جستجو در مقالات منتشر شده


2 نتیجه برای کرباسی

نجمه عباسی، مینو نجفی، نازیلا زرقی، مریم کرباسی مطلق، فروزان خاتمی دوست، ماندانا شیرازی،
دوره 11، شماره 6 - ( بهمن و اسفند 1396 )
چکیده

زمینه و هدف: ارزیابی توانمندی فرهنگی سازمانی از اولویت های سازمان بهداشت جهانی است به این منظور ابزار بومی مناسب منطقه مورد نیاز است. هدف از تحقیق حاضر تعیین روایی و پایایی نسخه فارسی پرسشنامه(Ontario Healthy Communities Coalition) در دانشگاه علوم پزشکی تهران بود.
روش بررسی: به‌منظور تایید پایایی پرسشنامه ۱۴۳ نفر از کارکنان(پرستاری و پزشکی) مجتمع بیمارستانی امام خمینی تهران پرسشنامه‌ها تکمیل شد. با استفاده از فرایند تعدیل‌یافته ی health service research، پرسشنامه توسط دو متخصص  زبان انگلیسی و آموزش پزشکی ترجمه شد. سپس روایی صوری و محتوایی آن تایید شد(CVR و CVI=۰/۷۹) و در ادامه، برای تعیین همسانی درونی پرسشنامه از ضریب آلفای کرونباخ استفاده شد(۰/۹۱). سپس پرسشنامه به زبان‌ اصلی و به متخصص اصلی برگردانده شد تا با متن اصلی مقایسه شده و نظر موافق خویش را اعلام نماید. به منظور ارزیابی روایی سازه از روش تحلیل عاملی اکتشافی و تأییدی استفاده شد، که مشخص گردید ۲۰ سئوال پرسشنامه به درستی در قالب ۶ عامل بارگذاری شده اند. میزان آماره ی KMO برای پرسشنامه پژوهش ۰/۷۵ به دست آمده و آزمون بارتلت در سطح خطای ۰/۰۵=α رد شد.
یافته‌ها: نهایتاً با حذف ۲ آیتم از ۲۲ آیتم، پرسشنامه، روایی محتوایی لازم را کسب کرد و با اطمینان ۹۵% پایایی ابزار سنجش توانمندی فرهنگی سازمانی موسسه OHCC در تهران تایید شد.
نتیجه‌گیری: می توان از این پرسشنامه در جهت سنجش توانمندی های سازمانی استفاده کرد و نهایتاً موجب ارزیابی میزان ارتقای سطح فرهنگی در سازمان های ارایه خدمات سلامت شد و موجبات ارتقای سطح فر هنگی آنها را فراهم نمود.  

زهرا کرباسی، میکاییل متقی نیکو، مریم زحمت کشان،
دوره 18، شماره 3 - ( 3-1403 )
چکیده

زمینه و هدف: آب مروارید  به‌عنوان عامل ۵۱ درصد نابینایی در سطح جهان شناخته شده است. به‌دنبال نتایج امیدوارکننده‌ی اولیه سیستم‌های هوش‌مصنوعی در بیماری‌های چشمی، الگوریتم‌های هوش‌مصنوعی در تشخیص آب مروارید، درجه‌بندی شدت آب مروارید، محاسبات مربوط به لنزهای داخل چشمی و حتی به‌عنوان ابزار کمکی در جراحی آب مروارید کاربرد دارد. این مطالعه به‌صورت یک مرور سیستماتیک به بررسی تکنیک‌های هوش‌مصنوعی در مدیریت بیماری آب مروارید پرداخته است.
روش بررسی: این مطالعه، مرور سیستماتیک با هدف بررسی تکنیک‌ها‌ی هوش‌مصنوعی به‌منظور مدیریت بیماری آب مروارید تا تاریخ ۲۰ آبان ۱۴۰۲ و بر اساس دستورالعمل پریزما انجام شد. تمام مقالات مرتبط منتشرشده به زبان انگلیسی و از طریق جستجوی سیستماتیک در پایگاه‌های اطلاعاتی آنلاین PubMed، Scopus و Web of Science استخراج شد.
یافته‌ها: در جستجوی اولیه در پایگاه‌های اطلاعاتی ۱۹۲ رکورد شناسایی شد و در نهایت ۲۳ مقاله جهت بررسی وارد مطالعه شدند. نتایج نشان داد که الگوریتم‌های شبکه عصبی پیچشی(۶ مقاله)، شبکه عصبی بازگشتی(۱ مقاله)، شبکه پیچشی عمیق(۱ مقاله)، ماشین‌بردار(۲ مقاله)، یادگیری انتقالی(۱ مقاله)، درخت تصمیم(۴ مقاله)، جنگل تصادفی(۴ مقاله)، رگرسیون لجستیک(۳ مقاله)، الگوریتم‌های بیز(۳ مقاله)، XGBoost (۳ مقاله) و الگوریتم خوشه‌بندی K نزدیک‌ترین همسایه(۲ مقاله) از تکنیک‌ها و الگوریتم‌های شبکه عصبی مصنوعی و یادگیری ماشین بودند که از آن‌ها به‌صورت ترکیبی در مطالعات به‌منظور تشخیص(۷۰%)، مدیریت(۱۷%) و پیش‌بینی بیماری آب مروارید(۱۳%) استفاده نموده بودند.
نتیجه‌گیری: تکنیک‌ها و الگوریتم‌های مختلف هوش‌مصنوعی و یادگیری ماشین می‌توانند در تشخیص، درجه‌‌بندی، مدیریت و پیش‌بینی آب مروارید با دقت بالا عمل کرده و مؤثر باشند. در این مطالعه، تکنیک‌های یادگیری عمیق و شبکه عصبی پیچشی بیشترین سهم را در تشخیص آب مروارید داشته‌اند. در مدیریت آب مروارید تکنیک‌های یادگیری عمیق، درخت تصمیم و الگوریتم بیزی دخیل بودند. الگوریتم‌های یادگیری ماشین مانند رگرسیون لجستیک، جنگل تصادفی، شبکه عصبی مصنوعی، درخت تصمیم، K نزدیک‌ترین همسایه، XGBoost و تقویت سازگار نیز در پیش‌بینی آب مروارید نقش داشتند. همان‌طورکه پیش‌بینی و تشخیص زودهنگام و مراجعه به‌موقع می‌تواند عوارض بیماری در آینده را کاهش دهد، به‌کارگیری سیستم‌های مبتنی بر مدل‌های هوش‌مصنوعی که دقت قابل‌قبولی دارند، می‌توانند در جهت پشتیبانی از فرایند تصمیم‌گیری پزشکان و مدیریت این بیماری مؤثر واقع گردند.


صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به پیاورد سلامت می باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2025 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb