{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2879165"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2879165","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Μοντέλα πρόβλεψης αναγκών μετάγγισης. Το μοντέλο ενός νοσοκομείου.","abstract":"Η ορθολογική διαχείριση των αποθεμάτων αίματος και παραγώγων είναι στις μέρες μας ,πιο αναγκαία από ποτέ. Ένας από τους βασικούς τρόπους βελτίωσης των αποθεμάτων ,είναι η εφαρμογή μοντέλων πρόβλεψης . Στην παρούσα εργασία έγινε προσπάθεια πρόβλεψης των αναγκών μετάγγισης ενός Νοσοκομείου . Μεθοδολογία: Πραγματοποιήθηκε στατιστική ανάλυση χρονολογικών σειρών με διερεύνηση των τεσσάρων βασικών συνιστωσών κάνοντας την υπόθεση περί πολλαπλασιαστικού υποδείγματος. Υπολογίστηκαν οι εποχικοί δείκτες της εκάστοτε χρονολογικής σειράς και ανιχνεύτηκε η μακροχρόνια τάση. Επίσης έγιναν οι κατάλληλοι έλεγχοι για την ύπαρξη αυτοσυσχέτισης, ύπαρξης στασιμότητας και υπολογίστηκαν τα κατάλληλα κριτήρια που εκφράζουν την προσαρμογή του μοντέλου. Αποτελέσματα: Για το σύνολο των χρονολογικών σειρών των ομάδων αίματος ταυτοποιήθηκαν μικτά υποδείγματα με αυτοπαλίνδρομο όρο και όρο κινητών μέσων, καθώς επίσης με χρήση εποχικού προτύπου (Seasonal Auto Regressive Integrated Moving Average Model) δηλαδή υποδείγματα της μορφής SARIMA. Τα υποδείγματα χρησιμοποιήθηκαν για την πρόβλεψη τιμών των χρονολογικών σειρών των ομάδων αίματος μέχρι τον Δεκέμβριο του 2020.","abstract_html":"Η ορθολογική διαχείριση των αποθεμάτων αίματος και παραγώγων είναι στις μέρες μας ,πιο αναγκαία από ποτέ. Ένας από τους βασικούς τρόπους βελτίωσης των αποθεμάτων ,είναι η εφαρμογή μοντέλων πρόβλεψης . Στην παρούσα εργασία έγινε προσπάθεια πρόβλεψης των αναγκών μετάγγισης ενός Νοσοκομείου . Μεθοδολογία: Πραγματοποιήθηκε στατιστική ανάλυση χρονολογικών σειρών με διερεύνηση των τεσσάρων βασικών συνιστωσών κάνοντας την υπόθεση περί πολλαπλασιαστικού υποδείγματος. Υπολογίστηκαν οι εποχικοί δείκτες της εκάστοτε χρονολογικής σειράς και ανιχνεύτηκε η μακροχρόνια τάση. Επίσης έγιναν οι κατάλληλοι έλεγχοι για την ύπαρξη αυτοσυσχέτισης, ύπαρξης στασιμότητας και υπολογίστηκαν τα κατάλληλα κριτήρια που εκφράζουν την προσαρμογή του μοντέλου. Αποτελέσματα: Για το σύνολο των χρονολογικών σειρών των ομάδων αίματος ταυτοποιήθηκαν μικτά υποδείγματα με αυτοπαλίνδρομο όρο και όρο κινητών μέσων, καθώς επίσης με χρήση εποχικού προτύπου (Seasonal Auto Regressive Integrated Moving Average Model) δηλαδή υποδείγματα της μορφής SARIMA. Τα υποδείγματα χρησιμοποιήθηκαν για την πρόβλεψη τιμών των χρονολογικών σειρών των ομάδων αίματος μέχρι τον Δεκέμβριο του 2020.","abstract_has_math":false,"creators":["Σκέρτσου Μαρία","Skertsou Maria"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2019,"date_issued":"2019","date_published":"2019","updated_at":"2026-11-19T05:35:51Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2879165"],"render_values":[{"text":"uoadl:2879165","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2879165","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2879165","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2879165","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Σκέρτσου Μαρία","Skertsou Maria"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2019"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2879165","https://pergamos.lib.uoa.gr/uoa/dl/object/2879165"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η ορθολογική διαχείριση των αποθεμάτων αίματος και παραγώγων είναι στις μέρες μας ,πιο αναγκαία από ποτέ. Ένας από τους βασικούς τρόπους βελτίωσης των αποθεμάτων ,είναι η εφαρμογή μοντέλων πρόβλεψης . Στην παρούσα εργασία έγινε προσπάθεια πρόβλεψης των αναγκών μετάγγισης ενός Νοσοκομείου . Μεθοδολογία: Πραγματοποιήθηκε στατιστική ανάλυση χρονολογικών σειρών με διερεύνηση των τεσσάρων βασικών συνιστωσών κάνοντας την υπόθεση περί πολλαπλασιαστικού υποδείγματος. Υπολογίστηκαν οι εποχικοί δείκτες της εκάστοτε χρονολογικής σειράς και ανιχνεύτηκε η μακροχρόνια τάση. Επίσης έγιναν οι κατάλληλοι έλεγχοι για την ύπαρξη