fa jalali 1396 6 1 gregorian 2017 9 1 4 2 online 1 fulltext

fa یک گام موفق به سوی کاربرد انفورماتیک در پرستاری در ایران مقدمه: امروزه با توجه به توسعه روز افزون علم پرستاری و افزایش تقاضا برای بهبود و ارتقای کیفیت مراقبت‌های پرستاری، ضرورت تلفیق علم انفورماتیک با علم پرستاری، به جهت مدیریت صحیح  اطلاعات پرستاری، بیش از پیش خود نمایی می‌کند؛ بنابراین مطالعه حاضر با هدف توسعه سیستم الکترونیک اطلاعات پرستاری به عنوان گامی در راستای تلفیق علم انفورماتیک با علم پرستاری‌، انجام شد. روش: مطالعه با استفاده از رویکرد اقدام‌پژوهی تکنیکی انجام شد. مراحل مطالعه شامل توسعه سیستم الکترونیک اطلاعات پرستاری، اجرا و ارزشیابی آن بود. سیستم در بخش مراقبت ویژه نوزادان با مشارکت پرستاران در سال 1395 اجرا شد. نتایج کمی ارزشیابی سیستم با استفاده از روش‌های آمار توصیفی و داده‌های کیفی حاصل از مصاحبه‌ها با استفاده از روش تحلیل محتوا و کد‌گذاری قراردادی مورد تجزیه و تحلیل قرار گرفت. نتایج: نتایج پرسشنامه‌های رضایت‌سنجی حاکی از رضایت پرستاران از اجزا و کاربرد سیستم الکترونیک بود. سطح اطلاعات دارویی و  اطلاعات مربوط به فرآیند پرستاری پرستاران نیز بعد از استفاده از سیستم افزایش یافت. تحلیل محتوای یافته‌های کیفی نیز منجر به استخراج طبقات اصلی ارتقاء کیفیت مراقبت‌ها، بهبود فرآیند مستندسازی، ارتقاء حرفه‌ای، آموزش و یادگیری مداوم، تلفیق تئوری و عمل در کاربرد فرآیند پرستاری، موانع انسانی و تجهیزاتی شد.  نتیجه‌گیری: نتایج مثبت مطالعه حاضر نشان داد که توجه به مواردی مثل طراحی سیستم الکترونیک بومی مبتنی بر نیازهای پرستاران و مشارکت فعال ذینفعان در همه مراحل انجام مطالعه، توانست گامی هرچند کوچک ولی موفق به سوی کاربرد مؤثر از علم انفورماتیک در علم پرستاری بردارد.   Introduction: Nowadays, due to the increasing development of nursing science and demand for improving and enhancing the quality of nursing care, the necessity of integrating informatics with Nursing Science for proper management of nursing information flaunts more than ever. Therefore, the present study aimed to develop the electronic information system of nursing as a step towards the integration of informatics science with nursing science. Methods: The present study was conducted using technical action research approach. The main stages of the study were the development of a nursing electronic information system, its implementation, application and evaluation in a neonatal intensive care unit in 2016. Descriptive statistics was used for the analysis of quantitative data and qualitative data obtained from interviews were analysed using content analysis and coding. Results: The results of Satisfaction Scale Questionnaire showed satisfaction of nurses with the components and applications of the electronic system. Nurses' information about drugs and the process of nursing increased after using the system. Content analysis of qualitative findings also led to exploit the main categories of enhancing the quality of care, improving the documentation process, professional development, continuing education and learning, the integration of theory and practice in the application of the nursing process, human and equipment barriers. Conclusion: According to the obtained results, paying attention to the design of a native system based on the needs of nurses and the participation of the beneficiaries could take a small but successful step toward effective use of informatics science in nursing.   Electronic Nursing Information System, Action Research, Neonatal Intensive Care, Nursing, Informatic سیستم الکترونیک اطلاعات پرستاری, اقدام پژوهی, مراقبت ویژه نوزادان, پرستاری, انفورماتیک 71 83 http://jhbmi.ir/browse.php?a_code=A-10-269-1&slc_lang=fa&sid=1 2017/05/14 1396/2/24 2017/09/6 1396/6/15 Maryam Varzeshnejad Ph.D. in Nursing, Assisant Professor, Pediatric Nursing Dept., School of Nursing and Midwifery, Shahid Beheshti University of Medical Sciences, Tehran, Iran. مریم ورزش نژاد m_varzeshnejad@yahoo.com 0031947532846003604 0031947532846003604 Yes دکترای پرستاری، گروه پرستاری کودکان، دانشکده پرستاری و مامایی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران. Mahboobeh Namnabati Isfahan University of medical science, Isfahan, Iran محبوبه نم نباتی arash.1965@yahoo.com 0031947532846003605 0031947532846003605 No دانشگاه علوم پزشکی اصفهان- دانشکده پرستاری و مامایی Faribai Taleghani Isfahan University of medical science, Isfahan, Iran فریبا طالقانی fr.mhr.2014.@gmail.com 0031947532846003606 0031947532846003606 No دانشگاه علوم پزشکی اصفهان- دانشکده پرستاری و مامایی

fa بهینه‌سازی و تحلیل هزینه‌ای درمان دارویی دیابت نوع 2 برای پیشگیری از هایپوگلیسمی با رویکرد فرآیند تصمیم ‌مارکوف مقدمه: ابتلا به بیماری دیابت و تأثیر آن بر روی عملکردهای فردی و اجتماعی بیماران، هزینه‌های بالایی برای جوامع ایجاد می‌کند. با کنترل قندخون بیماران دیابتی می‌توان از بروز عوارض ناگوار این بیماری جلوگیری نمود. مطالعه پیش رو با هدف بهینه‌سازی درمان دارویی بیماری دیابت نوع 2 انجام شده است. روش: در این مطالعه کاربردی- پیمایشی، زمان‌بندی و توالی درمان‌های دارویی کنترل قندخون با رویکرد فرآیند تصمیم‌گیری مارکوف مدل می‌شود. برای نزدیکی مدل به واقعیت، مباحث هزینه­ای، ارزش زمانی پول و تورم در نظر گرفته می‌شود تا درمان دارویی بیماری دیابت، به صورت اقتصادی برنامه‌ریزی شود. مصرف داروهای ضد دیابت، باعث بروز هایپوگلیسمی در بیماران دیابتی با سنین بالا می‌شود. از این رو، رویکرد پیشگیری از هایپوگلیسمی در سنین بالا، بر روی مدل پیشنهادی اعمال و تأثیر آن مورد تجزیه و تحلیل قرار داده شد. عملکرد مدل پیشنهادی و کارآیی سیاست بهینه حاصل، با گایدلاین‌‌های بالینی مورد مقایسه قرار گرفت. به منظور بررسی رفتار مدل، تجزیه و تحلیل حساسیت بر روی پارامترهای هزینه‌ای نیز صورت پذیرفته است. نتایج: مدل پیشنهادی عملکرد بهتری نسبت به گایدلاین بالینی بیماری دیابت برای کنترل قندخون نشان داده است. مباحث هزینه‌ای بر روی برنامه درمانی تأثیرگذار بوده و لازم است که برای برنامه‌ریزی اقتصادی درمان دارویی بیماری دیابت لحاظ شود. نتیجه­ گیری: با بهینه‌سازی تصمیم‌های درمان دارویی بیماری دیابت می‌توان نه تنها دوره عمر با کیفیت بیماران را بهبود بخشید، بلکه از هزینه‌های بالای آن بر روی نظام سلامت کشورها جلوگیری نمود.   Introduction: Type 2 diabetes (T2D) imposes high expenses on societies, due to its effects on individual and social functions of patients. Adverse complications of this disease can be prevented through controlling patient's blood sugar level. The purpose of this study was to optimize the medication treatment of type 2 diabetes. Methods: In this applied survey, Markov decision process (MDP) was used to model the scheduling and sequencing of T2D medication treatments. In order to have a model close to reality, expense issues, time value of money (TVM) and inflation were considered and it was tried to plan a cost-effective treatment program. Since anti-diabetic drugs cause hypoglycemia in elderly patients, a hypoglycemia preventive approach was applied on the proposed model and its effect was analyzed. The function of proposed model and efficiency of the obtained optimal policy were compared with clinical guidelines. Moreover, in order to address the model behavior, sensitivity analysis on parameters related to treatment costs was also conducted. Results: The proposed model showed better performance in glycemic control compared to clinical guidelines. Treatment cost parameters affected treatment program. Conclusion: In general, optimizing the medication treatment of T2D not only can improve patients' life period with quality, but also can decline high costs imposed on societies’ healthcare systems.     Medical decision making, Type 2 Diabetes, Hypoglycemia, Optimization, Markov decision process تصمیم‌گیری درمان پزشکی, دیابت نوع 2, هایپوگلیسمی, بهینه‌سازی, فرآیند تصمیم مارکوف 84 97 http://jhbmi.ir/browse.php?a_code=A-10-287-1&slc_lang=fa&sid=1 2017/05/142017/05/10 1396/2/20 2017/09/62017/07/2 1396/4/11 Maryam Eghbali-Zarch Ph.D. Student Industrial Engineering, School of Industrial Engineering, College of Engineering, University of Tehran, Tehran, Iran. مریم اقبالی زارچ m.eghbali@ut.ac.ir 0031947532846003607 0031947532846003607 Yes دانشجوی دکتری مهندسی صنایع، دانشکده مهندسی صنایع، پردیس دانشکده‌های فنی، دانشگاه تهران، تهران، ایران Reza Tavakkoli Moghaddam رضا توکلی مقدم tavakoli@ut.ac 0031947532846003608 0031947532846003608 No دانشگاه تهران Mohammad Mehdi Sepehri محمد مهدی سپهری fesfahanian@sina.tums.ac 0031947532846003609 0031947532846003609 No دانشگاه تربیت مدرس Fatemeh Esfahanian فاطمه اصفهانیان mehdi.sepehri@modares.ac 0031947532846003610 0031947532846003610 No دانشگاه علوم پزشکی تهران Amir Azaron امیر آذرون aazaron@sfu.c 0031947532846003611 0031947532846003611 No دانشگاه سایمون فریزر

