مطالب مرتبط با کلیدواژه

داروهای تقلبی


۱.

سیاست های دولت های ایران در حل بحران دارو (1332 – 1320.ش)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: دولت های ایران کمبود دارو احتکار دارو داروهای تقلبی گرانی دارو

حوزه‌های تخصصی:
تعداد بازدید : ۷۴۶ تعداد دانلود : ۵۳۹
اهمیت دارو در درمان بیماری های همه گیر بر کسی پوشیده نیست و حکومت ها نیز از آن آگاهی داشتند. لذا هر حکومتی، به منظور تأمین دارو، با توجه به شرایط سیاسی و اقتصادی خود، سیاست هایی را اعمال می کرد. شرایط خاص سیاسی، اقتصادی و اجتماعی فاصله زمانی 1320 تا 1332ه.ش، همچون جنگ جهانی دوم و اشغال نظامی ایران، فقدان زیرساخت های بهداشتی و شیوع بیماری های همه گیر، عمر کوتاه دولت ها، کمبود بودجه های بهداشتی، بحران اقتصادی سال 1331، بر اهمیت بررسی اقدامات داروئی دولت های این زمان افزوده است. با توجه به این اهمیت، تاکنون هیچ پژوهشی در این مورد صورت نگرفته است. پژوهش حاضر سعی دارد تا با تکیه بر نشریات و با روش توصیفی- تحلیلی به این سؤالات پاسخ گوید: دولت ها در برابر گرانی، کمبود، احتکار و تقلب داروئی چه سیاست هایی را در پیش گرفتند؟ و تا چه حد در غلبه بر این دشواری ها کامیاب بودند؟ نتایج بدست آمده در این پژوهش نشان می دهد که دولت ها برای حل بحران دارو اقدامات زیر را انجام دادند: تأسیس اداره دارویی و اداره منع احتکار دارو، تشکیل بنگاه های دارویی، لغو انحصار دارو و عوارض گمرکی داروهای اختصاصی، نظارت بر ورود و تولید داروهای اختصاصی و داروخانه ها، توسعه بنگاه رازی و انستیتو پاستور ایران. این اقدامات که با وضع قوانین و اعمال مجازات هایی همراه بوده است مشکلات دارویی را حل نکرد و تنها تأثیرات آنی داشت.
۲.

تحلیل مقایسه شبکه های هوش مصنوعی در پیشگیری از جرم (مورد پژوهی: داروهای تقلبی)(مقاله علمی وزارت علوم)

نویسنده:

کلیدواژه‌ها: داروهای تقلبی شبکه های عصبی پیشگیری از جرم هوش مصنوعی

حوزه‌های تخصصی:
تعداد بازدید : ۳۴ تعداد دانلود : ۴۰
پیشگیری از جرائم مرتبط با داروهای تقلبی به دلیل فنّاوری های استفاده شده در تولید و توزیع این داروها با روش های سنتی مانند نظارت میدانی چشم انداز روشنی نخواهد داشت؛ ازاین رو اتخاذ تدابیر پیشگیرانه مناسب نیازمند بهره گیری از فنّاوری های نوین با قابلیت کشف این جرائم در مقیاس وسیع و دقت بالاست. در این راستا، شبکه های عصبی هوش مصنوعی نظیر شبکه های عصبی بازگشتی، شبکه عصبی مولد تصادفی و شبکه عصبی کانولوشن با الهام گرفتن از ساختار مغز انسان قادر به کشف این جرائم هستند. بااین حال، هریک از این شبکه ها معایبی دارند که بی توجهی به آن، نظام حقوقی را در پیشگیری از این جرائم با دشواری مواجه می کند؛ بنابراین تحقیق حاضر با روش مطالعه موردی، تلاشی در راستای شناسایی کارآمدترین شبکه عصبی برای پیشگیری از این جرائم به شمار می رود. برون داد این تحقیق نشان می دهد که قانون گذار به روش نظارت در حوزه پیشگیری وضعی توجه ویژه داشته است؛ اما ابزار این نظارت را تعریف نکرده است. با وجوداین، معاونت غذا و دارو با استفاده از سامانه تیتک (کد رهگیری) اقدام به شناسایی کشف جرائم این عرصه می کند. باوجوداین، این سامانه به دلیل غیرهوشمندبودن سامانه، قادر به کشف تمامی اشکال تقلب نخواهد بود؛ بنابراین به نظر می رسد استفاده هم زمان از سه شبکه (شبکه های عصبی بازگشتی، شبکه عصبی مولد تصادفی و شبکه عصبی کانولوشن) در قالب یک شبکه عصبی ترکیبی تحقق کشف جرائم دارویی را در مقیاس وسیع ارتقا دهد.