), significantly outperforming linear regression (R² = 0.33) and random forest (R² = 0.31). Adding trajectory clusters (Set B) increased R² to 0.71 (ΔR² = 0.36), indicating strong association between long‑term hospitalization patterns and cumulative costs, though this component is only retrospectively explanatory. SHAP identified Payment methods, aCCI, Diagnosis groups, and Age as dominant cost drivers. Model performance was stable for the F2 group (61.8% of cohort) but markedly lower for rare diagnostic subgroups (F0, F1). Conclusions Risk stratification for three‑year cumulative hospitalization costs is feasible using only routine baseline information from first admission. The proposed dual‑track framework separates prospective prediction from retrospective explanation, providing a methodologically sound tool for institutional resource planning and high‑risk screening in mental health settings. Future work requires external validation and implementation studies.

اقتبس من هذا المقالة

APAMLACHICAGOHARVARDIEEEAMA

مدرس الدكتور محمد لوتي (2026). توقع تكاليف الإقامة الطويلة للمرضى النفسيين: نموذج تعلم آلي متطور. عرب سايكلوجي. تم الاسترجاع من https://arabpsychology.com/field-news/%d8%aa%d9%88%d9%82%d8%b9-%d8%aa%d9%83%d8%a7%d9%84%d9%8a%d9%81-%d8%a7%d9%84%d8%a5%d9%82%d8%a7%d9%85%d8%a9-%d8%a7%d9%84%d8%b7%d9%88%d9%8a%d9%84%d8%a9-%d9%84%d9%84%d9%85%d8%b1%d8%b6%d9%89-%d8%a7%d9%84/

مدرس الدكتور محمد لوتي. "توقع تكاليف الإقامة الطويلة للمرضى النفسيين: نموذج تعلم آلي متطور." عرب سايكلوجي, 11 أبريل. 2026, https://arabpsychology.com/field-news/%d8%aa%d9%88%d9%82%d8%b9-%d8%aa%d9%83%d8%a7%d9%84%d9%8a%d9%81-%d8%a7%d9%84%d8%a5%d9%82%d8%a7%d9%85%d8%a9-%d8%a7%d9%84%d8%b7%d9%88%d9%8a%d9%84%d8%a9-%d9%84%d9%84%d9%85%d8%b1%d8%b6%d9%89-%d8%a7%d9%84/.

مدرس الدكتور محمد لوتي. "توقع تكاليف الإقامة الطويلة للمرضى النفسيين: نموذج تعلم آلي متطور." عرب سايكلوجي, 2026. https://arabpsychology.com/field-news/%d8%aa%d9%88%d9%82%d8%b9-%d8%aa%d9%83%d8%a7%d9%84%d9%8a%d9%81-%d8%a7%d9%84%d8%a5%d9%82%d8%a7%d9%85%d8%a9-%d8%a7%d9%84%d8%b7%d9%88%d9%8a%d9%84%d8%a9-%d9%84%d9%84%d9%85%d8%b1%d8%b6%d9%89-%d8%a7%d9%84/.

مدرس الدكتور محمد لوتي (2026) 'توقع تكاليف الإقامة الطويلة للمرضى النفسيين: نموذج تعلم آلي متطور', عرب سايكلوجي. متاح في: https://arabpsychology.com/field-news/%d8%aa%d9%88%d9%82%d8%b9-%d8%aa%d9%83%d8%a7%d9%84%d9%8a%d9%81-%d8%a7%d9%84%d8%a5%d9%82%d8%a7%d9%85%d8%a9-%d8%a7%d9%84%d8%b7%d9%88%d9%8a%d9%84%d8%a9-%d9%84%d9%84%d9%85%d8%b1%d8%b6%d9%89-%d8%a7%d9%84/.

[1] مدرس الدكتور محمد لوتي, "توقع تكاليف الإقامة الطويلة للمرضى النفسيين: نموذج تعلم آلي متطور," عرب سايكلوجي, مجلد X, عدد Y, ص Z-Z, أبريل, 2026.

مدرس الدكتور محمد لوتي. توقع تكاليف الإقامة الطويلة للمرضى النفسيين: نموذج تعلم آلي متطور. عرب سايكلوجي. 2026;vol(issue):pages.

تحميل المقال (.PDF)