شاندیز مصلحی

"مقدمه: یکی از مسائل و مشکلاتی که بیمارستان با آن روبرو می شود شرایط بحرانی ناشی از بلایا می باشد. از جمله زیرساخت های نظام مدیریت اطلاعات بلایا دانش مدیریت بحران، فن آوری اطلاعات، ابزارهای اطلاع رسانی، منابع انسانی، سرمایه و ... می باشد. بنابراین بیمارستان ها برای مقابله ی مؤثر با شرایط بحرانی ناشی از بلایا باید یک برنامه ی مدون مدیریت اطلاعات بلایا و به دنبال آن فراهم آوری نظام های اطلاع رسانی به منظور آگاه سازی کارکنان بیمارستان برای مقابله با بحران را تهیه نماید. هدف از مطالعه ی حاضر نیز ارزیابی اقدامات اطلاع رسانی انجام شده برای کارکنان در هنگام وقوع بلایا در بیمارستان های دانشگاه علوم پزشکی شیراز بوده است. روش بررسی: پژوهش حاضر از نوع توصیفی از دسته ی مطالعات مقطعی و جامعه ی آماری در این پژوهش کل مسؤولین 9 عدد از بیمارستان های آموزشی وابسته به دانشگاه علوم پزشکی شیراز (28 نفر) بودند. ابزار جمع آوری اطلاعات پرسشنامه ای بود که روایی و پایایی آن در مطالعات قبلی سنجیده شده بود. روش جمع آوری داده ها مصاحبه بود که داده ها پس از جمع آوری با نرم افزار SPSS مورد بررسی و تحلیل قرار گرفت.یافته ها: نتایج نشان داد 5/55 درصد مترون ها و 5/77 درصد از مدیران جامعه ی پژوهشی دوره ی مدیریت بحران را گذرانده بودند. فقط 50 درصد بیمارستان های جامعه ی پژوهشی (پرسنل پرستاری) آموزش لازم را در مورد تخلیه ی سریع بیماران به هنگام بحران و شرایط اضطراری دیده بودند و در 1/11 درصد بیمارستان های جامعه ی پژوهشی کمیته ایمنی وجود داشت. نتیجه گیری: به هر حال بروز بی نظمی در دقایق اولیه ی پس از رخداد یک حادثه ی اجتناب ناپذیر است و یک مدیریت صحیح در صدد آن است که این زمان را به حداقل برساند. با توجه به نیاز مدیران اجرایی (مدیران و مترون ها) به گذراندن «دوره های آموزشی مدیریت بحران» برگزاری کلاس های آموزشی ضروری است."

مقدمه: پاندمی بیماری کووید-19 تأثیرات بسیاری بر روند دریافت خدمات پزشکی در بیماران مبتلا به بیماری های مزمن از جمله بیماری های قلبی و عروقی داشته است. معطوف شدن تمام توجه و تخصیص منابع جهت کنترل همه گیری کرونا، دسترسی بیماران قلبی و عروقی را به خدمات سلامت دچار مشکل نموده است. هدف از انجام این مطالعه شناسایی چالش های ارائه خدمات سلامت به بیماران قلبی و عروقی در زمان پاندمی کووید-19 در ایران بوده است. روش ها: این مطالعه از نوع کاربردی بود که با روش کیفی- توصیفی انجام شد. مشارکت کنندگان 15 نفر از متخصصین قلب و عروق، متخصصین طب اورژانس، متخصصین داخلی و پرستاران بخش قلب بودند. داده ها از طریق راهنمای مصاحبه به صورت نیمه ساختارمند جمع آوری شدند که به روش تحلیل محتوای کیفی با استفاده از نرم افزار MAXQDA تحلیل شد. یافته ها: بر اساس نتایج این مطالعه تعداد چهار طبقه اصلی و نُه زیرطبقه استخراج شد. طبقات اصلی شامل کمبود منابع در بخش قلب و عروق، ضعف در ارائه آموزش کارآمد و مؤثر، ضعف در برنامه آمادگی بیمارستان، اختلال در کیفیت و کمیت خدمات درمانی بوده است. نتیجه گیری: ارائه خدمات مراقبت سلامت به بیماران قلبی و عروقی به دلیل همزمانی با پاندمی بیماری کووید-19 با چالش ها و موانعی روبرو شده است. تخصیص درست منابع، آگاه سازی و آموزش به اقشار جامعه و کادر درمان و تدوین برنامه های جامع جهت آمادگی بیمارستان ها در زمان همه گیری می تواند به رفع این چالش ها و ارائه خدمات سلامت مطلوب به بیماران قلبی و عروقی کمک نماید.

مقدمه: حوادث ترافیکی یکی از دلایل اصلی مرگ ومیر در سراسر جهان از جمله ایران محسوب می شود. عوامل متعددی در بروز حوادث ترافیکی نقش دارند که با استفاده از مدل های مختلف می توان این عوامل را شناسایی و بروز حوادث ترافیکی را پیش بینی کرد. هدف این مطالعه پیش بینی حوادث ترافیکی بر اساس وضعیت آب وهوا با استفاده از شبکه عصبی مصنوعی می باشد. روش ها: پژوهش حاضر به روش کمی بین سال های 1393 تا 1396 انجام شد که داده های ترافیکی طی با استفاده از شبکه پرسپترون چندلایه بررسی شد. متغیرهای ورودی شبکه شامل حداقل دما، میانگین دما، متوسط بارش، حداکثر سرعت باد، یخبندان، فشار هوا، غلظت مه و متغیر خروجی نیز تعداد تصادفات در محیط موردمطالعه بود. یافته ها: شبکه طراحی شده، با هفت نورون در لایه ورودی، چهار نورون در لایه میانی و یک نورون در لایه خروجی با تابع بهینه سازی لونبرگ-مارکواردت و تابع انتقال تانژانت سیگموئید در لایه میانی و تابع انتقال خطی در لایه خروجی به عنوان شبکه بهینه انتخاب شد. یافته ها نشان داد که شبکه طراحی شده با ضریب همبستگی (R= 0.90) و میانگین مربع خطا (MSE= 0.01) توانایی بالایی در پیش بینی حوادث ترافیکی دارد. نتیجه گیری: با توجه به اهمیت پیش بینی حوادث ترافیکی و نقش آن جهت ارتقای سلامت افراد جامعه، نتایج حاصل از این مطالعه می تواند جهت گسترش اقدامات پیشگیرانه مؤثرتر برای سیاست گذاران و محققان قابل استفاده باشد. با توجه به نتایج بدست آمده شبکه عصبی کارایی خوبی برای پیش بینی کوتاه مدت جریان ترافیک از خود نشان داده است.