انفورماتیک سلامت و زیست پزشکی
سال:1395 | دوره:3 | شماره:4 |تعداد مقالات:8

مقدمه: اهمیت نقش کاربران در موفقیت یا شکست سیستم های اطلاعات بیمارستان و عوامل موثر بر پذیرش آن در پیاده سازی موفق این سیستم ها آشکار است. هدف پژوهش حاضر شناخت وضعیت پذیرش و استفاده کاربران بخش مدارک پزشکی از سیستم های اطلاعات بیمارستان در بیمارستان های آموزشی اصفهان با استفاده از مدل UTAUT بود. روش: مطالعه حاضر کاربردی و تحلیلی بود. جامعه پژوهش کارکنان بخش مدارک پزشکی 11 مورد از بیمارستان های آموزشی شهر اصفهان بود، از واحدهای این بخش (شامل پذیرش، کدگذاری، بایگانی و آمار) یک کاربر در دسترس انتخاب شد. از آنجا که در برخی از واحدهای بایگانی سیستم اطلاعات بیمارستان فعال نیست، در مجموع 39 نفر وارد مطالعه شدند. ابزار گردآوری داده ها پرسشنامه بود. روایی پرسشنامه مورد تایید 10 نفر از اساتید قرار گرفت و پایایی آن با آزمون آلفای کرونباخ 89 درصد به دست آمد. داده ها با ضریب همبستگی پیرسون، آنالیز واریانس یک طرفه و متناظر ناپارامتری و آزمون کروسکال والیس و با استفاده از نرم افزار SPSS نسخه 21 تحلیل شد.نتایج: یافته ها حاکی ازهمبستگی قوی بین تمایل رفتاری با انتظار عملکردی (r=0.488)، تاثیرات اجتماعی (r=0.0607) و انتظار کوششی (r=0.304) و همبستگی ضعیف بین تمایل رفتاری و شرایط تسهیل کننده (r=0.197) بود. نتیجه گیری: نتایج حاکی از آن است که کارکنان بخش مدارک پزشکی در بیمارستان های آموزشی اصفهان استفاده از سیستم اطلاعات بیمارستان را موجب پیشرفت عملکرد شغلی خود می دانند و به نظر می رسد جهت ارتقای سیستم های موجود، انتظارات و نیازهای کاربران یک عامل مهم به منظور اجرای موفق سیستم های اطلاعاتی در بخش سلامت باشد.

مقدمه: بیماری عروق کرونری، شایع ترین نوع بیماری قلبی و عامل اصلی مرگ و میر در کشورهای صنعتی می باشد. این پژوهش با هدف طراحی یک سیستم خبره با دقت بالا برای تشخیص بیماری عروق کرونری قلب انجام شد.روش: این مطالعه از نوع کاربردی بوده و از 14 ویژگی مربوط به 303 نفر که تحت آنژیوگرافی کرونری قرار گرفتند استفاده شده است. برای تشخیص دقیق تر بیماری عروق کرونری، نتایج سه روش کلاسه بندی شبکه های عصبی، بیزین ساده و نزدیکترین k همسایه با استفاده از تئوری ترکیب شواهد دمستر - شافر ترکیب شده است. از نسخه 7. 3 نرم افزار داده کاوی Weka و همچنین زبان برنامه نویسی C# در محیط. Net Framework برای پیاده سازی روش استفاده گردید. برای ارزیابی کارایی، روش 10- Fold cross validation بکار برده شد.نتایج: نتایج نشان داد که میانگین دقت (Accuracy)، حساسیت (Sensitivity) و ویژگی (Specificity) در روش پیشنهادی به ترتیب 90.1 درصد، 89.09 درصد و 91.3 درصد می باشد که این مقادیر در مقایسه با هر یک از کلاسه بندهای شرکت کننده در ترکیب بیشتر بود و همچنین نسبت به تحقیقات مشابه، دقت بهتری در تشخیص افراد دارای بیماری عروق کرونری داشت.نتیجه گیری: تحلیل نتایج نشان می دهند که در جامعه آماری مورد مطالعه، روش پیشنهادی عملکرد بهتری در تشخیص بیماری عروق کرونری دارد و می تواند بعنوان یک سیستم خبره، توسط متخصصین بالینی درگیر با بیماری قلبی، با هدف کمک به تصمیم گیری های بالینی و کاهش خطاها، بهبود زمان انتظار در تشخیص بیماری و کاهش آزمایشات غیرضروری پزشکی استفاده گردد.

