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

مقدمه: پرونده الکترونیک سلامت، جمع آوری الکترونیکی اطلاعات «تمام طول حیات یک فرد» می باشد که توسط ارائه دهندگان مراقبت بهداشتی ثبت و در واحد های مختلف نظام ارائه خدمات سلامت به اشتراک گذاشته می شود. ایجاد پرونده الکترونیک سلامت از سال 1394 با راه اندازی سامانه سیب به همه دانشگاه های علوم پزشکی کشور ابلاغ شد. این مطالعه به منظور تعیین رضایت مندی پزشکان خانواده شهری و مراقبین سلامت استان های فارس و مازندران از سامانه سیب انجام گرفت. روش: این مطالعه مقطعی در زمستان 1395 انجام گرفت. جامعه پژوهش پزشکان خانواده شهری و مراقبین سلامت بودند که به صورت نمونه گیری تصادفی منظم انتخاب شدند. ابزار جمع آوری داده ها پرسشنامه محقق ساخته شامل 2 بخش متغیرهای فردی با 8 سوال باز و بسته و رضایتمندی با 8 سوال بسته در مقیاس لیکرت بوده که روایی و پایایی آن مورد تایید قرار گرفت. نتایج: از 464 نفر مورد مطالعه، 236 نفر (50/9%) پزشک و 228 نفر (49/1 %) مراقب سلامت، 273 (نفر(58/8%) شاغل استان فارس و 191 نفر (41/2%) شاغل استان مازندران بودند. اکثریت افراد (65/5%) زن بودند. میانگین رضایت مندی افراد مورد مطالعه از سامانه سیب (از 5 نمره) در کل دو استان 0/8±2/94، در استان فارس 8/0±89/2 و در استان مازندران 0/7±3/03 بود. میانگین رضایت مندی پزشکان خانواده شهری 0/7±2/75 و مراقبین سلامت 0/8±3/04 بود. بین نوع شغل، استان های محل خدمت و رضایت مندی از سامانه سیب تفاوت معنی دار وجود داشت (0/0001=P)، (0/012=P). نتیجه گیری: این مطالعه نشان داد رضایت مندی شاغلین در برنامه پزشک خانواده شهری پایین تر از حد متوسط بود. پیشنهاد می گردد ساختار سامانه سیب متناسب با نیازهای ارائه دهندگان و به منظور کاربرمحور باز طراحی شود.

مقدمه: بیمارستان ها به عنوان مهم ترین واحدهای مصرف کننده منابع در بخش بهداشت و درمان از حساسیت زیادی در استفاده حداکثری از حداقل منابع موجود برخوردار هستند. نظر به اینکه در در دو دهه اخیر استفاده از پردازش کامپیوتری داده ها جهت استخراج دانش و ارتقاء سطح بهره وری و استفاده از منابع مورد توجه بسیاری از سازمان ها قرار گرفته است در این مطالعه، بهینه سازی تخصیص تخت های بخش مراقبت های ویژه بیمارستان شهید فقیهی شیراز با استفاده از بهینه سازی و ترکیب الگوریتم های ژنتیک و رقابت استعماری هدف گذاری شد. روش: در این مطالعه تحلیلی – مقطعی بیماران با استفاده از بهینه سازی و ترکیب الگوریتم های ژنتیک و رقابت استعماری در سه ماهه اول سال 1395 پایش و به بخش مراقبت های ویژه تخصیص داده شدند بدین منظور از تعداد بیماران، تعداد تخت ها، پزشکان و علائم حیاتی بیماران به عنوان ورودی و نحوه چینش بیماران و میزان بهینه سازی تخصیص به عنوان خروجی برای بررسی و تخصیص استفاده شد. جهت بررسی داده ها از نرم افزار Matlab نسخه 2012 استفاده گردید. نتایج: نتایج حاصل از این پژوهش نشان داد که الگوریتم رقابت استعماری به منظور بهینه سازی تخصیص تخت های بخش مراقبت های ویژه قلبی نسبت به الگوریتم ژنتیک کارایی بیشتری دارد و همچنین الگوریتم ترکیبی به دست آمده از آن دو الگوریتم، کارایی بهتری نسبت به الگوریتم رقابت استعماری داشت. نتیجه گیری: درروند پژوهش اولویت های بستری شدن بیماران و همچنین نحوه بستری شدن بیماران مشخص گردید و پیشنهادهایی جهت تخصیص تخت ها به بیماران نیز ارائه گردید.