fa بررسی عوامل مؤثر بر یادگیری الکترونیکی در رشته‌های علوم پزشکی مقدمه: امروزه استفاده از فناوری اطلاعات در آموزش به جهت برخورداری از مزایای بسیار از جمله امکان استفاده در هر زمان و مکان، از مهم‌ترین اهداف بسیاری از مؤسسات آموزشی در سراسر جهان و ایران می‌باشد. جهاد دانشگاهی واحد علوم پزشکی تهران به عنوان یکی از برگزارکنندگان دوره‌های آموزشی تخصصی، اقدام به برگزاری برخی دوره‌های آموزشی الکترونیکی نموده است. در این پژوهش سعی داشتیم که نقش هر یک از عوامل مؤثر در آموزش الکترونیکی را در میزان موفقیت این نوع آموزش مورد بررسی قرار دهیم. روش: در این پژوهش توصیفی میزان تأثیر هریک از این شش عامل از دیدگاه چهار گروه از شرکت‌کنندگان دوره‌ها، اساتید، کارکنان و مدیران جهاد دانشگاهی، با استفاده از پرسشنامه محقق ساخته شامل 39 سؤال در مقیاس لیکرت، در سال تحصیلی 90-1389 مورد بررسی قرار گرفته است. پرسشنامه از طریق پست الکترونیک برای 420 نفر ارسال شد و در مجموع 188 نفر در این پژوهش مشارکت کردند. داده‌های جمع‌آوری شده با استفاده از نرم‌افزار SPSS و روش‌های آمار توصیفی و استنباطی تحلیل شدند. نتایج: نتایج به دست آمده از دیدگاه چهار گروه مشارکت کننده بیانگر اهمیت بالای کلیه عوامل مورد بررسی در پژوهش به ترتیب مدیریت، محتوای آموزشی، امکانات مورد نیاز، یاد دهنده، قوانین و مقررات و یادگیرنده می‌باشد. نتیجه‌گیری: هرچند که تفاوت بین عوامل مؤثر ناچیز است؛ اما همت مضاعف مسئولان در برطرف کردن کاستی‌های و نقاط ضعف سه عامل اصلی و مؤثر مدیریت، محتوای آموزشی و امکانات مورد‌نیاز در موفقیت آموزش الکترونیک مورد‌نیاز است.   Introduction: Today, the use of information technology in education, is one of the most important goals of many educational institutions around the world and Iran, due to its advantages including the possibility to be used at any time and place. ACECR  branch of Tehran University of Medical Sciences, as one of the organizers of specialized training courses, has already organized some e-learning courses. In this research, we tried to examine the role of each of the effective factors in e-learning in the success rate of this type of education. Methods: In this descriptive study, the effect of six factors, from the perspective of the four groups of participants, professors and ACECR (Iranian academic center for education, culture and research) staff and managers, was measured in 2010-2011, through using a researcher-made questionnaire including 39 questions on Likert scale. The questionnaire was sent via e-mail to 420 people and a total of 188 people participated in this study. The collected data were analyzed through SPSS software and using descriptive statistics and inferential statistics.  Results: The results indicated the importance of all studied factors with the order of management, educational content, facilities, teachers, rules and learner. Conclusion: Although the difference between the effective factors is negligible, the extra effort of authorities to remove the shortcomings and weaknesses of the three main and effective factors of management, educational content and facilities needed for the success of e-earning is required E-learning, E-Training, Success Factors یادگیری الکترونیکی, آموزش الکترونیکی, عوامل موفقیت 98 107 http://jhbmi.ir/browse.php?a_code=A-10-298-1&slc_lang=fa&sid=1 2017/05/142017/05/102017/06/19 1396/3/29 2017/09/62017/07/22017/09/2 1396/6/11 Najme Nazeri M.Sc, of Information Technology Management, Lecturer, Medical Informatics Dept., Breast Cancer Research Center, Motamed Cancer Institute, ACECR, Tehran, Iran. نجمه ناظری najme.nazeri@gmail.com 0031947532846003612 0031947532846003612 Yes کارشناسی ارشد مدیریت فناوری اطلاعات، مربی، گروه انفورماتیک پزشکی، مرکز تحقیقات سرطان پستان، پژوهشکده معتمد جهاد دانشگاهی، تهران، ایران. Sara Dorri سارا دری dorri.sara@gmail.com 0031947532846003613 0031947532846003613 No پژوهشکده معتمد جهاد دانشگاهی Alireza Atashi علیرضا آتشی smatashii@gmail.com 0031947532846003614 0031947532846003614 No پژوهشکده معتمد جهاد دانشگاهی

fa تشخیص بیماری تب کریمه‌کنگو با استفاده از درخت تصمیم C4.5 مقدمه: با شروع فصل تابستان، بیماری بین انسان و حیوان، یعنی تب کریمه‌کنگو به سرعت شیوع پیدا می‌کند. تشخیص این بیماری با استفاده از آزمایش‌های لازم، در کمترین حالت زمانی حدود یک هفته به طول می‌انجامد. روش‌های داده‌کاوی و یادگیری ماشین متعددی برای ایجاد مدل‌های پیشگویی‌کننده جهت شناسایی افراد در معرض خطر وجود دارد. در این پژوهش از درخت تصمیم C4.5 به دلیل سادگی و کارآمدی‌‌اش به منظور تشخیص این بیماری استفاده شده است. روش: این پژوهش از نوع کاربردی و توصیفی است. در این پژوهش از داده‌های مربوط به افراد مظنون به بیماری تب کریمه‌کنگو استفاده شد. این داده‌ها در یک دوره‌ 4 ساله از سال 1393 از مراکز درمانی کشور جمع‌آوری شد. این پایگاه‌ داده شامل 965 رکورد و 28 ویژگی است. ابتدا با استفاده از روش انتخاب ویژگی برنامه‌نویسی درجه دو، متغیرهای مؤثر و تأثیرگذار بر مدل انتخاب و سپس درخت تصمیم C4.5 با به ‌کارگیری متغیرهای ورودی و تعیین متغیر هدف ایجاد گردید. تجزیه‌و‌تحلیل داده‌ها به کمک نرم‌افزار Matlab صورت گرفت. نتایج: با توجه به مدل مشخص شد که متغیرهایی همچون تب، خون‌ریزی، شروع ناگهانی علائم، افزایش آنزیم‌های کبدی، افزایش بیلی روبین توتال، کاهش هموگلوبین، Hematuria، Leukocytosis، Proteinuria و Leukopenia بیشترین تأثیر را در تشخیص به این بیماری دارند. نتیجه­ گیری: نتایج نشان می‌دهد که معیار حساسیت مدل پیشنهادی، 95‌% و معیار تشخیص آن 50‌% است که در مقایسه با مطالعات انجام‌شده دیگر در حوزه داده‌کاوی پزشکی، از اثربخشی قابل قبولی در تشخیص این بیماری برخوردار است.   Introduction: The prevalence of Crimean-Congo fever, a common disease between human and animal, shows an increasing rate by coming summer season. Detection of this disease by the use of necessary tests, lasts at least about one week. There are several data mining and machine learning techniques to create predictive models for identifying at risk people. In this study, C4.5 decision tree method has been used due to its simplicity and efficiency. Methods: In this applied descriptive study, data related to suspected cases of Crimean-Congo fever were used. These data have been collected from health centers of Iran in a four-year period since 2014 and contained 965 records with 29 features. First, by using the quadratic programming feature selection method, the variables which were effective on the model were selected and then, the C4.5 decision tree model was created through using input variables and determining the target variable. Data analysis was performed through Matlab software. Results: According to the applied model, it was found that fever, bleeding, sudden onset of symptoms, increased liver enzyms, increased total Bilirubin, decreased Hemoglobin, Hematuria, Leukocytosis, Proteinuria and Leukopenia have the greatest impact in the diagnosis of this disease. Conclusion: According to the obtained results, the sensitivity of the proposed model is 95% and its specificity is 50%. Therefore, this model showed acceptable efficiency in diagnosing this disease in comparison with other studies done in medical data mining field.   Medical decision support system, Disease diagnosis, Crimean-Congo hemorrhagic fever, C4.5 Decision tree سیستم تصمیم‌یار پزشکی, تشخیص بیماری, تب کریمه‌کنگو, درخت تصمیم C4.5 108 121 http://jhbmi.ir/browse.php?a_code=A-10-303-1&slc_lang=fa&sid=1 2017/05/142017/05/102017/06/192017/07/23 1396/5/1 2017/09/62017/07/22017/09/22017/09/18 1396/6/27 Reza Esmaeeli Gohari Bahmanyar Higher Education Institute of Kerman رضا اسماعیلی گوهری narcre@gmail.com 0031947532846003615 0031947532846003615 No موسسه آموزش عالی بهمنیار Elham Esmaeeli Gohari . M. Sc. in Compter Engineering, Computer Engineering Det., Technical and Engineering Campus, Yazd University, Yazd, Iran الهام اسماعیلی گوهری g.elhamesmaeeli@gmail.com 0031947532846003616 0031947532846003616 Yes 2. کارشناس ارشد مهندسی کامپیوتر، گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه یزد، یزد، ایران. Mehdi Shafiei Kerman University of Medical Sciences مهدی شفیعی kmushafiei@yahoo.com 0031947532846003617 0031947532846003617 No دانشگاه علوم پزشکی کرمان

fa بررسی عملکرد بخش مدیریت اطلاعات سلامت بیمارستان ولیعصر (عج) مقدمه: با توجه به اهمیت واحد مدیریت اطلاعات سلامت در بهبود ارائه خدمات بهداشتی و درمانی مطالعه حاضر با هدف بررسی عملکرد بخش مدیریت اطلاعات سلامت بیمارستان ولیعصر (عج) شهر تهران در سال 1396 انجام گردیده است. روش: مطالعه حاضر یک مطالعه کاربردی از نوع کمی-کیفی است که در سال 1396 انجام شد. برای جمع‌آوری داده‌ها در بخش کمی از یک چک لیست روا و پایا استفاده گردید و در بخش کیفی تعداد 8 مصاحبه انجام گردید. برای تحلیل داده‌های بخش کمی از نرم‌افزارExcel  و برای بخش کیفی از نرم‌افزار MAXQDA استفاده گردید. نتایج: نتایج مطالعه نشان داد که واحد کدگذاری عملکرد ضعیف‎تری نسبت به سایر واحد‎ها داشته ‎است (2/37 از 3‌). مشکلات بخش مدیریت اطلاعات سلامت بیمارستان ولیعصر(عج) نیز در پنج دسته اصلی سازمانی، نیروی انسانی، مالی، زیرساختی و سخت‎افزاری و دانش و تخصصی طبقه‎بندی می‎شوند، از مهم‌ترین اقدامات انجام شده هم می‎توان به اسکن کردن اوراق اصلی اشاره نمود. نتیجه‌گیری: با توجه به نتایج مطالعه حاضر پیشنهاد می‎شود مسئولین امر در توجه ویژه و داشتن دید تخصصی به بخش مدیریت اطلاعات سلامت اهتمام ورزند.   Introduction: With regard to the importance of Health Information Management in improvement of health care services, this study was done to determine the performance of Health Information Management Department of Valiasr hospital  of Tehran city in 2017. Methods: This mix-method study was done in 2017. For data collection in quantitative study, a valid and reliable check list and in qualitative study, 8 interviews were used. Excel 2013 and MAXQDA were used for the analysis of quantitative and qualitative data respectively. Results: According to the results, medical coding ward had poorer performance than other wards (2.37 out of 3). The problems of Health Information Management Department of Valiassr hospital were categorized in five main categories including organizational, human resources, financial, infrastructural and hardware and knowledge and professional categories. Also, scan of main sheets was the most important performed activity. Conclusion: With regard to the results of the present study, it is suggested that policy makers pay special attention to Health Information Management.   Performance, Health information management, Medical records عملکرد, مدیریت اطلاعات سلامت, پرونده پزشکی 122 131 http://jhbmi.ir/browse.php?a_code=A-10-61-7&slc_lang=fa&sid=1 2017/05/142017/05/102017/06/192017/07/232017/07/15 1396/4/24 2017/09/62017/07/22017/09/22017/09/182017/09/2 1396/6/11 Reza Mohammadi NAJA رضا محمدی rezamohammadi.psy@gmail.com 0031947532846003618 0031947532846003618 No دکتری روانشناسی نظامی، مرکز تحقیقات کاربردی، معاونت بهداشت امداد و درمان نیروی انتظامی جمهوری اسلامی ایران، تهران، ایران. Mina Lazem IUMS مینا لازم minaalazem@gmail.com 0031947532846003619 0031947532846003619 No دانشجوی دکتری مدیریت اطلاعات سلامت، گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع‎رسانی پزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران. Sara Ghalane SBMU سارا قلنه saraghalane@yahoo.com 0031947532846003620 0031947532846003620 No دانشجوی کارشناسی ارشد فناوری اطلاعات سلامت، گروه مدیریت و فناوری اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران. Nasim Aslani IUMS نسیم اصلانی aslaninasim@yahoo.com 0031947532846003621 0031947532846003621 No دانشجوی دکتری مدیریت اطلاعات سلامت، گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع‎رسانی پزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران. Ali Garavand Ph.D Student in Health Information Management, Health Management and Information Technology Dept., School of Allied Medical Sciences, Shahid Beheshti University of Medical Sciences, Tehran Iran. علی گراوند virya67@yahoo.com 0031947532846003622 0031947532846003622 Yes دانشجوی دکتری مدیریت اطلاعات سلامت، گروه مدیریت و فناوری اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران.