مقدمه: پرونده الکترونیک می تواند به عنوان یکی از فناوری های کلیدی در عرصه مراقبت سلامت مورد استفاده قرار گیرد که با قابلیت های فراوان خود ابزار کار آمدی را برای مستند سازی، تبادل اطلاعات و مشارکت سازمان های مراقبت سلامت فراهم کرده است. لذا مطالعه حاضر با هدف طراحی پرونده الکترونیک ناباروری با رویکرد طب سنتی صورت گرفت.روش: این پژوهش از نوع کاربردی- توسعه ای بود. پس از تکمیل پرسشنامه نیازسنجی اطلاعاتی توسط 20 نفر از متخصصین طب سنتی، داده ها با استفاده از آمار توصیفی در نرم افزار 22 spss تحلیل شد و سیستم بر پایه نتایج طراحی و در نهایت جهت ارزیابی قابلیت استفاده و رضایت کاربران در اختیار 10 نفر از متخصصین طب سنتی قرار گرفت.نتایج: پزشکان متخصص شرکت کننده، اکثریت عناصر داده ای پرسشنامه نیازسنجی را ضروری تشخیص داده و قابلیت استفاده از سیستم را در سطح خوب با میانگین امتیاز 8.6 (از مجموع نه امتیاز) ارزیابی نمودند. سیستم طراحی شده علاوه بر ذخیره، بازیابی و گزارش گیری از داده ها توانایی تغییر در داده های مورد استفاده در سامانه، ایجاد فرم های جدید، تغییر نحوه نمایش آیتم ها از نظر اندازه و نوع، با نظر کاربر و بدون نیاز به برنامه نویسی را دارد. نتیجه گیری: یافته های پژوهش حاکی از آن بود که طراحی و پیاده سازی پرونده الکترونیک پزشکی یک گام موثر در مدیریت داده های پزشکی بیماران نابارور با رویکرد طب سنتی می باشد. طراحی پرونده الکترونیک ناباروری با رویکرد طب سنتی منجر به افزایش کارایی موثر، عملکرد و ذخیره سازی و بازیابی داده های سلامت خواهد شد.

مقدمه: سیستم های پشتیبان تصمیم گیری، همراه با فناوری وب معنایی رویکردی نوین جهت کمک به پزشکان در تشخیص انواع بیماری ها ایجاد می کنند. از طرفی، هستی شناسی پزشکی یک مدل دانش از دامنه بالینی شامل تمام مفاهیم مرتبط به تشخیص، درمان، روش های بالینی و داده های بیمار است.روش: این پژوهش که از نوع توسعه ای-کاربردی می باشد و سیستمی جهت تشخیص بیماری در حوزه های مختلف پزشکی با یک علامت مشترک درد قفسه سینه طراحی شده است. سیستم پیشنهادی انواع علائم، تست های تشخیصی، همچنین ماهیت متداخل بیماری را مبنی بر اینکه یک بیماری می تواند به عنوان یک عنصر تشخیصی از بیماری دیگر باشد را مورد توجه قرار داده و با استفاده از نرم افزار پروتیج و زبان برنامه نویسی مبتنی بر قانون جنا داده های واقعی بیماران بیمارستان شفا کرمان را مورد بررسی قرار داده است.نتایج: برای ارزیابی روش پیشنهادی، نتایج به دست آمده با روش های کلاسیک و چند سطحی از لحاظ تشخیص بیماری و تعداد قوانین مورد نیاز مقایسه شده است که روش پیشنهادی بر خلاف روش کلاسیک قابلیت تشخیص بیماری در داخلی ترین سطح را داشته و همچنین بر خلاف روش چند سطحی تنها با هفت قانون در بدترین شرایط (افزایش سطوح بیماری متداخل) توانایی تشخیص بیماری در حوزه های مختلف با علامت مشترک درد قفسه سینه را دارا می باشد.نتیجه گیری: روش تشخیص موجودیت محور چندسطحی به کمک فناوری معنایی، ابزاری کارا جهت سیستم های تشخیص پزشکی می باشد.