αυτοσυσχέτισης, ύπαρξης στασιμότητας και υπολογίστηκαν τα κατάλληλα κριτήρια που εκφράζουν την προσαρμογή του μοντέλου. Αποτελέσματα: Για το σύνολο των χρονολογικών σειρών των ομάδων αίματος ταυτοποιήθηκαν μικτά υποδείγματα με αυτοπαλίνδρομο όρο και όρο κινητών μέσων, καθώς επίσης με χρήση εποχικού προτύπου (Seasonal Auto Regressive Integrated Moving Average Model) δηλαδή υποδείγματα της μορφής SARIMA. Τα υποδείγματα χρησιμοποιήθηκαν για την πρόβλεψη τιμών των χρονολογικών σειρών των ομάδων αίματος μέχρι τον Δεκέμβριο του 2020.","The rational use of blood inventory is needed, nowadays ,more than ever. An essential way to improve blood utilization is the application of forecasting models. Finding an effective method to predict hospital’s needs of transfusion motivate this study. Methodology : A time series statistical analysis was held ,investigating the four basic components and assuming a multiplicative model. The seasonal indexes of each time series were calculated and the long term tendency was detected .In addition , the appropriate tests for the existence of auto-correlation were conducted and the appropriate criteria expressing the adjustment of the model were calculated. Results: For all blood groups time –series mixed models of Seasonal Auto Regressive Integrated Moving Average Model-SARIMA model were identified. These models were applied in order to predict the values of the blood groups time-series until December 2020."]},{"key":"dc:title","label":"Title","values":["Μοντέλα πρόβλεψης αναγκών μετάγγισης. Το μοντέλο ενός νοσοκομείου."]}]}],"canonical_facts":{"dc:creator":["Σκέρτσου Μαρία","Skertsou Maria"],"dc:date":["2019"],"dc:description":["Η ορθολογική διαχείριση των αποθεμάτων αίματος και παραγώγων είναι στις μέρες μας ,πιο αναγκαία από ποτέ. Ένας από τους βασικούς τρόπους βελτίωσης των αποθεμάτων ,είναι η εφαρμογή μοντέλων πρόβλεψης . Στην παρούσα εργασία έγινε προσπάθεια πρόβλεψης των αναγκών μετάγγισης ενός Νοσοκομείου . Μεθοδολογία: Πραγματοποιήθηκε στατιστική ανάλυση χρονολογικών σειρών με διερεύνηση των τεσσάρων βασικών συνιστωσών κάνοντας την υπόθεση περί πολλαπλασιαστικού υποδείγματος. Υπολογίστηκαν οι εποχικοί δείκτες της εκάστοτε χρονολογικής σειράς και ανιχνεύτηκε η μακροχρόνια τάση. Επίσης έγιναν οι κατάλληλοι έλεγχοι για την ύπαρξη αυτοσυσχέτισης, ύπαρξης στασιμότητας και υπολογίστηκαν τα κατάλληλα κριτήρια που εκφράζουν την προσαρμογή του μοντέλου. Αποτελέσματα: Για το σύνολο των χρονολογικών σειρών των ομάδων αίματος ταυτοποιήθηκαν μικτά υποδείγματα με αυτοπαλίνδρομο όρο και όρο κινητών μέσων, καθώς επίσης με χρήση εποχικού προτύπου (Seasonal Auto Regressive Integrated Moving Average Model) δηλαδή υποδείγματα της μορφής SARIMA. Τα υποδείγματα χρησιμοποιήθηκαν για την πρόβλεψη τιμών των χρονολογικών σειρών των ομάδων αίματος μέχρι τον Δεκέμβριο του 2020.","The rational use of blood inventory is needed, nowadays ,more than ever. An essential way to improve blood utilization is the application of forecasting models. Finding an effective method to predict hospital’s needs of transfusion motivate this study. Methodology : A time series statistical analysis was held ,investigating the four basic components and assuming a multiplicative model. The seasonal indexes of each time series were calculated and the long term tendency was detected .In addition , the appropriate tests for the existence of auto-correlation were conducted and the appropriate criteria expressing the adjustment of the model were calculated. Results: For all blood groups time –series mixed models of Seasonal Auto Regressive Integrated Moving Average Model-SARIMA model were identified. These models were applied in order to predict the values of the blood groups time-series until December 2020."],"dc:identifier":["uoadl:2879165","https://pergamos.lib.uoa.gr/uoa/dl/object/2879165"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Μοντέλα πρόβλεψης αναγκών μετάγγισης. Το μοντέλο ενός νοσοκομείου."],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:35:51Z"}