سیستم تصمیم یار

انتخاب استرات ژی برای مدیریت دانش، مستلزم شناسایی و تحلیل عوامل زیادی از سازمان است. در نظر گرفتن عواملی مانند همراستایی با استرات ژی عمومی کسب وکار، ساختار سازمانی، فرهنگ سازمانی، استراتژی های منابع انسانی و استرات ژی فناوری اطلاعات در کنار آنالیز وضعیت فرآیندهای خلق و انتشاردانش، انتخاب استرات ژی برای مدیریت دانش را با دشواری روبه رو ساخته است. در این پژوهش بعد از توسعه یک متدولوژی شش مرحله ای برای ایجاد استراتژی مدیریت دانش، یک سیستم خبره تصمیم یار برای کمک به انتخاب استرات ژی KM طراحی و در سه سازمان ایرانی به صورت مطالعه چند موردی پیاده سازی شده است. برای اعتبار سنجی سیستم، الگوریتم پشتیبان پایگاه مدل و پایگاه دانش سیستم از طریق نظرسنجی از خبرگان آزمون شده اند؛ همچنین نتایج حاصل از اجرای سیستم با نتایج اجرای دستی متدولوژی مقایسه و با استفاده از روش های آماری تحلیل کمی شده است.

مقدمه: حجم زیاد اطلاعات پزشکی با بیماری ها و روش های درمانی متفاوت، می تواند یکی از عوامل بروز خطاهای درمانی در بخش مراقبت های ویژه قلبی باشد. هدف این پژوهش طراحی سیستمی بود که علائم حیاتی بیماران را به صورت مستمر و همزمان پایش نماید و در صورت غیر طبیعی بودن، هشدارهایی را تولید و مداخلات درمانی مناسب را به ترتیب اولویت پیشنهاد کند. روش کار: این پژوهش از نوع کاربردی-توسعه ای بود که به روش مقطعی در سال 1394 در بیمارستان شهید رجائی استان تهران انجام شد. 15 نفر پزشک متخصص و 15 نفر پرستار شاغل در بخش مراقبت های ویژه قلبی به صورت غیر تصادفی هدفمند به عنوان نمونه در نظر گرفته شدند. در طراحی سیستم از فناوری MEAN.js و داده های پایگاه دادهMIMIC II فیزیونت استفاده شد. یافته ها: حدود طبیعی و غیرطبیعی علائم حیاتی با توجه به شرایط محیطی و جمعیتی و انواع مداخلات درمانی با توجه به میزان تغییرات علائم حیاتی به ترتیب اولویت مشخص شدند. نتایج نشان داد که سیستم تصمیم یار در ارائه مداخلات درمانی از صحت ۷/94 درصد، حساسیت 60/82 درصد و دقت 100 درصد برخوردار بود و در تولید هشدارهای به موقع دارای صحت ۹/92 درصد، حساسیت 80 درصد و دقت 100 درصد است. نتیجه گیری: عوامل مختلفی در تعیین مقادیر علائم حیاتی و اولویت مداخلات درمانی تأثیرگذار هستند. نتایج نشان داد که سیستم های تصمیم یار بالینی می توانند به هنگام بروز وضعیت های پیش بینی نشده کمک کننده باشند. از نقطه نظر بالینی موجب تسهیل درک علائم حیاتی، تشخیص وضعیت بیمار و منجر به بهبود فرایند تصمیم گیری بالینی می شود که می تواند در کاهش خطاهای درمانی تأثیرگذار باشند.

هدف: در طول تاریخ حیات بشری، بیماری ها یکی از مهم ترین تهدیدها برای انسان ها به شمار رفته اند که در صورت عدم تشخیص یا تشخیص درست و به موقع، تاثیرات مخرب و جبران ناپذیری بر زندگی انسان ها دارند. وجود پارامترهای متعدد در برخی مسایل موجب پیچیدگی موضوع موردبررسی می شود. به همین دلیل در چند دهه اخیر، ابزار تشخیص رایانه ای و تصمیم گیری با هدف کمک به پزشک در تصمیم گیری ها به صورت سیستم تصمیم یار موردتوجه قرار گرفته است. از آن جهت که علایم اولیه بیماری دیابت بی مزه بسیار شبیه به بیماری دیابت شیرین است و تشخیص افتراقی گونه های مختلف بیماری دیابت بی مزه حایز اهمیت است، این بیماری در پژوهش فعلی موردبررسی قرار گرفت.روش شناسی پژوهش: در این پژوهش براساس مطالعات کتابخانه ای و بهره گیری از تجربیات و نظرات خبرگان به بررسی و تعیین عوامل بیماری دیابت بی مزه مرکزی و کلیوی پرداخته شد؛ سپس با استفاده از نرم افزارهای SPSS و FCMapper و Pajek تحلیل نقشه های شناختی فازی، به منظور بررسی عوامل و روابط بین آن ها صورت گرفت.یافته ها: نتایج حاصل از تحلیل نقشه های شناختی فازی در بیماری دیابت بی مزه مرکزی، عوامل بهبود غلظت ادرار پس از مصرف وازوپرسین و حجم ادرار> 40ml/kg و اسمولاریتی 300 mosm/l و در بیماری دیابت بی مزه کلیوی، عوامل عدم پاسخ کلیه ها به مصرف وازوپرسین مصنوعی (عدم تغییر غلظت ادرار) و پر ادراری، به عنوان تاثیرگذارترین و مهم ترین متغیرها شناسایی شدند که باید موردتوجه ویژه قرار گیرند.اصالت/ارزش افزوده علمی: تا کنون برای این بیماری درمان قطعی کشف نشده و اگر فردی به آن مبتلا شد تا آخر عمر درگیر خواهد بود؛ اما با تشخیص سریع تر و به موقع می توان از پیشرفت آن و آسیب های عدم درمان که می تواند جبران ناپذیر باشد، جلوگیری کرد. برای اولین بار است که شناسایی، رتبه بندی و تاثیر علایم بیماری دیابت بی مزه مرکزی و کلیوی با استفاده از نقشه های شناختی فازی و نرم افزار SPSS و FCMapper و Pajek موردبررسی قرار گرفته است.