سمیه نصیری

مقدمه: گروه مدیریت اطلاعات سلامت ملی استرالیا، مجموعه حداقل داده (MDS یا Minimum Data Set) را مجموعه اصلی از عناصر داده عنوان نموده است که به منظور گردآوری و گزارش دهی داده ها در سطح ملی مورد توافق قرار می گیرد و نقش مهمی را در صنعت مراقبت بهداشتی برای تبادل داده ها و پیاده سازی پرونده الکترونیک سلامت (EHR یا Electronic Health Record) دارد. هدف این پژوهش، طراحی MDS دوره پری ناتال برای ایران بوده است. روش بررسی: این پژوهش از نوع کاربردی بود به روش ترکیبی (کیفی- مقایسه ای و کیفی- دلفی) در سال 1392 خورشیدی انجام شد. ابتدا MDS دوره پری ناتال کشورهای استرالیا، کانادا، نیوزیلند، آمریکا، انگلستان و ایران با استفاده از منابع کتابخانه ای، اینترنت و مکاتبه با نویسندگان مقالات خارجی و فرم های موجود بررسی و مقایسه شد. ابزار این پژوهش فرم گردآوری داده و پرسشنامه بود که روایی آنها توسط خبرگان مورد تائید قرار گرفت. سپس، MDS اولیه دوره پری ناتال پیشنهاد گردید و اعتبار آن با روش دلفی در دو دور آزمون شد. تحلیل داده ها در مرحله مقایسه MDS پری ناتال کشورهای منتخب با استفاده از جداول تطبیقی و تعیین وجوه اشتراک و افتراق هریک از مجموعه ها انجام شد. در مرحله اعتبارسنجی داده ها با استفاده از آمار توصیفی (تعداد، درصد و میانگین) و نرم افزار Excel تحلیل شد. یافته ها: در MDSاولیه پیشنهادی برای ایران 251 عنصر داده در 11 بخش به نظرخواهی خبرگان گذاشته شد که در نهایت، در مورد 105 عنصر داده اجماع و در خصوص 122 عنصر توافق جمعی بدست آمد. عناصر داده در قالب 15 زیر مجموعه دسته بندی شد. نتیجه گیری:در حال حاضر کشور با مشکلاتی از قبیل ضعف در مستندسازی و فقدان عناصر داده استاندارد روبرو است. MDS پری ناتال کیفیت مراقبت و دسترسی به داده های صحیح و به موقع را بهبود می بخشد.

مقدمه: زردی یکی از مشکلات شایع دوران نوزادی است که حدود 60 درصد از نوزادان رسیده و 80 درصد از نوزادان نارس در هفته اول زندگی به آن مبتلا می شوند. مطالعه حاضر، به منظور ایجاد سیستمی برای پیش بینی زردی نوزادان در 24 تا 72 ساعت اول پس از تولد با بکارگیری الگوریتم ماشین بردار پشتیبان انجام شد. روش ها: این مطالعه از نوع کاربردی -توسعه ای بود که با روش کمی انجام شد. ابتدا بر اساس بررسی متون، پرسشنامه ای حاوی عوامل مؤثر در پیش بینی زردی نوزادان طراحی شد. تحلیل داده ها با استفاده از آمار توصیفی انجام شد و عواملی در مدل لحاظ شد که حداقل 50 درصد از متخصصان آن را ضروری تشخیص دادند. سپس، داده های 1178 نوزاد متولدشده در بیمارستان لولاگر تهران از پرونده زایمان استخراج شد و جهت پیش بینی زردی نوزادان، از چندین الگوریتم یادگیری ماشین استفاده شد که در این میان با توجه به نتایج حاصله جهت مدلسازی نهایی، الگوریتم ماشین بردار پشتیبان استفاده و با سنجه های مختلف ارزیابی گردید. یافته ها: یافته های حاصل از این پژوهش نشان داد که مدل پیشنهادی با الگوریتم SVMبه دلیل ایجاد فاصله بین کلاس ها به عنوان بهترین خروجی انتخاب شد. بنابراین، مدل نهایی الگوریتم SVM با استفاده از هسته گوسی و با سیگمای 1/2360605 ایجاد شد که 30 درصد از نمونه ها (354 مورد) آزمون شدند و از این تعداد 321 مورد به درستی پیش بینی شد. در این مدلسازی سنجه های دقت، سطح زیر نمودار ROC و معیار F1 به ترتیب 92/7 درصد، 93 درصد و 88 درصد بدست آمد. نتیجه گیری: استفاده از SVM در ایجاد سیستم پیش بینی زردی نوزادان می تواند به پزشکان در پیش بینی به موقع زردی نوزادان کمک نماید و امکان انجام اقدامات پیشگیری و جلوگیری از خطرات احتمالی ناشی از زردی نوزادان را فراهم نماید.

مقدمه: وارفارین یکی از پرکاربردترین داروی ضد انعقاد است و از مهم ترین روش های درمانی برای پیشگیری از عارضه تشکیل لخته و متعاقب آن سکته مغزی تجویز می شود. مرز باریک بین محدوده درمانی و سطح عارضه ساز وارفارین موجب می شود پیش بینی نتایج حاصل از تجویز آن برای پزشکان دشوار باشد. هدف این پژوهش ایجاد سیستم تصمیم یار بالینی بر اساس راهنمای تفسیر شده کامپیوتری برای تخمین دوز داروی وارفارین بوده است. روش ها: پژوهش حاضر از نوع توسعه ای-کاربردی است که در دو مرحله انجام شد. مرحله اول، راهنمای تفسیر شده کامپیوتری براساس گردش کار مدیریت درمان با وارفارین از راهنماهای بالینی «مدیریت مبتنی بر شواهد برای درمان ضد انعقادی» و «درمان ضد انعقادی خوراکی» استخراج و با روش هم اندیشی خبرگان ارزیابی شد. در مرحله دوم نمونه اولیه سیستم تصمیم یار بالینی با زبان برنامه نویسی پی اچ پی و پایگاه داده اس کیو ال طراحی و در نهایت کاربردپذیری آن با روش مکاشفه ای با استفاده از چک لیست نیلسون ارزیابی شد. یافته ها: یافته های مرحله اول در قالب دو گردش کار اصلی «درمان و تعیین زمان مراجعه بعدی» و دو گردش کار فرعی «محدوده درمانی هدف برای تخمین و تنظیم دوز داروی وارفارین» نشان داده شد. نتایج نشان داد که کاربردپذیری کلی سیستم تصمیم یار بالینی در سطح «قابل قبول» و درصد امتیاز آن 92/09 است. نتیجه گیری: انتظار می رود نتایج پژوهش حاضر بتواند باعث افزایش قابلیت درک راهنماها برای پزشکان و نیز طراحان سیستم های کامپیوتری شود. پیاده سازی سیستم تصمیم یار بالینی تخمین دوز داروی وارفارین می تواند منجر به بهبود کیفیت تنظیم دوز دارو و کاهش عوارض دارویی شود.

مقدمه: اینترنت اشیا یکی از مباحث روز فناوری در عصر جدید اطلاعات و ارتباطات می باشد که با فراگیر شدن کاربرد آن در صنایع مختلف به ویژه مراقبت سلامت مسئله امنیت و حریم خصوصی آن توجه زیادی را به سمت خود جلب نموده است و به موضوعی بحث برانگیز در این حوزه تبدیل شده است. هدف از مطالعه حاضر، شناسایی مکانیسم های امنیت اینترنت اشیا در صنعت مراقبت سلامت و غیر سلامت می باشد. روش ها: پژوهش حاضر یک مطالعه مروری نظام یافته است که با جستجو در پایگاه های داده وب آو ساینس، اسکوپوس، آی تریپل ای، پابمد و پروکوئست در بازه زمانی سال های 2005 تا 2019 انجام شد. پس از حذف موارد تکراری و ارزیابی یافته ها براساس معیار ورود و خروج، مطالعات مرتبط با هدف پژوهش انتخاب شد. یافته ها: از مجموع 2340 مطالعه، 71 مطالعه مرتبط با مکانیسم های امنیت اینترنت اشیا در صنعت مراقبت سلامت (چهار مطالعه) و غیر سلامت (67 مطالعه) بررسی شد. مکانیسم های امنیت در 11 طبقه اصلی سازماندهی شد که مکانیسم های رمزنگاری، توزیع و مدیریت کلید، مدیریت هویت دیجیتال و مدیریت نگهداشت چرخه حیات سیستم در هر دو صنعت سلامت و غیر سلامت توجه شده اند. یافته ها نشان داد که به شش نوع مکانیسم امنیتی در صنعت سلامت پرداخته نشده است، این مکانیسم ها در ارتباط با صرفه جویی انرژی، طراحی فیزیکی امن، سیستم تشخیص نفوذ و پیشگیری، مدیریت اعتماد، مسیریابی امن و تشخیص و تحمل خطا بودند. نتیجه گیری: با توجه به نوظهور بودن این فناوری در صنعت مراقبت سلامت و حساس بودن امنیت آن نسبت به سایر صنایع، یافته های این مطالعه بینش وسیعی را برای پژوهشگران، مدیران و متخصصان امنیت اطلاعات درجهت مقابله با تهدیدات و حملات و توسعه یک معماری امن اینترنت اشیا فراهم می کند.