انفورماتیک سلامت و زیست پزشکی
سال:1396 | دوره:4 | شماره:2 |تعداد مقالات:8

مقدمه: امروزه با توجه به توسعه روز افزون علم پرستاری و افزایش تقاضا برای بهبود و ارتقای کیفیت مراقبت های پرستاری، ضرورت تلفیق علم انفورماتیک با علم پرستاری، به جهت مدیریت صحیح اطلاعات پرستاری، بیش از پیش خود نمایی می کند، بنابراین مطالعه حاضر با هدف توسعه سیستم الکترونیک اطلاعات پرستاری به عنوان گامی در راستای تلفیق علم انفورماتیک با علم پرستاری، انجام شد.روش: مطالعه با استفاده از رویکرد اقدام پژوهی تکنیکی انجام شد. مراحل مطالعه شامل توسعه سیستم الکترونیک اطلاعات پرستاری، اجرا و ارزشیابی آن بود. سیستم در بخش مراقبت ویژه نوزادان با مشارکت پرستاران در سال 1395 اجرا شد. نتایج کمی ارزشیابی سیستم با استفاده از روش های آمار توصیفی و داده های کیفی حاصل از مصاحبه ها با استفاده از روش تحلیل محتوا و کد گذاری قراردادی مورد تجزیه و تحلیل قرار گرفت.نتایج: نتایج پرسشنامه های رضایت سنجی حاکی از رضایت پرستاران از اجزا و کاربرد سیستم الکترونیک بود. سطح اطلاعات دارویی و اطلاعات مربوط به فرآیند پرستاری پرستاران نیز بعد از استفاده از سیستم افزایش یافت. تحلیل محتوای یافته های کیفی نیز منجر به استخراج طبقات اصلی ارتقاء کیفیت مراقبت ها، بهبود فرآیند مستندسازی، ارتقاء حرفه ای، آموزش و یادگیری مداوم، تلفیق تئوری و عمل در کاربرد فرآیند پرستاری، موانع انسانی و تجهیزاتی شد. نتیجه گیری: نتایج مثبت مطالعه حاضر نشان داد که توجه به مواردی مثل طراحی سیستم الکترونیک بومی مبتنی بر نیازهای پرستاران و مشارکت فعال ذینفعان در همه مراحل انجام مطالعه، توانست گامی هرچند کوچک ولی موفق به سوی کاربرد موثر از علم انفورماتیک در علم پرستاری بردارد.

مقدمه: ابتلا به بیماری دیابت و تاثیر آن بر روی عملکردهای فردی و اجتماعی بیماران، هزینه های بالایی برای جوامع ایجاد می کند. با کنترل قندخون بیماران دیابتی می توان از بروز عوارض ناگوار این بیماری جلوگیری نمود. مطالعه پیش رو با هدف بهینه سازی درمان دارویی بیماری دیابت نوع 2 انجام شده است.روش: در این مطالعه کاربردی- پیمایشی، زمان بندی و توالی درمان های دارویی کنترل قندخون با رویکرد فرآیند تصمیم گیری مارکوف مدل می شود. برای نزدیکی مدل به واقعیت، مباحث هزینه ای، ارزش زمانی پول و تورم در نظر گرفته می شود تا درمان دارویی بیماری دیابت، به صورت اقتصادی برنامه ریزی شود. مصرف داروهای ضد دیابت، باعث بروز هایپوگلیسمی در بیماران دیابتی با سنین بالا می شود. از این رو، رویکرد پیشگیری از هایپوگلیسمی در سنین بالا، بر روی مدل پیشنهادی اعمال و تاثیر آن مورد تجزیه و تحلیل قرار داده شد. عملکرد مدل پیشنهادی و کارآیی سیاست بهینه حاصل، با گایدلاین های بالینی مورد مقایسه قرار گرفت. به منظور بررسی رفتار مدل، تجزیه و تحلیل حساسیت بر روی پارامترهای هزینه ای نیز صورت پذیرفته است.نتایج: مدل پیشنهادی عملکرد بهتری نسبت به گایدلاین بالینی بیماری دیابت برای کنترل قندخون نشان داده است. مباحث هزینه ای بر روی برنامه درمانی تاثیرگذار بوده و لازم است که برای برنامه ریزی اقتصادی درمان دارویی بیماری دیابت لحاظ شود.نتیجه گیری: با بهینه سازی تصمیم های درمان دارویی بیماری دیابت می توان نه تنها دوره عمر با کیفیت بیماران را بهبود بخشید، بلکه از هزینه های بالای آن بر روی نظام سلامت کشورها جلوگیری نمود.

مقدمه: امروزه استفاده از فناوری اطلاعات در آموزش به جهت برخورداری از مزایای بسیار از جمله امکان استفاده در هر زمان و مکان، از مهم ترین اهداف بسیاری از موسسات آموزشی در سراسر جهان و ایران می باشد. جهاد دانشگاهی واحد علوم پزشکی تهران به عنوان یکی از برگزارکنندگان دوره های آموزشی تخصصی، اقدام به برگزاری برخی دوره های آموزشی الکترونیکی نموده است. در این پژوهش سعی داشتیم که نقش هر یک از عوامل موثر در آموزش الکترونیکی را در میزان موفقیت این نوع آموزش مورد بررسی قرار دهیم.روش: در این پژوهش توصیفی میزان تاثیر هریک از این شش عامل از دیدگاه چهار گروه از شرکت کنندگان دوره ها، اساتید، کارکنان و مدیران جهاد دانشگاهی، با استفاده از پرسشنامه محقق ساخته شامل 39 سوال در مقیاس لیکرت، در سال تحصیلی 90-1389 مورد بررسی قرار گرفته است. پرسشنامه از طریق پست الکترونیک برای 420 نفر ارسال شد و در مجموع 188 نفر در این پژوهش مشارکت کردند. داده های جمع آوری شده با استفاده از نرم افزار SPSS و روش های آمار توصیفی و استنباطی تحلیل شدند.نتایج: نتایج به دست آمده از دیدگاه چهار گروه مشارکت کننده بیانگر اهمیت بالای کلیه عوامل مورد بررسی در پژوهش به ترتیب مدیریت، محتوای آموزشی، امکانات مورد نیاز، یاد دهنده، قوانین و مقررات و یادگیرنده می باشد.نتیجه گیری: هرچند که تفاوت بین عوامل موثر ناچیز است، اما همت مضاعف مسوولان در برطرف کردن کاستی های و نقاط ضعف سه عامل اصلی و موثر مدیریت، محتوای آموزشی و امکانات مورد نیاز در موفقیت آموزش الکترونیک مورد نیاز است.

مقدمه: با شروع فصل تابستان، بیماری بین انسان و حیوان، یعنی تب کریمه کنگو به سرعت شیوع پیدا می کند. تشخیص این بیماری با استفاده از آزمایش های لازم، در کمترین حالت زمانی حدود یک هفته به طول می انجامد. روش های داده کاوی و یادگیری ماشین متعددی برای ایجاد مدل های پیشگویی کننده جهت شناسایی افراد در معرض خطر وجود دارد. در این پژوهش از درخت تصمیم C4.5 به دلیل سادگی و کارآمدی اش به منظور تشخیص این بیماری استفاده شده است.روش: این پژوهش از نوع کاربردی و توصیفی است. در این پژوهش از داده های مربوط به افراد مظنون به بیماری تب کریمه کنگو استفاده شد. این داده ها در یک دوره 4 ساله از سال 1393 از مراکز درمانی کشور جمع آوری شد. این پایگاه داده شامل 965 رکورد و 28 ویژگی است. ابتدا با استفاده از روش انتخاب ویژگی برنامه نویسی درجه دو، متغیرهای موثر و تاثیرگذار بر مدل انتخاب و سپس درخت تصمیم C4.5 با به کارگیری متغیرهای ورودی و تعیین متغیر هدف ایجاد گردید. تجزیه و تحلیل داده ها به کمک نرم افزار Matlab صورت گرفت.نتایج: با توجه به مدل مشخص شد که متغیرهایی همچون تب، خون ریزی، شروع ناگهانی علائم، افزایش آنزیم های کبدی، افزایش بیلی روبین توتال، کاهش هموگلوبین، Hematuria، Leukocytosis، Proteinuria و Leukopenia بیشترین تاثیر را در تشخیص به این بیماری دارند.نتیجه گیری: نتایج نشان می دهد که معیار حساسیت مدل پیشنهادی، 95 % و معیار تشخیص آن 50 % است که در مقایسه با مطالعات انجام شده دیگر در حوزه داده کاوی پزشکی، از اثربخشی قابل قبولی در تشخیص این بیماری برخوردار است.

مقدمه: با توجه به اهمیت واحد مدیریت اطلاعات سلامت در بهبود ارائه خدمات بهداشتی و درمانی مطالعه حاضر با هدف بررسی عملکرد بخش مدیریت اطلاعات سلامت بیمارستان ولیعصر (عج) شهر تهران در سال 1396 انجام گردیده است.روش: مطالعه حاضر یک مطالعه کاربردی از نوع کمی-کیفی است که در سال 1396 انجام شد. برای جمع آوری داده ها در بخش کمی از یک چک لیست روا و پایا استفاده گردید و در بخش کیفی تعداد 8 مصاحبه انجام گردید. برای تحلیل داده های بخش کمی از نرم افزار Excel و برای بخش کیفی از نرم افزار MAXQDA استفاده گردید.نتایج: نتایج مطالعه نشان داد که واحد کدگذاری عملکرد ضعیف تری نسبت به سایر واحد ها داشته است (37.2 از 3). مشکلات بخش مدیریت اطلاعات سلامت بیمارستان ولیعصر (عج) نیز در پنج دسته اصلی سازمانی، نیروی انسانی، مالی، زیرساختی و سخت افزاری و دانش و تخصصی طبقه بندی می شوند، از مهم ترین اقدامات انجام شده هم می توان به اسکن کردن اوراق اصلی اشاره نمود.نتیجه گیری: با توجه به نتایج مطالعه حاضر پیشنهاد می‎ شود مسوولین امر در توجه ویژه و داشتن دید تخصصی به بخش مدیریت اطلاعات سلامت اهتمام ورزند.

مقدمه: با توجه به اهمیت فشارخون بالا، کنترل و ثابت نگه داشتن سطح فشارخون در حالت نرمال بسیار حائز اهمیت است. هدف از این پژوهش، طراحی سیستم برای کنترل و تنظیم فشارخون موثر شریانی با استفاده از داروی سدیم نیتروپروساید به کمک کنترلر فازی است.روش: پژوهش حاضر از نوع کاربردی است که به روش مقطعی انجام شد. برای انجام این پژوهش ابتدا مطالعات مرتبط در حوزه طراحی مدل های ریاضی برای تنظیم فشارخون بررسی شدند. سپس با بررسی نتایج این مطالعات، بهترین مدل انتخاب شده و تغییرات لازم بر روی آن اعمال گردید. در مرحله آخر کنترلر فازی برای تنظیم فشارخون طراحی گردید، تمام عملیات طراحی و اجرای سیستم فازی در محیط نرم افزار متلب نسخه 2010 انجام شد.نتایج: در مرحله اول با اعمال کنترلر فازی، خروجی تغییرات سریع و ناگهانی داشت، لذا با اعمال اصلاحات در جهت بهبود کنترلر، سیستم توانست فشارخون بیمار را در زمان حدود 3 دقیقه، کنترل و به حالت نرمال خود برگرداند، اما بازهم خروجی کنترلر دارای تغییرات سریعی بود، لذا با اعمال یک کنترلر فیلتر شده، نتایج نشان داد که فرکانس های بالا کنترل و در زمان حدود 1 دقیقه فشارخون، تنظیم و ثابت ماند.نتیجه گیری: با استفاده از کنترل فازی و استفاده از مدل های ریاضی معتبر، می توان فشارخون بیمار را تنظیم و ثابت نگه داشت. روش های کلاسیک در برخورد با سیستم های بیولوژیکی وابستگی شدید به پارامترهای مدل دارند، اما کنترل فازی در برخورد با عدم قطعیت، پاسخ و سرعت عمل قابل قبولی را ارائه می دهد.

مقدمه: بازشناسی فعالیت های مختلف حسی- حرکتی در سامانه های واسط مغز و رایانه با مباحث بازشناسی الگو در ارتباط است. یکی از مسائل مهم در طراحی یک سامانه موثر واسط مغز و رایانه، چگونگی کاهش تعداد ویژگی های استخراج شده از سیگنال های مغزی است. استفاده از الگوریتم های انتخاب ویژگی یکی از مهم ترین مراحل در زمینه بازشناسی الگو می باشد. کاهش تعداد ویژگی ها می تواند در بهبود دقت و کارایی طبقه بند ها و در نتیجه کاهش هزینه ها موثر واقع شود.روش: در این مقاله انتخاب ویژگی با استفاده از دو الگوریتم جستجوی گرانشی باینری بهبود یافته و بهینه ساز جمعیت مورچگان باینری پیشرفته بر روی مجموعه داده های مربوط به سیگنال های مغزی 9 فرد سالم جهت تفکیک تصور حرکت دست چپ و راست، صورت گرفت. ویژگی ها در 6 زیر باند مختلف استخراج شده اند. دو طبقه بند ماشین بردار پشتیبان و k نزدیک ترین همسایه با استفاده از ویژگی های انتخاب شده بر روی نمونه ها اعمال شد. داده ها در محیط متلب و توسط جعبه ابزار EEGLAB پردازش شده است.نتایج: نرخ طبقه بندی در سیستم پیشنهادی بالای 80 درصد است. با استفاده از روش های انتخاب ویژگی، باندهای فرکانسی و ویژگی های موثر جهت طبقه بندی حرکت دست چپ و راست استخراج شده اند.نتیجه گیری: نتایج نشان دهنده بهبود نتایج پس از اعمال الگوریتم جستجوی گرانشی باینری بهبود یافته و طبقه بند نزدیک ترین همسایه می باشد.

مقدمه: پرونده الکترونیک سلامت حاوی اطلاعات بالینی زیادی است که برای فعالیت هایی چون پایش بهداشت عمومی، بهبود کیفیت و تحقیقات مورد استفاده قرار می گیرد. همچنین پرونده الکترونیک سلامت شامل اطلاعات سلامت قابل شناسایی است و همین موضوع اشتراک و استفاده ثانویه از پرونده ها را محدود می کند. شناسه زدایی یکی از رایج ترین روش های حفظ محرمانگی اطلاعات بیماران است. این مقاله مروری نظام مند بر تحقیقات اخیر می باشد، که به حذف تمامی شناسه ها از پرونده الکترونیک سلامت با استفاده از انواع روش های شناسه زدایی مبتنی بر یادگیری ماشین پرداخته اند.روش: این مقاله به صورت مروری نظام مند در بازه زمانی 2016 - 2006 در پایگاه های PubMed و Science direct انجام شد. مقالات با استفاده از چک لیست CASP و سپس توسط دو ارزیاب به طور مستقل بررسی و ارزشیابی شدند. در نهایت 12 مقاله با معیارهای ورود مطالعه همخوانی داشتند.نتایج: مقالات منتخب بر اساس روش و منابع دانش مورد استفاده، انواع شناسه ها، نوع اسناد بالینی، چالش ها و نتایج حاصل بررسی شده اند. نتایج نشان داد که در زمان انتشار داده های بالینی برای اهداف ثانویه شناسه زدایی مبتنی بر یادگیری ماشین راهکاری مناسب برای حفظ حریم خصوصی بیماران است. همچنین ترکیب الگوریتم های یادگیری ماشین و روش هایی چون تطابق الگو و عبارات منظم می تواند نیاز به داده آموزش را کاهش دهد.نتیجه گیری: در پرونده های پزشکی اطلاعات شناسایی زیادی وجود دارد. این مطالعه نشان داد که روش های شناسه زدایی مبتنی بر یادگیری ماشین می توانند به طرز چشمگیری خطر افشای این اطلاعات را کاهش دهند.