مقدمه: سرطان سینه رایج ترین شکل سرطان در زنان است. اهمیت تشخیص سرطان سینه به عنوان یکی از موضوعات مهم در علم پزشکی مطرح می شود. تشخیص خوش خیم یا بدخیم بودن سرطان علاوه بر کاهش هزینه ها در جهت گیری نوع درمان از اهمیت فوق العاده ای برخوردار است. هدف از این پژوهش ارائه مدل هایی بر اساس داده کاوی است که قابلیت پیش بینی بیماری سرطان سینه را داشته باشند. روش: این مطالعه از نوع توصیفی-تحلیلی می باشد. پایگاه داده آن شامل 683 رکورد مستقل شامل 9 متغیر موجود در پایگاه داده یادگیری ماشین UCI می باشد. در این مقاله، از شبکه های عصبی مصنوعی پرسپترون ، بیزین و شبکه عصبی LVQ برای کلاس بندی سرطان سینه به دوکلاس خوش خیم و بدخیم استفاده شده است. از 80 % داده ها جهت آموزش و از 20 % باقی مانده جهت آزمون استفاده شد. نتایج: پس از پیش پردازش داده ها شبکه های عصبی متفاوت با معماری های مختلف مورد بررسی قرار گرفتند. در بهترین حالت خوش خیم یا بد خیم بودن سرطان را در شبکه های عصبی پرسپترون چند لایه و شبکه عصبی LVQ و بیزین با میانگین ده بار تست به ترتیب با دقت های 97/5% و 97/6% و 98/3% پیش بینی شد. بررسی های مطالعه نشان داد که شبکه عصبی بیزین در تشخیص بیماری موفق تر است. نتیجه گیری: سرطان پستان یکی از شایع ترین سرطان ها در بین زنان می باشد. تشخیص به موقع بیماری ضمن کاهش هزینه ها، شانس درمان موفقیت آمیز بیمار را افزایش می دهد. در این مطالعه ضمن تشخیص بیماری به کمک روش های داده کاوی، توانست با استفاده از شبکه عصبی بیزین به دقت بالایی در تشخیص بیماری دست یابد.

مقدمه: افزایش پیوسته درخواست خدمات تخصصی پوستی به همراه توزیع جغرافیایی نامتوازن این متخصصان، موجب محدودتر شدن دسترسی بیماران به این خدمات شده است. تله درماتولوژی یکی از راهکارهای نوآورانه می باشد که می تواند به عنوان راه حلی برای بهبود دسترسی به خدمات تخصصی پوستی با صرف حداقل منابع مادی، در کشورهای در حال توسعه مانند ایران مورد توجه قرار گیرد. روش: پژوهش حاضر از نوع کاربردی بوده و با هدف طراحی مجدد و ارزیابی نرم افزار تله درماتولوژی انجام شد. در این تحقیق، طراحی مجدد نرم افزار بعد از استفاده در محیط بالینی و با استفاده از نظرات کاربران انجام و نسخه نهایی نرم افزار تولید شد و مورد ارزیابی قرار گرفت. نتایج: امتیاز مربوط به میزان رضایتمندی کلی کاربران از نرم افزار طراحی شده، هشت از نه امتیاز ممکن بود. امتیازات به دست آمده به ترتیب: 7.8 برای واکنش کلی به سیستم، 8.5 برای ویژگی های صفحه نمایش و رابط کاربری ، 7.9 برای اصطلاحات و اطلاعات سیستم، 8.3 برای یادگیری و 7.5 برای قابلیت های کلی سیستم بود. نتیجه گیری: تجربیات کسب شده از این پژوهش نشان می دهدکه برای طراحی و استفاده موفقیت آمیز نرم افزارهایی که در حوزه بهداشت و سلامت بکار می روند، بایستی جریان کاری و فرآیندهای مربوط به ارائه خدمات بخوبی شناسایی، درک و مدلسازی شوند. همچنین برای افزایش قابلیت استفاده و رضایت کاربر، توسعه سیستم ها باید بر اساس اصول طراحی کاربر محور و مشارکت ذینفعان در تمام مراحل طراحی و توسعه سیستم باشد.