مقدمه: یکی از شایع ترین بیماری ها و علل مرگ و میر در دنیای امروز بیماری های قلبی است. استفاده از تکنیک های داده کاوی برای ایجاد مدل های پیشگویی کننده، جهت شناسایی افراد در معرض خطر برای کاهش عوارض ناشی از بیماری بسیار کمک کننده است. در این پژوهش با استفاده از درخت تصمیم C4.5 به روش های پیشگیری و تشخیص این بیماری پرداخته می شود.روش: این پژوهش از نوع کاربردی و توصیفی می باشد. در این پژوهش از داده های استاندارد UCI و مجموعه داده Cleveland استفاده نمودیم. این پایگاه داده شامل 297 رکورد می باشد. تجزیه و تحلیل به کمک نرم افزار Weka با به کارگیری متدولوژی CRISP3 انجام شده است. در بخش مدل سازی درخت تصمیم C4.5 با به کارگیری متغیرهای ورودی و تعیین متغیر هدف ایجاد شد.نتایج: با توجه به مدل استفاده شده مشخص شد که به ترتیب متغیرهای سطح بالای کلسترول، جنسیت، سن بالا، بالا بودن ماکزیمم ضربان قلب، اسکن تالیوم بالاتر از 3 و نوار قلب غیرنرمال بیشترین تاثیر را در ابتلا به بیماری عروق کرونر قلبی دارا هستند. همچنین به کمک درخت تصمیم ایجاد شده، قوانینی استخراج شده است که می تواند به عنوان الگویی در جهت پیشگویی احتمال ابتلا افراد به بیماری عروق کرونر قلبی استفاده شود. صحت مدل ایجاد شده با استفاده از درخت تصمیم بیش از 80 درصد بوده است.نتیجه گیری: با توجه به محاسبات انجام شده، نرخ دسته بندی برابر با 72.6% و دقت الگوریتم C4.5 برابر با 80.2% به دست آمد که در مقایسه با نتایج مطالعات انجام شده در حوزه داده کاوی بیماری قلبی، دقت به دست آمده الگوریتم پیشنهادی قابل قبول است.

مقدمه: تشخیص ندول های ریوی به کمک رادیولوژی یکی از روش های تشخیص زودرس سرطان در تصاویر سی تی اسکن است. یکی از چالش های اصلی برای تشخیص ندول های ریوی، مشکل شناسایی و تفکیک ندول های ریوی از اجزا ریه می باشد. در این پژوهش یک سیستم تشخیص به کمک کامپیوتر جهت شناسایی این ندول ها معرفی شده است.روش: این پژوهش مطالعه ای توصیفی، تحلیلی بوده که به روی 97 تصویر سی تی اسکن انجام شده است. جهت تشخیص ندول های ریوی از طبقه بندی کننده ماشین بردار پشتیبان و الگوریتم ژنتیک به کمک نرم افزار متلب استفاده شده است.نتایج: در این پژوهش در مورد ریه، سعی در دسته بندی نواحی تصاویر، به دو دسته دارای ندول و بدون ندول شده است. تحقیق حاضر درصدد ایجاد چارچوبی کاملا خودکار برای شناسایی ندول های ریوی در تصاویر سی تی اسکن قفسه سینه می باشد. این چارچوب بخشی اساسی از سیستم شناسایی به کمک کامپیوتر بوده که در شناسایی دقیق و سریع تر ندول های ریوی به رادیولوژیست کمک می نماید.نتیجه گیری: با توجه به نتایج حاصل از این مطالعه، برای تشخیص مناطق مشکوک به ندول، سیستم پیشنهادی به طور موثری در تشخیص ندول های مشکوک و مناطق آن ها نسبت به روش های قبلی بهتر عمل کرده است.

زمینه و هدف: اکثر قریب به اتفاق داروها با اتصال به پروتئین هدف خود عمل می کنند. پیش بینی برهمکنش بین مولکول های کوچک و پروتئین ها، یک عنصر کلیدی در فرایند کشف دارو محسوب می شود. پیشرفت در ژنتیک ساختاری، دسترسی به ساختارهای سه بعدی پروتئین هایی که مورد هدف دارو قرار می گیرند را برای ما امکان پذیر کرده است. با توجه به اینکه پروسه های آزمایشگاهی در ارتباط با بررسی برهمکنش های بین دارو و پروتئین هدف آن با صرف هزینه و انرژی بالا صورت می گیرد، بهره گیری از روش های in silico می تواند راهکار موثری برای ارائه ی اطلاعات مفید در حمایت از روش های تجربی باشد.روش بررسی: در این پژوهش نحوه برهمکنش آندروژن رسپتور با داروی بیکالوتامید، به عنوان یک داروی پرکاربرد در درمان سرطان پروستات، با استفاده از آنالیزهای محاسباتی مورد بررسی قرار گرفته است.یافته ها: اطلاعات حاصل از این پژوهش نشان داد، اسیدهای آمینه Met-895، Trp-741، Arg-752، Ile-899، Leu-707، Gly-708، Gln-711، Met-745، Met-749، Thr-877، Phe-764 و Met-742 که در پیوند هیدروفوب و اسیدهای آمینه Asn-705 و Leu-704 که در پیوند هیدروژنی با دارو قرار دارند، نقش بسزایی در برهمکنش میان این پروتئین و دارو ایفا می نمایند.نتیجه گیری: نتایج حاصل را می توان در مراحل بعد، جهت بررسی مقاومت های دارویی به بیکالوتامید و نیز جهت طراحی داروهایی کارآمدتر مورد استفاده قرار داد.

مقدمه: با پیشرفت فناوری در دهه اخیر، استفاده از الگوریتم های یادگیری ماشین در پیش بینی بیماری ها بسیار حائز اهمیت و رو به افزایش است. هدف از مطالعه حاضر بررسی اهمیت یکی از الگوریتم های پرکاربرد در پیش بینی بیماری ها به نام شبکه بیزین ساده و همچنین دسته بندی مقالات مرتبط با پیش بینی بیماری ها با الگوریتم های داده کاوی می باشد.روش: مطالعه حاضر یک پژوهش مروری نظام مند است. جستجوی کامل از طریق پایگاه های داده آنلاین و موتورهای جستجو از قبیل Scopus، Science Direct، Web of Science و Medline برای یافتن مقالات در بازه زمانی سال های 2007 تا 2017 انجام گرفت. نتایج: در مجموع 90 چکیده یافت شد که 27 مقاله با معیارهای ورود و خروج مطالعه همخوانی داشت. شبکه بیزین ساده در مقایسه با بقیه الگوریتم های موجود برای پیش بینی بیماری ها قرار گرفت که در 92 درصد (25 از 27 مقاله) نتایج، الگوریتم بیزین از کارایی بهتری برخوردار بود. نتایج پژوهش انجام شده موید اثربخشی الگوریتم بیزین ساده در پیش بینی بیماری ها بود.نتیجه گیری: شبکه بیزین ساده یکی از بهترین روش های پیش بینی بیماری ها در مقایسه با نظر متخصصان و الگوریتم های موجود دیگر می باشد که می تواند به عنوان روش حمایتی در کنار تصمیمات پزشکان قرار گیرد تا صحت پیش بینی بیماری ها را ارتقاء دهد.