fa طراحی سیستم تحویل دارو برای تنظیم فشارخون با کمک کنترلر فازی مقدمه: با توجه به اهمیت فشارخون بالا، کنترل و ثابت نگه‌داشتن سطح فشارخون در حالت نرمال بسیار حائز اهمیت است. هدف از این پژوهش، طراحی سیستم برای کنترل و تنظیم فشارخون مؤثر شریانی با استفاده از داروی سدیم نیتروپروساید به کمک کنترلر فازی است. روش: پژوهش حاضر از نوع کاربردی است که به روش مقطعی انجام شد. برای انجام این پژوهش ابتدا مطالعات مرتبط در حوزه طراحی مدل‌های ریاضی برای تنظیم فشارخون بررسی شدند. سپس با بررسی نتایج این مطالعات، بهترین مدل انتخاب شده و تغییرات لازم بر روی آن اعمال گردید. در مرحله آخر کنترلر فازی برای تنظیم فشارخون طراحی گردید، تمام عملیات طراحی و اجرای سیستم فازی در محیط نرم‌افزار متلب نسخه 2010 انجام شد. نتایج: در مرحله اول با اعمال کنترلر فازی، خروجی تغییرات سریع و ناگهانی داشت؛ لذا با اعمال اصلاحات در جهت بهبود کنترلر، سیستم توانست فشارخون بیمار را در زمان حدود 3 دقیقه، کنترل و به حالت نرمال خود برگرداند؛ اما بازهم خروجی کنترلر دارای تغییرات سریعی بود، لذا با اعمال یک کنترلر فیلتر شده، نتایج نشان داد که فرکانس‌های بالا کنترل و در زمان حدود 1 دقیقه فشارخون، تنظیم و ثابت ماند. نتیجه­ گیری: با استفاده از کنترل فازی و استفاده از مدل‌های ریاضی معتبر، می‌توان فشارخون بیمار را تنظیم و ثابت نگه داشت. روش‌های کلاسیک در برخورد با سیستم‌های بیولوژیکی وابستگی شدید به پارامترهای مدل دارند؛ اما کنترل فازی در برخورد با عدم قطعیت، پاسخ و سرعت عمل قابل قبولی را ارائه می‌دهد.   Introduction: According to the importance of hypertension, the control and stabilization of blood pressure level is very important. The purpose of this study was to design a system for controlling and regulating arterial blood pressure by using sodium nitroprusside through a fuzzy controller. Methods: This is an applied study done through cross-sectional method. At first, related studies in the field of designing mathematical models for regulation of blood pressure were investigated. Then, by surveying the results of these studies, the best model was selected and necessary changes were made. In the final phase, the fuzzy controller was designed for blood pressure regulation. All processes of designing and implementation of Fuzzy system were performed in 2010 version of MatLab software. Results: In the first phase, the fuzzy controller caused rapid and sudden changes in output. Therefore, by modifying the controller to improve the system, the system was able to control the blood pressure after about 3 minutes and returned it to the normal level. But, again, the output of the controller had quick changes. So, by applying a filtered controller, high frequencies were controlled and blood pressure remained constant within about 1 minute. Conclusion: By using fuzzy control and valid mathematical models,   blood pressure can be controlled and stabilized. Classical methods in dealing with biological systems are highly dependent on model parameters. But, fuzzy control, in facing uncertainty, provides an acceptable response with an acceptable speed.   Blood pressure, Fuzzy controller, Sodium Nitroproside, Medical Informatics فشارخون, کنترلر فازی, سدیم نیترو پروساید, انفورماتیک پزشکی 132 141 http://jhbmi.ir/browse.php?a_code=A-10-57-4&slc_lang=fa&sid=1 2017/05/142017/05/102017/06/192017/07/232017/07/152017/07/5 1396/4/14 2017/09/62017/07/22017/09/22017/09/182017/09/22017/09/11 1396/6/20 Melika Babaei Mashhad University of Medical Sciences ملیکا بابایی babaeim5@mums.ac.ir 0031947532846003623 0031947532846003623 No کارشناس ارشد انفورماتیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران. Hesam Karim Ph.D. Student in Medical Informatics, Faculty of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran حسام کریم karim.hesam@gmail.com 0031947532846003624 0031947532846003624 Yes دانشجوی دکتری تخصصی انفورماتیک پزشکی، گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران Sharareh Rostam Niakan Tehran University of Medical Sciences شراره رستم نیاکان Niakan2@gmail.com 0031947532846003625 0031947532846003625 No دکتری تخصصی انفورماتیک پزشکی، استادیار، گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران.

fa طبقه‌بندی سیگنال‌های مغزی تصور حرکت دست چپ و راست در سامانه‌های واسط مغز و رایانه با استفاده از انتخاب ویژگی به کمک الگوریتم‌های فرا ‌ابتکاری مقدمه: بازشناسی فعالیت‌های مختلف حسی- حرکتی در سامانه‌های واسط مغز و رایانه با مباحث بازشناسی الگو در ارتباط است. یکی از مسائل مهم در طراحی یک سامانه مؤثر واسط مغز و رایانه، چگونگی کاهش تعداد ویژگی‌های استخراج شده از سیگنال‌های مغزی است. استفاده از الگوریتم‌های انتخاب ویژگی یکی از مهم‌ترین مراحل در زمینه بازشناسی الگو می‌باشد. کاهش تعداد ویژگی‌ها می‌تواند در بهبود دقت و کارایی طبقه‌بند‌ها و در نتیجه کاهش هزینه‌ها مؤثر واقع شود.  روش: در این مقاله انتخاب ویژگی با استفاده از دو الگوریتم جستجوی گرانشی باینری بهبود یافته و بهینه‌ساز جمعیت مورچگان باینری پیشرفته بر روی مجموعه داده‌های مربوط به سیگنال‌های مغزی 9 فرد سالم جهت تفکیک تصور حرکت دست چپ و راست، صورت گرفت. ویژگی‌ها در 6 زیر باند مختلف استخراج شده‌اند. دو طبقه‌بند ماشین بردار پشتیبان و k نزدیک‌ترین همسایه با استفاده از ویژگی‌های انتخاب شده بر روی نمونه‌ها اعمال شد. داده­ها در محیط متلب و توسط جعبه ابزار EEGLAB  پردازش شده است. نتایج: نرخ طبقه‌بندی در سیستم پیشنهادی بالای 80 درصد است. با استفاده از روش‌های انتخاب ویژگی، باندهای فرکانسی و ویژگی های مؤثر جهت طبقه‌بندی حرکت دست چپ و راست استخراج شده‌‌اند. نتیجه‌گیری: نتایج نشان دهنده‌ بهبود نتایج پس از اعمال الگوریتم جستجوی گرانشی باینری بهبود یافته و طبقه‌بند نزدیک‌ترین همسایه می‌باشد.   Introduction: Pattern recognition field is necessary for the recognition of different sensorimotor tasks in Brain Computer Interface systems. Reducing the number of features is an important step in Brain Computer Interface systems and it can improve the accuracy and efficiency of the classification and reduce the costs. Methods: In this paper, features selection was performed through using Improved Binary Gravitational search algorithm and Advanced Binary Ant Colony Optimization on data related to brain signals of nine normal subjects for imagination of left and right hand movements.  Features were extracted from six different frequency bands. Two classifiers including support vector machine and k- nearest neighbor were applied to separate the classes. Data were processed by EEGLAB toolbox and through matlab software. Results: The classification rate of the proposed method is 84.21%. Using feature selection methods, effective frequency bands and features for left and right hand movement classification were extracted. Conclusion: The results show the improvement in the classification rate by using Improved Binary Gravitational search algorithm and nearest neighbor classification.   Algorithm, Advanced Binary Optimization, Support Vector Machine الگوریتم,گرانشی باینری بهبود یافته, ماشین بردار پشتیبان 142 153 http://jhbmi.ir/browse.php?a_code=A-10-165-1&slc_lang=fa&sid=1 2017/05/142017/05/102017/06/192017/07/232017/07/152017/07/52017/05/21 1396/2/31 2017/09/62017/07/22017/09/22017/09/182017/09/22017/09/112017/09/10 1396/6/19 Mansoureh Nekoei منصوره نکوئی m.nakoei92@gmail.com 0031947532846003626 0031947532846003626 No ارشناس ارشد برق، بخش مهندسی برق، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران. Hossein Nezamabadi-pour حسین نظام ابادی پور nezam@uk.ac.ir 0031947532846003627 0031947532846003627 No دکترای برق، استاد بخش مهندسی برق، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران. Esmat Rashedi Ph.D. Communication Engineering, Assistant Professor, Electrical Engineering Dept., Graduate University of Advanced Technology, Kerman, Iran. عصمت راشدی rashedi_es@yahoo.com 0031947532846003628 0031947532846003628 Yes دکترای برق، استادیار گروه مخابرات، دانشکده برق و کامپیوتر، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران.