مقدمه: سندروم متابولیک به معنای وجود گروهی از عوامل خطر ساز برای بروز بیماری های قلبی- عروقی و دیابت در یک شخص است. وجود علائم و ویژگی های مختلف این بیماری، تشخیص را برای پزشکان دشوار می کند. داده کاوی امکان تحلیل داده های بالینی بیماران برای تصمیم گیری های پزشکی را فراهم می کند. هدف این مقاله، ارائه یک مدل برای افزایش دقت پیش بینی سندرم متابولیک است.روش: در این مطالعه کاربردی-توصیفی، پرونده پزشکی 1499 بیمار مبتلا به سندرم متابولیک با تعداد 15 ویژگی مورد بررسی قرار گرفت. اطلاعات بیماران از پایگاه داده استاندارد بیمارستان فوق تخصصی شهدای گارگر یزد جمع آوری شد. هر یک از بیماران حداقل به مدت یک سال تحت پیگیری بودند. در این مقاله برای پیش بینی و تشخیص سندرم متابولیک، از الگوریتم کلونی زنبور عسل برای بهینه سازی نتایج الگوریتم داده کاوی KNN استفاده شد و یک مدل جدید ارائه گردید.نتایج: بر اساس تابع هدف برای پیش بینی عارضه افزایش چربی خون از روش پیشنهادی، الگوریتم های گرگ خاکستری، ازدحام ذرات و ژنتیک برای بهبود عملکرد الگوریتم KNN استفاده شد. تحلیل های صورت گرفته نشان می دهد که مدل پیشنهادی با دقت پیش بینی 0.921 از روش های فازی، ماشین بردار پشتیبان، درخت تصمیم و شبکه عصبی دقت بیشتر دارد.نتیجه گیری: جستجو در پایگاه داده های پزشکی برای رسیدن به دانش و اطلاعات جهت پیش بینی، تشخیص و تصمیم گیری از کاربردهای داده کاوی در پزشکی است. می توان از الگوریتم های وراثتی برای بهینه سازی تکنیک های داده کاوی استفاده کرد. پیش بینی و تشخیص صحیح سندرم متابولیک با استفاده از هوش مصنوعی و یادگیری ماشین، شانس درمان موفق را بالا می برد.

مقدمه: نوکاردیا یکی از مهم ترین گروه از اکتینومایست های هوازی است که در خاک زندگی می کند و قادر است به وسیله تنفس و تلقیح تروماتیک به بدن انسان وارد شود و عفونت نوکاردیوزیس را به وجود آورد. روش های مولکولی یکی از بهترین روش های سریع و دقیق برای شناسایی و افتراق این گروه از باکتری ها می باشد. هدف از این مطالعه ارزیابی سه ژن خانه دار در تشخیص و تفریق مهم ترین گونه های نوکاردیا بود.روش: در این مطالعه مقطعی، ابتدا توالی ژن های 16S rRNA، gyrB و hsp65 برای ده گونه نوکاریا از بانک ژنی دریافت شد. سپس توالی ها به کمک نرم افزار های AL16S و jPhydit هم ردیف شدند، سپس اطلاعات به برنامه MEGA منتقل شد و در نهایت درخت فیلوژنتیک بر اساس هر یک از ژن های 16S rRNS، gyrb و hsp65 به طور جداگانه رسم شد.نتایج: تجزیه و تحلیل درخت فیلوژنتیک حاصل از ژن های 16S rRNA، gyrB و hsp65 نشان داد که همه این ژن ها گونه های نوکاردیا را تشخیص دادند. همچنین ژن gyrB بهترین گزینه برای ترسیم روابط فیلوژنتیک گونه نوکاردیا می باشد.نتیجه گیری: بر اساس پژوهش حاضر، برای شناسایی و افتراق صحیح گونه های نوکاردیا می بایست چند ژن خانه دار به طور همزمان مطالعه شود.

مقدمه: فناوری تلفن همراه، فرصت های جدیدی را برای سیستم های مراقبت بهداشتی کشورها فراهم نموده است. ارتقاء پیامد درمان های بهداشتی در گروه های مختلف بیماران از جمله منافع به کارگیری این ابزار می باشد. اگرچه به کارگیری سلامت همراه در کشور ایران نیز در حال گسترش است شواهدی بر وضعیت و جهت استفاده از این فناوری در سیستم سلامت وجود ندارد. هدف از این مطالعه بررسی تحقیقات منتشر شده در زمینه استفاده از سلامت همراه در نظام بهداشتی ایران است.روش: به منظور انجام یک تحقیق مروری، پایگاه داده PubMed با کلید واژه «سلامت تلفن همراه» و معادل آن که از «سرعنوان موضوع پزشکی» مورد جستجو قرار گرفت. پایگاه های ایرانی Iranmedx، Magiran و SID نیز با واژه های فارسی و انگلیسی سلامت همراه مورد جستجو قرار گرفت. استنادات بازیابی شده از جستجوی، به نرم افزار Endnote ارسال و بر اساس معیارهای تعیین شده مورد بررسی و ارزیابی قرار گرفتند.نتایج: تعداد 26 عنوان مقاله که معیارهای ورود به مطالعه را داشتند، نمونه پژوهش را تشکیل داد. در اغلب مطالعات پیام کوتاه متنی ابزار اصلی مداخله در سلامت همراه بود. نتایج حاکی از تاثیر معنی دار استفاده از سلامت همراه در بهبود مراقبت از بیماران بود.نتیجه گیری: سلامت تلفن همراه در ایران به علت ساختار جمعیت و گستردگی جغرافیایی می تواند در سیستم بهداشتی مورد استفاده قرار گیرد. بر اساس نتایج مطالعه، استفاده از سلامت همراه به خصوص در آموزش بیماران به جهت خود مراقبتی و جلوگیری از گسترش بیماری ها، بسیار موثر خواهد بود.

مقدمه: هستان شناسی ها کیفیت بازیابی اطلاعات را افزایش می دهند، بنابراین شناخت بیشتر فرآیند ساخت هستان شناسی ها و کاربرد آن ها در نظام های بازیابی اهمیت می یابد. هدف این مطالعه بررسی کاربردها و روش ساخت هستان شناسی هایی است که در نظام های بازیابی اطلاعات زیست پزشکی مبتنی بر هستان شناسی به کار رفته اند.روش: این پژوهش مروری از نظر روش مطالعه کتابخانه ای با رویکرد تحلیلی است. بازیابی اطلاعات مرتبط با موضوع پژوهش از پایگاه های اطلاعاتی پاب مد، اسکوپوس و وب آوساینس بدون محدودیت زمانی با استفاده از کلیدواژه های «Ontology-based biomedical Information Retrieval»، «Information Retrieval»، «Biomedical Information Retrieval»، «Ontology engineering»، «Ontology construction»، «Biomedical Ontology» و «Ontology building» انجام شد. 5 مقاله که به معرفی یک نظام بازیابی اطلاعات زیست پزشکی می پرداختند و در ذخیره یا بازیابی اطلاعات آن ها از هستان شناسی استفاده می شد، بررسی شدند.نتایج: مطالعات در زمینه بازیابی اطلاعات زیست پزشکی مبتنی بر هستان شناسی که از سال 2004 آغاز شده به یک کشور محدود نمی شوند. به طور کلی هدف استفاده از هستان شناسی ها استفاده از فراداده های معنایی است. اکثر مطالعات سعی دارند هستان شناسی های خاص خود را تولید کنند، اما استفاده مجدد از هستان شناسی های پیشین یک الویت است. مواد اولیه تولید هستان شناسی متون مرتبط با حیطه موضوعی است. هستان شناسی های مورد بررسی به صورت متمرکز تولید شده اند و از رویکردهای گروهی غیرمتمرکز استفاده نشده است.نتیجه گیری: هدف اصلی نظام ها برای به کارگیری هستان شناسی ها استفاده از آن ها برای تولید فراداده های معنایی برای کمک برای استدلال ماشینی است.