4 نتیجه برای محمدپور
رضا صفدری، فرنوش لارتی، کامیار فتحی سالاری، سامان محمدپور،
دوره 14، شماره 3 - ( مرداد و شهریور 1399 )
چکیده
زمینه و هدف: بیماریهای قلبیوعروقی و خطاهای دارویی از دلایل اصلی ناخوشیها و مرگومیر در سرتاسر جهان به شمار میآیند. سیستمهای تجویز الکترونیک و مدیریت مصرف دارو (electronic prescribing and medication administration(ePMA)) تا حدودی از وقوع خطاهای دارویی پیشگیری می کنند. هدف این مطالعه تعیین الزامات اطلاعاتی سیستم ePMA بیماران قلبیوعروقی بود.
روش بررسی: این مطالعه ی توصیفی در بیمارستان امام خمینی تهران و دانشکده پیراپزشکی دانشگاه علوم پزشکی تهران در تابستان ۱۳۹۸ در دو فاز بررسی متون و نظرسنجی پرسش نامهای انجام شد. آیتمهای اطلاعاتی حاصل از بررسی متون ۱۰۰ مقاله در سه پرسش نامه، سازماندهی شدند. در مرحله ی نظرسنجی، پرسش نامهها میان پزشکان، پرستاران و صاحب نظران گروه مدیریت اطلاعات سلامت به روش سرشماری توزیع شد. پایایی پرسش نامهها با استفاده از ضریب آلفای کرونباخ سنجیده شد. تحلیلهای آماری با استفاده از SPSS انجام شد.
یافتهها: نتایج نشان داد که از دید متخصصان، آیتمهای اطلاعاتی دموگرافیکی بیمار و شناسههای منحصربه فرد بیشترین میانگین یعنی بالای ۴/۷ را کسب کردند. پزشکان به اطلاعات بالینی از جمله سابقهی دارویی و اسامی ژنریک بیشترین موافقت را ابراز کرده بودند. از دید پرستاران آیتمهای اطلاعاتی مشکلات بیمار و اقدامات انجام شده و انواع دوز دارو میانگین کامل یعنی ۵ را به دست آوردند.
نتیجهگیری: نیاز به آیتمهای اطلاعاتی میان کاربران مختلف سیستمهای ePMA متفاوت است اما ممکن است آیتمهایی نیز وجود داشته باشد که میان آنها مشترک باشد. لازم است پژوهشهای آینده نیازمندیهای اطلاعاتی مالی و داروخانهای را براساس دیدگاه سایر کارکنان داروخانه و حسابداری بیمارستان بررسی نماید.
سامان محمدپور، رضا ربیعی، الهام شاه بهرامی، کامیار فتحی سالاری، مریم خاکزاد، مصطفی لنگری زاده،
دوره 16، شماره 2 - ( خرداد 1401 )
چکیده
زمینه و هدف: سرطان دومین عامل مرگومیر در جهان است که سالانه منجر به مرگ بیش از ۱۰ میلیون نفر در دنیا میشود. تشخیص زودرس، مدیریت و درمان صحیح این بیماری نقش مهمی در کاهش عوارض و مرگومیر دارد. یکی از ابزارهای حمایتی در تشخیص زودرس، مدیریت و درمان این بیماری، سیستمهای تصمیمیار بالینی هستند که به دو دسته قاعدهمحور و غیرقاعدهمحور تقسیمبندی میشوند. سیستمهای تصمیمیار قاعدهمحور برپایه راهنماهای بالینی ایجاد میشوند، درحالیکه سیستمهای تصمیمیار غیرقاعدهمحور از یادگیری ماشین بهره میگیرند. در این پژوهش اثرات سیستمهای تصمیمیار به تفکیک قاعدهمحور و غیرقاعدهمحور، بر تشخیص، درمان و مدیریت سرطان سنجیده شد.
روش بررسی: مطالعهی حاضر بهروش مروری نظامیافته انجام شد که با جستجو در پایگاههای داده Web of Science، Scopus، IEEE Xplore و PubMED تا تاریخ ۲۰۲۱.۱۲.۳۱ صورت گرفت. پس از حذف موارد تکراری و ارزیابی یافتهها براساس معیار ورود و خروج، مطالعات مرتبط با هدف پژوهش انتخاب شدند. نحوهی انتخاب مقالات براساس عنوان، چکیده و متن کامل بود. ابزار گرداوری داده فرم استخراج داده شامل سال انجام مطالعه، نوع مطالعه، سیستم درگیر در بدن، اندام درگیر در بدن، خدمت ارایه شده توسط سیستم تصمیمیار، نوع سیستم تصمیمیار، اثر مورد بررسی، شاخص مورد ارزیابی اثر و نمره حاصل از ارزیابی اثر بود. برای تحلیل دادهها از روش سنتز روایتی (Narrative synthesis) استفاده شد.
یافتهها: از مجموع ۷۶۸ مقاله، ۱۶ مقاله مرتبط با اهداف مطالعه شناسایی شد. اثرات مورد ارزیابی در دسته سیستمهای تصمیمیار بالینی قاعدهمحور بر تنظیم دوز، شدت علایم سرطان، پیروی از راهنمایدرمانی، زمان مراقبت، میزان کشیدنسیگار، میزان نیاز به شیمیدرمانی و مدیریتدرد بودند که این اثرات به جز مدیریت درد، در همه موارد معنیدار و مثبت گزارش شده بودند. اثرات مورد ارزیابی در دسته سیستمهای تصمیمیار بالینی غیرقاعدهمحور بر تصمیمات تشخیصیودرمانی، غربالگری، کنترل نوتروپنیتبدار (Neutropenic Fever) بودند که این اثرات به جز کنترل نوتروپنیتبدار، در همهی موارد معنیدار و مثبت گزارش شده بودند.
نتیجهگیری: نتایج بهدست آمده برای اثربخشی هر دونوع سیستمهای تصمیمیار قاعدهمحور و غیرقاعدهمحور حاکی از اثرات مثبت و متفاوت این دو دسته بود. بنابراین استفاده از ترکیب آنها در حیطهی سرطان میتواند نتایج بسیار مفیدی بهبار بیاورد.
طالب خداویسی، حمید بورقی، طوبی محرابی، جواد فردمال، مهدیه شجاعی باغینی، علی محمدپور،
دوره 18، شماره 5 - ( 9-1403 )
چکیده
زمینه و هدف: پیش از اجرای هرگونه برنامه آموزشی مداوم برای پرسنل فناوری اطلاعات سلامت، شناسایی دقیق نیازهای آموزشی جامعه هدف امری ضروری است. بدینمنظور، پژوهش حاضر با رویکردی جامع و با در نظر گرفتن ابعاد عمومی و تخصصی حوزهی فناوری اطلاعات سلامت، به بررسی نیازهای آموزشی پرسنل شاغل در بیمارستانهای استان همدان پرداخته است.
روشبررسی: این پژوهش توصیفی- مقطعی در ۱۱ بیمارستان زیرپوشش دانشگاه علوم پزشکی همدان انجام شده است. جامعه آماری شامل تمامی کارکنان واحدهای پذیرش، بایگانی پزشکی، آمار و کدگذاری بوده است. دادهها با استفاده از پرسشنامهای استاندارد شده که روایی و پایایی آن تأیید شده بود، جمعآوری گردید. روش جمعآوری دادهها بهصورت ترکیبی حضوری و غیرحضوری بوده است. تحلیل دادهها با استفاده از نرمافزار SPSS انجام شد و نتایج با بهرهگیری از آمار توصیفی و استنباطی(آزمون کروسکال-والیس) گزارش گردید.
یافتهها: نتایج این پژوهش نشان داد که در بین نیازهای عمومی مقبول، مواردی چون فناوری اطلاعات(۹۶/۷ درصد)، جنبههای قانونی پروندههای پزشکی(۸۷/۶ درصد) و مهارتهای ارتباطی(۷۶/۷ درصد) از بالاترین درصد برخوردار بودهاند. همچنین، نیازهای آموزشی اختصاصی در واحدهای مختلف، متفاوت بود بهگونهای که کارکنان واحد کدگذاری به اصول تشخیص نویسی(۹۲/۹ درصد)، آشنایی با دستورالعملهای کدگذاری علل مرگو میر(۸۵/۷ درصد) و آشنایی با دستورالعملهای کدگذاری اقدامات(۸۵/۷ درصد)، کارکنان واحد آمار به نرمافزارهای آماری و کارکنان واحدهای پذیرش و بایگانی پزشکی به قوانین مربوط نیاز بیشتری داشتند. علاوه بر این، بین نیازهای آموزشی و برخی ویژگیهای فردی کارکنان مانند سابقهکار، تحصیلات، جنسیت و رشته تحصیلی ارتباط معنادار وجود داشت.
نتیجهگیری: نتایج پژوهش، حاکی از آن است که برای طراحی برنامههای آموزشی مؤثر برای پرسنل فناوری اطلاعات سلامت، لازم است بهویژگیهای فردی فراگیران از جمله جنسیت، سابقهکار و تحصیلات توجه شود و همچنین، آموزشها باتوجه به نیازهای متفاوت هر گروه، بهصورت مستمر و در مقاطع زمانی مناسب ارایه گردد.
مژگان فرازمند، ماندانا عسگری، حمید بورقی، طالب خداویسی، علی محمدپور، سهیلا سعیدی،
دوره 19، شماره 3 - ( 6-1404 )
چکیده
زمینه و هدف: بیماریهای قلبی از شیوع بسیار بالایی در سطح جهان برخوردار بوده و بهعنوان یکی از علل اصلی مرگو میر در سراسر جهان شناخته میشوند. هوشمصنوعی بهعنوان یکی از فناوریهای نوین، در سالهای اخیر در ایران و سایر نقاط جهان، بهمنظور مدیریت طیف وسیعی از بیماریها مورد توجه قرار گرفته است. مطالعهی حاضر با هدف مرور نظاممند مطالعات پژوهشی انجامشده در زمینهی بهکارگیری هوشمصنوعی در بیماریهای قلبی صورت پذیرفته است.
روش بررسی: بهمنظور بررسی مطالعات پژوهشی انجامشده در زمینهی بیماریهای قلبی با بهرهگیری از هوشمصنوعی، پایگاههای اطلاعاتی SID، Google Scholar و Magiran به زبان فارسی مورد جستجو قرار گرفتند. این جستجو بدون اعمال محدودیت زمانی در تاریخ ۱۵ فروردین ۱۴۰۳ انجام پذیرفت و تمامی مطالعات پژوهشی که تا این تاریخ از روشهای مختلف هوشمصنوعی در زمینهی بیماریهای قلبی استفاده نموده بودند، در مطالعهی مروری نظاممند حاضر وارد شدند.
یافتهها: نتایج حاصل از جستجو در سه پایگاه دادهی مذکور، منجر به بازیابی ۱۷۸۱۹ مطالعات پژوهشی گردید که از این میان، ۴۶ مطالعه پژوهشی با معیارهای ورود و خروج مطالعه مطابقت داشتند. این مطالعات پژوهشی، در سه زمینهی پیشبینی، درمان و تشخیص، از هوشمصنوعی استفاده کرده بودند. شبکههای عصبی(تعداد: ۲۲)، ماشینبردار پشتیبان(تعداد: ۲۰) و درخت تصمیم(تعداد: ۱۶) الگوریتمهایی بودند که بیش از سایر تکنیکها استفاده شده بودند. منابع دادهای مطالعات پژوهشی واردشده، عمدتاً پروندههای پزشکی بیماران و پایگاه داده UCI بودند. همچنین، نرمافزار متلب بیش از سایر نرمافزارها استفاده شده بود. بیشترین محدودیتهای ذکرشده در مطالعات پژوهشی، شامل عدمدر نظر گرفتن تمامی فاکتورها، محدودیت در دسترسی به دادهها، عدم کفایت دادهها، وجود نویز در سیگنالها یا تصاویر و وجود دادههای پرت، مقادیر از دست رفته و عدم نرمال بودن دادهها بود.
نتیجهگیری: بررسی نظاممند مطالعات پژوهشی انجامشده در زمینهی بیماریهای قلبی با بهرهگیری از هوشمصنوعی نشان داد که این فناوری در طیف وسیعی از بیماریهای قلبی-عروقی مورد استفاده قرار گرفته و اغلب مطالعات پژوهشی انجامشده، مؤید اثربخشی و عملکرد موفقیتآمیز آن بودهاند.