fa شناسه‌زدایی پرونده الکترونیک سلامت با استفاده از الگوریتم‌های یادگیری ماشین: یک مرور نظام‌مند مقدمه: پرونده الکترونیک سلامت حاوی اطلاعات بالینی زیادی است که برای فعالیت‌هایی چون پایش بهداشت عمومی، بهبود کیفیت و تحقیقات مورد استفاده قرار می‌گیرد. همچنین پرونده الکترونیک سلامت شامل اطلاعات سلامت قابل شناسایی است و همین موضوع اشتراک و استفاده ثانویه از پرونده‌ها را محدود می‌کند. شناسه‌زدایی یکی از رایج‌ترین روش‌های حفظ محرمانگی اطلاعات بیماران است. این مقاله مروری نظام‌مند بر تحقیقات اخیر می‌باشد، که به حذف تمامی شناسه‌ها از پرونده الکترونیک سلامت با استفاده از انواع روش‌های شناسه‌زدایی مبتنی بر یادگیری ماشین پرداخته‌اند. روش: این مقاله به صورت مروری نظام‌مند در بازه زمانی 2016 - 2006 در پایگاه‌های PubMed و Science direct انجام شد. مقالات با استفاده از چک‌لیست CASP و سپس توسط دو ارزیاب به‌طور مستقل بررسی و ارزشیابی شدند. در نهایت 12 مقاله با معیارهای ورود مطالعه همخوانی داشتند. نتایج: مقالات منتخب بر اساس روش و منابع دانش مورد استفاده، انواع شناسه‌ها، نوع اسناد بالینی، چالش‌ها و نتایج حاصل بررسی شده‌اند. نتایج نشان داد که در زمان انتشار داده‌های بالینی برای اهداف ثانویه شناسه‌زدایی مبتنی بر یادگیری ماشین راهکاری مناسب برای حفظ حریم خصوصی بیماران است. همچنین ترکیب الگوریتم‌های یادگیری ماشین و روش‌هایی چون تطابق الگو و عبارات منظم می‌تواند نیاز به داده آموزش را کاهش دهد. نتیجه‌گیری: در پرونده‌های پزشکی اطلاعات شناسایی زیادی وجود دارد. این مطالعه نشان داد که روش‌های شناسه‌زدایی مبتنی بر یادگیری ماشین می‌توانند به طرز چشمگیری خطر افشای این اطلاعات را کاهش دهند.   Introduction: Electronic Health Record (EHR) contains valuable clinical information that can be useful for activities such as public health surveillance, quality improvement, and research. However, EHRs often contain identifiable health information that their presence limits the use of the records for sharing and secondary usages. De-identification is one of the common methods for protecting the confidentiality of patient information. This systematic review has focused on recently published studies on the usage of de-identification methods based on Machine Learning (ML) approaches for removing all identifiable information from electronic health records. Methods: A systematic review was performed in electronic databases like PubMed and ScienceDirect between 2006 and 2016. Studies were assessed for adherence to the CASP checklists and reviewed independently by two investigators. Finally, 12 articles were matched with inclusion criteria. Results: The selected studies have been discussed in terms of used methods and knowledge resources, types of identifiers detected, types of clinical documents, challenges and achieved results. The results showed that ML-based de-identification is a widely invoked approach to protect patient privacy when disclosing clinical data for secondary purposes, such as research. Also, the combination of the ML algorithms and some techniques such as pattern matching and regular expression matching could decrease need to train data. Conclusion: There is a lot of identifiable information in medical records. This study showed ML- based de-identification methods can intensively reduce the disclosure risk of information.   Confidentiality, Privacy, De-identification, Machine Learning محرمانگی, حریم خصوصی, شناسه‌زدایی, یادگیری ماشین, پرونده الکترونیک سلامت 154 167 http://jhbmi.ir/browse.php?a_code=A-10-288-1&slc_lang=fa&sid=1 2017/05/142017/05/102017/06/192017/07/232017/07/152017/07/52017/05/212017/07/17 1396/4/26 2017/09/62017/07/22017/09/22017/09/182017/09/22017/09/112017/09/102017/09/2 1396/6/11 Mostafa Langarizadeh مصطفی لنگری زاده langarizadeh2001@yahoo.com 0031947532846003629 0031947532846003629 No دانشجوی دکترای انفورماتیک پزشکی، گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع‌ رسانی پزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران Azam Orooji Ph.D Student of Medical Informatics, Health Information Management Dept., School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran اعظم اروجی orooji.a@tak.iums.ac.ir 0031947532846003630 0031947532846003630 Yes دانشجوی دکترای انفورماتیک پزشکی، گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع‌رسانی پزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران