دوره 7، شماره 2 - ( 6-1399 )
جلد 7 شماره 2 صفحات 149-133 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mahmoodi S, Afshar Kazemi M A, Toloie Eshlaghy A, Shadnoosh N. Modeling a Smart Hospital Information Architecture Based on Internet of Things and Recommender Agent. jhbmi 2020; 7 (2) :133-149
URL: http://jhbmi.ir/article-1-443-fa.html
URL: http://jhbmi.ir/article-1-443-fa.html
محمودی صغرا، افشار کاظمی محمدعلی، طلوعی اشلقی عباس، شادنوش نصرت الله. مدل‌سازی معماری اطلاعات بیمارستان هوشمند مبتنی بر اینترنت اشیاء و عامل توصیه گر. مجله انفورماتیک سلامت و زیست پزشکی. 1399; 7 (2) :133-149
دکتری تخصصی مدیریت صنعتی، دانشیار، گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
چکیده: (4072 مشاهده)
مقدمه: امروزه سازمانهای مراقبت بهداشتی در سطح جهان از اهمیت فناوری و تأثیر فناوری بر کیفیت مراقبت ارائه شده واقف هستند. بیمارستان یکی از سیستم هایی است که به دلایل مختلف، بهره گیری از اطلاعات در آن از اهمیت ویژه ای برخوردار است. در این تحقیق سعی شد با استفاده از شبیه سازی گسسته پیشامد و طراحی یک عامل توصیه‌گر، تخصیص تجهیزات اینترنت اشیاء به بیماران به گونه‌ای انجام شود که تعداد خطاهای درمانی کاهش یابد و طول درمان بیماران کمینه گردد.
روش: برای انجام تحقیق مورد نظر، ابتدا وضعیت فعلی سیستم درمان با رویکرد شبیه‌سازی گسسته پیشامد مدل شد. سپس سناریوی ورود اینترنت اشیاء به مدل شبیه‌سازی انجام گرفت و در نهایت با استفاده از مدل‌سازی عامل بنیان، عامل توصیه‌گر جهت اختصاص بهینه تجهیزات اینترنت اشیاء به بیماران طراحی شد.
نتایج: پیاده‌سازی عملکرد عامل توصیه‌گر در مدل شبیه‌سازی نشان داد که به کارگیری اینترنت اشیاء و عامل توصیه گر در فرآیندهای درمانی باعث کاهش خطاهای درمانی و طول درمان میشود.
نتیجه‌گیری: قرار دادن اینترنت اشیاء در مراحل مختلف درمانی باعث کاهش خطا میشود، ولی اثربخشی آن در مراحل مختلف از بیماری های مختلف با هم متفاوت است. از آنجایی که برخی از تجهیزات اینترنت اشیاء مربوط به بیماری‌های مختلف با هم هم‌پوشانی دارند و همچنین تعداد این تجهیزات در بیمارستان‌ها محدود است، برای داشتن بیشترین اثربخشی از عامل توصیه‌گر استفاده شد. عامل توصیه‌گر در خصوص نحوه تخصیص تجهیزات اینترنت اشیاء به هر یک از مراحل درمانی بیماران تصمیم‌گیری می‌کند.
روش: برای انجام تحقیق مورد نظر، ابتدا وضعیت فعلی سیستم درمان با رویکرد شبیه‌سازی گسسته پیشامد مدل شد. سپس سناریوی ورود اینترنت اشیاء به مدل شبیه‌سازی انجام گرفت و در نهایت با استفاده از مدل‌سازی عامل بنیان، عامل توصیه‌گر جهت اختصاص بهینه تجهیزات اینترنت اشیاء به بیماران طراحی شد.
نتایج: پیاده‌سازی عملکرد عامل توصیه‌گر در مدل شبیه‌سازی نشان داد که به کارگیری اینترنت اشیاء و عامل توصیه گر در فرآیندهای درمانی باعث کاهش خطاهای درمانی و طول درمان میشود.
نتیجه‌گیری: قرار دادن اینترنت اشیاء در مراحل مختلف درمانی باعث کاهش خطا میشود، ولی اثربخشی آن در مراحل مختلف از بیماری های مختلف با هم متفاوت است. از آنجایی که برخی از تجهیزات اینترنت اشیاء مربوط به بیماری‌های مختلف با هم هم‌پوشانی دارند و همچنین تعداد این تجهیزات در بیمارستان‌ها محدود است، برای داشتن بیشترین اثربخشی از عامل توصیه‌گر استفاده شد. عامل توصیه‌گر در خصوص نحوه تخصیص تجهیزات اینترنت اشیاء به هر یک از مراحل درمانی بیماران تصمیم‌گیری می‌کند.
فایل صوتی [MP3 6675 KB] (112 دریافت)
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
