fa jalali 1397 12 1 gregorian 2019 3 1 5 4 online 1 fulltext

fa پیشنهاد معماری مناسب سامانه‌های تصمیم‌یار پزشکی در حیطه مراقبت‌های پیچیده بیماری‌های مزمن: استفاده از میکروسرویس‌ها در مراقبت بیماران پیوند کلیه مقدمه: به کارگیری موفقیت‌آمیز سیستم‌های تصمیم‌یار پزشکی مبتنی بر دانش در حوزه مراقبت از بیماران پیوند کلیه می‌تواند در اتخاذ بهترین تصمیمات ممکن، کاهش هزینه و افزایش کیفیت مراقبت مؤثر واقع شود. در این بین، علاوه بر چالش‌های به کارگیری آن‌ها در حیطه مراقبت‌های بیماران مزمن‌، عدم وجود ساختار معماری مناسب چالشی است که به مرور زمان برجسته‌تر می‌گردد؛ لذا مطالعه حاضر با هدف پیشنهاد معماری مناسب برای این سیستم‌ها در حوزه پیوند کلیه انجام گردید. روش: در این مطالعه موردی، از تجربه به دست آمده در طراحی سیستم مدیریت پیوند کلیه ارومیه استفاده شد و سپس با در نظر گرفتن زمینه‌های اصلی کاربرد این سیستم‌ها در حوزه پیوند کلیه و چالش‌های به کارگیری آن‌ها، ساختار معماری مناسبی برای آن‌ها با بهره‌گیری از آخرین پیشرفت‌ها درحوزه فناوری‌های توسعه نرم‌افزار در قالب میکروسرویس‌ها پیشنهاد شد.  نتایج: به ازای هر عملکرد مستقل این سیستم در حوزه پیوند کلیه، سه سرویس جداگانه جمع‌آوری داده‌ها، ساخت مدل بهینه و به‌کارگیری آن پیشنهاد شد. این سرویس‌ها با اجرا بر روی بسترهای فراهم شده می‌توانند به درخواست‌های مختلف کاربران پاسخ داده، دانش و اطلاعات مناسبی را تولید و در اختیار آنان قرار دهند. نتیجه‌گیری: با بهره‌برداری از این ساختار، تیم‌های پزشکی و تحقیقاتی مختلف در سراسر کشور قادر خواهند بود فقط بر روی ساخت یک عملکرد خاص متمرکز شده و آن را به بهترین شکل ممکن انجام دهند. این ساختار پیشنهادی توسعه‌پذیر و مقیاس‌پذیر بوده و قادر است علیرغم افزایش حجم و نوع داده‌ها، افزایش کاربران و تعداد درخواست‌ها به‌راحتی پاسخگو باشد.   Introduction: Development and successfully implementation of knowledge based clinical decision support system (KBCDSS) in kidney transplantation (KT) could support decision-making, reduce cost and improve quality of care. For practical use of these systems, however, many challenges have to be met.  Besides to well-recognized challenges of design and implementation of information systems in healthcare domain, designing an appropriate architecture for KBCDSS that can address requirements of complex and multidisciplinary chronic care, is a new growing challenge. Method: This case study was done based on the experience achieved in design of kidney transplantation management system in Urmia. Then, considering main applications and challenges of development and implementation of KBCDSS in Kidney transplantation and using the latest advancements in software technology field, appropriate software architecture based on micro-services has been proposed. Results: For each function (process) of the KBCDSS, three different micro-services of data gathering, optimal model designing and its application were proposed. These services, through implementation on provided backgrounds, can respond to different requests of patients and provide them with adequate knowledge and information. Conclusion: Use of this architecture makes it possible for different research teams with different skills and knowledge throughout the country to focus on designing a specific function and doing it in a best way. The proposed architecture can be extended and scaled. Moreover, in spite of increase in size and type of data, users and requests, it can respond well.   Decision Support Systems, Clinical, Kidney Transplantation, Microservices, Software Architecture سیستم‌های تصمیم‌یار پزشکی, پیوند کلیه, میکروسرویس, معماری نرم‌افزار 423 434 http://jhbmi.ir/browse.php?a_code=A-10-460-1&slc_lang=fa&sid=1 2018/05/12 1397/2/22 2018/09/6 1397/6/15 Parviz Rashidi Khazaee پرویز رشیدی خزاعی p.rashidi@urmia.ac.ir 0031947532846006034 0031947532846006034 No دانشجوی دکتری فناوری اطلاعات، کامپیوتر، مهندسی برق و کامپیوتر، دانشگاه ارومیه، ارومیه، ایران Jamshid Bagherzadeh جمشید باقرزاده j.bagherzadeh@urmia.ac.ir 0031947532846006035 0031947532846006035 No دکتری مهندسی نرم افزار، کامپیوتر، دانشیار، مهندسی برق و کامپیوتر، دانشگاه ارومیه، ارومیه، ایران Zahra Niazkhani زهرا نیازخانی niazkhani.z@umsu.ac.ir 0031947532846006036 0031947532846006036 No دکتری تخصصی انفورماتیک پزشکی، دانشیار، فناوری اطلاعات سلامت، پیراپزشکی، علوم پزشکی ارومیه، ارومیه، ایران Habibollah Prinejad Ph.D. in Medical Informatics, Associate Professor, Health Information Technology Dept., Urmia University of Medical Sciences, Urmia, Iran حبیب الله پیرنژاد pirnejad.h@umsu.ac.ir 0031947532846006037 0031947532846006037 Yes دکتری تخصصی انفورماتیک پزشکی، دانشیار، فناوری اطلاعات سلامت، پیراپزشکی، علوم پزشکی ارومیه، ارومیه، ایران

fa استفاده از تکنیک‌های داده کاوی جهت تشخیص افتراقی بیماری‌های فقر آهن و بتا-تالاسمی مینور مقدمه: کم‌خونی، فقرآهن یکی از شایع‌ترین انواع کم خونی است که تشخیص افتراقی اصلی آن بتا-تالاسمی مینور می‌باشد. غـربالگری سـریـع و دقـیـق بتا-تالاسمی مینور جهت مشاوره پزشکی قبل از ازدواج و جـلوگـیری از تولد نـوزادان مبتلا به بتا-تالاسمی ماژور و تمایز آن از فـقرآهـن برای پیشگیری از تجویز نابه‌جای آهن برای درمان بتا-تالاسمی مینور از اهمیت ویژه‌ای برخوردار است. هدف مطالعه حاضر به‌کارگیری تکنیک‌های داده‌کاوی جهت افتراق فقر آهن از بتا-تالاسمی مینور بر اساس آزمایش‌های CBC به منظور افزایش سرعت تشخیص و کاهش هزینه‌های تشخیصی است. روش: پژوهش حاضر از نوع گذشته‌نگر و بر روی داده‌های 1000 بیمار در آزمایشگاه دکتر حیدری شهرستان زاهدان انجام گرفت. برای انجام تحقیق از روش استاندارد CRISP-DM و الگوریتم‌های داده‌کاوی ماشین بردار پشتیبان، بیزین ساده، بگینگ، آدابوست و درخت تصمیم استفاده شد. برای تحلیل داده‌ها نرم‌افزار Weka به کار رفت. نتایج: نتایج ارزیابی‌های انجام گرفته نشان می‌دهد که الگـوریتم‌های بگینگ، درخت تصمیم، آدابوست، ماشین بردار پشتیبان و بیزین ساده در افتراق فقر آهن از بتا-تالاسمی مینور به ترتیب به دقت 95/73، 95/5، 94/6، 80/2، 76/6 درصد دست یافته‌اند. نتیجه‌گیری: در این تحقیق روشی خودکار مبتنی بر تکنیک‌های داده‌کاوی برای افتراق فقر آهن از بتا-تالاسمی مینور ارائه شد. نتایج ارزیابی‌ها نشان می‌دهد که الگوریتم بگینگ در افتراق فقر آهن از بتا-تالاسمی مینور به دقت بالاتری در مقایسه با سایر الگوریتم‌های داده‌کاوی و شاخص‌های افتراقی دست یافت. همچنین به کمک درخت تصمیم ایجاد شده، قوانینی استخراج شده‌اند که می‌توانند در تشخیص به موقع دو بیماری مذکور توسط پزشک مورد استفاده قرار گیرند.   Introduction: One of the most common types of anemia is Iron deficiency anemia that its main differential diagnosis is β-thalassemia minor. The rapid and accurate screening of β-thalassemia minor has particular importance for pre-marriage medical counseling and the prevention of the birth of neonates with β-thalassemia major and differentiating it from iron deficiency anemia to avoid unnecessary prescription of iron. The aim of this study was to apply data mining techniques to differentiate iron deficiency anemia from β-thalassemia minor based on CBC test in order to increase the diagnostic speed and to reduce diagnostic costs. Method: The present study was a retrospective study and was performed on 1000 patients referred to Dr. Heidari laboratory of Zahedan city. To conduct research, CRISP-DM standard methodology and support vector machine data mining algorithms, naive Bayes, Bagging, Adaboots and decision tree have been used. WEKA software was used to analyze the data. Results: The results of the evaluations show that Bagging, Decision tree, Adaboots, support vector machine, and naive Bayes algorithms had respectively 95.73%, 95.5%, 94.6%, 80.2% and 76.6% accuracy in differentiating iron deficiency anemia from β-thalassemia minor. Conclusion: In this study, an automatic method based on data mining techniques for differentiation of iron deficiency anemia from β-thalassemia minor is presented. The results of the evaluations show that Bagging algorithm has higher accuracy compared to other data mining algorithms and differential indices. Also, with the help of the decision tree, rules have been extracted that can be used by the physician in timely diagnosis of the two diseases.   Iron deficiency anemia, β-thalassemia minor, Differential diagnosis, Data mining, Bagging ensemble learning algorithm فقر آهن, بتا-تالاسمی مینور, تشخیص افتراقی, داده‌کاوی, الگوریتم یادگیری جمعی بگینگ 435 446 http://jhbmi.ir/browse.php?a_code=A-10-449-1&slc_lang=fa&sid=1 2018/05/122018/07/18 1397/4/27 2018/09/62018/11/11 1397/8/20 Samira Noferesti PhD in Computer Engineering, Assistant Professor, Information Technology Dept., Faculty of Electrical and Computer Engineering, University of Sistan and Baluchestan, Zahedan, Iran سمیرا نوفرستی snoferesti@ece.usb.ac.ir 0031947532846006043 0031947532846006043 No دکترای مهندسی کامپیوتر‌، استادیار گروه مهندسی فناوری اطلاعات، دانشکده مهندسی برق و کامپیوتر، دانشگاه سیستان و بلوچستان، زاهدان، ایران Narges Shemshadi Nejad MSc in Software Engineering, Zahedan, Iran نرگس شمشادی نژاد shemshadi.narges@gmail.com 0031947532846006044 0031947532846006044 Yes کارشناسی ارشد مهندسی نرم‌افزار، زاهدان، ایران Fatemeh Heydari فاطمه حیدری heydari3688@gmail.com 0031947532846006045 0031947532846006045 No متخصص پاتولوژی )آسیب شناسی بالینی و تشریحی(، استادیار، دانشکده پزشکی، دانشگاه علوم پزشکی، زاهدان، ایران

fa تشخیص رفتارهای غیرعادی در بیماران زوال عقل و بررسی علائم اولیه آن در خانه هوشمند مقدمه: تعداد افراد سالمندی که نیاز به کمک در رفتارهای روزمره خود دارند به سرعت در حال افزایش است. بیماری زوال عقل یکی از مهم‌ترین علل ناتوانی در سالمندان است که شیوع آن هزینه‌های بسیار بالایی بر جوامع بشری تحمیل کرده است. هدف این تحقیق استفاده از فناوری خانه هوشمند برای نظارت بر رفتار سالمند، شناسایی رفتارهای غیرعادی و کشف علائم اولیه بیماری زوال عقل قبل از وقوع بیماری است. تشخیص زودهنگام بیماری زوال عقل در مراحل اولیه می‌تواند باعث بهبود بالا در درمان آن و منجر به تأخیر بیماری شود. روش: این مقاله از نوع کاربردی و به روش توصیفی- تحلیلی انجام شد و با استفاده از تکنیک‌های یادگیری ماشین، رفتار‌های غیرعادی و علائم اولیه بیماری زوال عقل تشخیص داده شد. برای تشخیص رفتارهای غیرعادی از الگوریتم kmedoide و برای بررسی کیفیت خواب به عنوان علائم اولیه بیماری زوال عقل، از پرسشنامه معتبر PSQI و برای پیاده‌سازی از نرم‌افزار Matlab نسخه 2012 استفاده شد. نتایج: نتایج در بخش رفتارهای غیرعادی نشان می‌دهد الگوریتم‌های خوشه‌بندی کارآیی بالایی در تشخیص رفتارهای غیرعادی در خانه هوشمند داشته و همچنین نتایج در بخش بررسی علائم اولیه منجر به تشخیص خواب ضعیف فرد سالمند در پرسشنامه PSQI به عنوان علائم اولیه بیماری زوال عقل گردید.  نتیجه­ گیری: با استفاده از فناوری سیستم تحت نظارت خانه هوشمند می‌توان رفتار سالمندان را تشخیص داد. رفتارهای غیرعادی آن‌ها را شناسایی کرد و علائم اولیه بیماری‌هایی نظیر زوال عقل را کشف نمود.   Introduction: The number of elderly people who need help in their daily routines is increasing rapidly. Dementia is one of the most important causes of disability in elderly people and its outbreak has been a major burden on human societies. The purpose of this research was using intelligent home technology to monitor elderly behaviors, identify abnormal behaviors, and discover the initial signs of dementia before the onset of the disease. Early diagnosis of dementia at an early stage can lead to a high improvement in its treatment and delay the disease. Method: In this applied, descriptive-analytic study, the abnormal behavior and early symptoms of dementia were identified using machine learning techniques.  The kmedoide algorithm was used to analyze abnormal behaviors and to assess the quality of sleep as the primary symptoms of dementia, the valid PSQI questionnaire was used. Matlab 2012 was used for implementation. Results: The results in the abnormal behavioral section indicated that clustering algorithms have high efficacy in detecting abnormal behavior in smart home, and also results in early symptom examinations led to poor sleep recognition in the PSQI as a primary symptom of dementia. Conclusion: The behavior of the elderly, their abnormal behavior and early signs of diseases such as dementia can be recognized using the technology of the system under the supervision of the smart home. Smart Home, Machine Learning, Clustering Algorithm, Abnormal Behavior, Dementia خانه هوشمند, یادگیری ماشین, الگوریتم خوشه‌بندی, تشخیص رفتار غیرعادی, بیماری زوال عقل 447 456 http://jhbmi.ir/browse.php?a_code=A-10-410-1&slc_lang=fa&sid=1 2018/05/122018/07/182018/04/18 1397/1/29 2018/09/62018/11/112018/05/31 1397/3/10 Alireza Khosravi M.Sc. in Computer, Faculty of Computer Engineering, Islamic Azad University, Nishabur Branch, Nishabur, Iran علیرضا خسروی danyal_khossravi@yahoo.com 0031947532846006046 0031947532846006046 No کارشناس ارشد کامپیوتر، دانشکده فنی و مهندسی کامپیوتر، دانشگاه آزاد نیشابور، نیشابور، ایران Amin Hosseini Seno Ph.D. in Computer Network, Assistant Professor, Computer Dept., Faculty of Engineering, Ferdowsi University of Mashhad, Mashhad, Iran امین حسینی سنو hosseini@um.ac.ir 0031947532846006047 0031947532846006047 Yes دکترای تخصصی شبکه های کامپیوتری، استادیار، گروه کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران

fa مقایسه سه مدل تصمیم‌گیری در افتراق پنج نوع بیماری قلبی (مطالعه موردی: بیمارستان فوق تخصصی قائم کرج) مقدمه: بیماری‏های قلبی- عروقی در حال تبدیل‏شدن به اصلی‏ترین عامل مرگ‌ومیر و ناتوانی بشر در اغلب کشورهای دنیا هستند. هدف از انجام این پژوهش، پیش‏بینی انواع بیماری‏های قلبی جهت تشخیص دقیق‏تر به وسیله تکنیک‏های داده‎‏کاوی و شبکه عصبی می‏باشد. روش: این پژوهش به صورت کاربردی-پیمایشی انجام و پس از پیش‏پردازش داده‏ها از سه رویکرد شبکه عصبی، درخت تصمیم‏گیری و الگوریتم ساده بیزی برای پیش‏بینی و تشخیص در نرم افزار Rapid miner و از مدل شبکه عصبی مصنوعی برای پیش‏بینی در نرم‏افزار Matlab استفاده شد. نتایج: از الگوریتم ژنتیک برای انتخاب متغیرهای مؤثر و برای پیش‏بینی انواع بیماری قلبی، در داده‏کاوی از مدل‏های شبکه عصبی مصنوعی، درخت تصمیم‏گیری و الگوریتم ساده بیزی استفاده شد. همچنین از مدل AHP برای تعیین مدل با بهترین عملکرد پیش‏بینی انواع بیماری‏های قلبی استفاده شد. نتیجه ­گیری: شبکه عصبی عملکرد بسیار بهتری نسبت به مدل‏های داده‏کاوی دیگر ارائه‏ شده در تشخیص انواع بیماری‏های قلبی در این پژوهش دارد. همچنین در تشخیص بیماری به وسیله شبکه عصبی مصنوعی، مدل با دقت بالای 80 درصد، خوب و مورد قبول واقع شد. Introduction: cardiovascular diseases are becoming the main cause of mortality and morbidity in most countries. This research goal was to predict the types of heart diseases for more accurate diagnosis by data mining and neural network technics. Method: This research was an applied-survey study and after data preprocessing, three approaches of neural network, decision making tree and Bayes simple algorithm were used to predict and recognize in Rapidminer software and neural artificial network model was used for prediction in Matlab software. Results: Genetic algorithm was used for selection of effective variables and neural artificial network models, decision making tree and Bayes simple algorithm were used to predict types of heart diseases in data mining. AHP model was used to determine a model with the best performance for predicting types of heart diseases. Conclusion: Neural network had much better performance than other data mining models used to diagnose types of heart diseases in this research. Also, in detecting disease by artificial neural network, the model with accuracy of more than 80 percent was verified as good and acceptable Data mining, Neural network, Decision tree, Heart disease, Diagnosis داده‌کاوی, شبکه عصبی, درخت تصمیم, بیماری قلبی, تشخیص 457 468 http://jhbmi.ir/browse.php?a_code=A-10-426-1&slc_lang=fa&sid=1 2018/05/122018/07/182018/04/182018/05/23 1397/3/2 2018/09/62018/11/112018/05/312018/09/8 1397/6/17 Raahil Mousavi PhD. Student in Industrial Engineering, Faculty of Technical and Engineering, Research and Science University, Tehran, Iran راحیل موسوی raahil.mousavi@yahoo.com 0031947532846006048 0031947532846006048 Yes دانشجوی دکتری مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه علوم و تحقیقات، تهران، ایران Mohammad Mehdi Sepehri Tarbiat Modares university محمدمهدی سپهری mehdi.sepehri@modares.ac.ir 0031947532846006049 0031947532846006049 No دکترای تحقیق در عملیات، استاد گروه مهندسی صنایع، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران، ایران

fa اندازه‌گیری غلظت قند‌خون با استفاده از روش طیف‌سنجی مادون قرمز نزدیک: یافته‌های اولیه مقدمه: بیماری دیابت از جمله بیماری‌هایی است که در جوامع امروزی رشد بسیار زیادی داشته است. افراد مبتلا به دیابت بایستی به صورت مستمر قند‌خون خود را اندازه‌گیری نمایند. در روش‌های متداول اندازه‌گیری قند‌خون، اندازه‌گیری مستمر قند خون دردناک و سخت می‌باشد. از طرفی برای دسترسی هر چه بیشتر بیماران به پزشک و برخورداری از خدمات پزشکی از راه دور، تلفن همراه می‌تواند ابزاری مفید در این زمینه باشد. هدف این پژوهش ارائه یک سیستم مراقبت پزشکی برای نظارت سیار بر بیماری دیابت می‌باشد. روش: این مطالعه یک مطالعه کاربردی است و سیستم ارائه شده شامل یک حسگر غیرتهاجمی برای اندازه‌گیری قند‌خون با استفاده از روش طیف‌سنجی مادون قرمز نزدیک و یک برنامه کاربردی اندروید است. برای ارزیابی سیستم آزمایش‌هایی بر روی محلول گلوکز و بر روی بدن انجام شد. در این آزمایش‌ها هم حالت عبور و هم حالت بازتاب بررسی شدند. نتایج: نتایج نشان داد با افزایش غلظت گلوکز در حالت عبور ولتاژ خروجی سنسور افزایش و در حالت بازتاب کاهش می‌یابد. در آزمایش‌های روی بدن و میانگین درصد خطا در حالت عبور 34/14 و در حالت بازتاب 35/9 به دست آمد. همچنین در این مطالعه بررسی‌ها نشان دادند در صورت استفاده ترکیبی از حالات اندازه‌گیری عبور و بازتاب نتایج بهتری به دست می‌آید. در این حالت میانگین درصد خطا 8/27 و خطای جذر میانگین مربعات، 18/52میلی‌گرم بر دسی‌لیتر به دست آمد. نتیجه‌گیری: در نهایت می‌توان گفت روش طیف‌سنجی مادون قرمز نزدیک می‌تواند در آینده به عنوان جایگزینی برای روش‌های تهاجمی اندازه‌گیری قند خون مورد استفاده قرار بگیرد. همچنین با استفاده از تلفن همراه می‌توان خدمات پزشکی از راه دور را به بیماران دیابتی ارائه نمود.   Introduction: Diabetes mellitus is one of the diseases that have grown dramatically in today's societies. People with diabetes should continuously measure their blood glucose level. Continuous blood glucose measurement by commonly used methods is painful and difficult. On the other hand, mobile phone can be a useful tool for accessing physicians and telemedicine services more easily. The aim of this study was to provide a medical care system for mobile monitoring of diabetes. Method: This study is an applied study and the proposed system includes a non-invasive sensor for measuring blood glucose using the near-infrared spectroscopy and an Android application. To evaluate the system, experiments were performed on glucose solution and on the body. In these experiments, both the transmittance and the reflectance modes were examined. Results: It was observed that with increasing glucose concentrations, the output voltage of sensor increased in the transmittance mode and decreased in reflectance mode. When testing on the body, the mean error rate was 34.14 in the transmittance mode and 35.9 in the reflectance mode. The results indicated that by combining transmittance and reflectance modes, better results were obtained. In this case, the mean percentage of error was 8.27 and RMSE was 52.18mg/dl. Conclusion: Finally, it can be inferred that near-infrared spectroscopy can be used in the future as an alternative for invasive methods in measuring blood glucose levels. There is also the possibility of providing remote medical services to diabetics using mobile phones.     Telemedicine, Blood Glucose, Near-infrared Spectroscopy, Android Application, Diabetes پزشکی از راه دور, گلوکز خون, طیف‌سنجی مادون قرمز نزدیک, برنامه کاربردی اندروید, دیابت 469 480 http://jhbmi.ir/browse.php?a_code=A-10-374-1&slc_lang=fa&sid=1 2018/05/122018/07/182018/04/182018/05/232018/02/8 1396/11/19 2018/09/62018/11/112018/05/312018/09/82018/05/29 1397/3/8 Bahareh Javid MSc in Information Technology Engineering, Computer Engineering and Information Technology Dept., University of Qom, Qom, Iran بهاره جاوید bahareh.javid@gmail.com 0031947532846006050 0031947532846006050 Yes کارشناس ارشد مهندسی فناوری اطلاعات، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه قم، قم، ایران Faranak Fotouhi- Ghazvini University of Qom فرانک فتوحی قزوینی faranak_fotouhi@hotmail.com 0031947532846006051 0031947532846006051 No دکترای سیستم های اطلاعاتی چند رسانه ای موبایل، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه قم، قم، ایران Fahimeh Sadat Zakeri University of Qom فهیمه سادات ذاکری zakerifahimeh@gmail.com 0031947532846006052 0031947532846006052 No دکترای مهندسی پزشکی، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه قم، قم، ایران

fa تشخیص نگرش کاربران توییتر در مورد واکسن آنفولانزا بر اساس تحلیل محتوا و احساسات توییت‌های ارسالی مقدمه: واکسن آنفولانزا یکی از چالش‌های بحث‌برانگیز در جوامع امروزی است. با توجه به اهمیت استفاده از واکسن آنفولانزا در پیشگیری از انتشار ویروس آنفولانزا و شبکه اجتماعی توییتر به عنوان منبع غنی داده‌ای، شرایط مناسبی برای پژوهش در این زمینه‌ فراهم است تا به بررسی نگرش افراد مختلف پرداخت. این پژوهش از یکسو به مقامات بخش سلامت کمک می‌کند تا با آگاهی از نگرش افراد نسبت به واکسن آنفولانزا بتوانند تصمیمات جامع‌تری در برنامه‌های بلندمدت سازمان‌های سلامتی اتخاذ نمایند و از سوی دیگر مورد توجه داده‌کا‌وان می‌باشد. روش:  در این پژوهش مروری در بازه حدوداً یک‌ماهه 1.220.539 توییت از شبکه اجتماعی توییتر جمع‌آوری ‌شد و با استفاده از نرم‌افزار مَلِت خوشه‌بندی ‌شد. دسته‌بندی کاربران و جداسازی توییت‌ها با تقریب مناسب انجام شد، سپس به تحلیل محتوایی و احساسات توییت‌های انتخابی و  بررسی موقعیت مکانی توییت کنندگان پرداخته شد. نتایج: تحلیل احساسات توییت‌ها نشان‌ می‌دهد که 76/28 درصد از توییت‌ها دارای بار مثبت،  1/08 درصد خنثی و 19/68 درصد دارای بار منفی است که بیانگر نگرش مثبت نسبت به واکسن آنفولانزا است. بررسی موقعیت مکانی توییت‌کنندگان نشان می‌دهد که بالاترین نرخ ارسال توییت متعلق به کشورهای کانادا، انگلیس و آمریکا است و کشورهای آسیایی و به طور خاص ایران درصد بسیار کمی از آن را به خود اختصاص داده‌اند. نتیجه­گیری: بالاترین نرخ ارسال توییت‌های موافق مربوط به گروه افراد عادی و سپس سازمان‌ها و گروه‌های مرتبط با حوزه‌ سلامتی و اخبار بود که نشان‌دهنده‌ پذیرش جهانی واکسن آنفولانزا و موفقیت سازمان‌های بهداشت جهانی در مورد واکسیناسیون می‌باشد.   Introduction: The influenza vaccine is one of the controversial challenges in today's societies. Considering the importance of using the flu vaccine in preventing the spread of influenza virus, the Twitter network, as a rich source of data, provides suitable conditions for research in this field to examine the attitudes of different people about this vaccine. The results in one hand will help health authorities to make more comprehensive decisions on long-term health plans for people with an awareness of the attitude of individuals towards the flu vaccine; on the other hand, it is concerned with data miners. Method: In this review study, approximately 1.220.539 tweets have been gathered from the Twitter social network during a one month period and have been clustered by using Mallet software. Categorizing users and separating tweets have done with an appropriate approximation. The content and sentiments of the selected tweets were analyzed and the locations of the users were checked. Results: In sentiments analysis, 76.28% of the tweets had a positive weight, 1.87% was neutral, and 19.68% had negative weight, indicating a positive attitude about the influenza vaccine. The location of users showed the highest rate of sending tweets from Canada, Britain and the United States, and Asian countries, and in particular, Iran, had a very small percentage of it. Conclusion: The highest rate of positive tweets were respectively sent by ‘individual’, ‘health’, and ‘organization’ groups indicating the global acceptance of the influenza vaccine and the success of the global health organizations on vaccination.   Social Network, Twitter, Influenza, Flu, Influenza vaccine آنفولانزا, واکسن سرماخوردگی, شبکه اجتماعی, توییتر 494 481 http://jhbmi.ir/browse.php?a_code=A-10-373-1&slc_lang=fa&sid=1 2018/05/122018/07/182018/04/182018/05/232018/02/82018/02/2 1396/11/13 2018/09/62018/11/112018/05/312018/09/82018/05/292018/09/1 1397/6/10 Zahra Ghanbari زهرا قنبری ghanbari5410@gmail.com 0031947532846006060 0031947532846006060 No دکترای فناوری اطلاعات، مربی، گروه مهندسی کامپیوتر، واحد سبزوار، دانشگاه آزاد اسلامی، سبزوار، ایران Mohsen Yousefi Nejad محسن یوسفی نژاد m.yosefinejad@pnu.ac.ir 0031947532846006061 0031947532846006061 No دکترای معماری کامپیوتر، استادیار گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، ایران Nima Jafari Navimipour نیما جعفری نویمی پور jafari@iaut.ac.ir 0031947532846006062 0031947532846006062 No دکترای معماری کامپیوتر، باشگاه پژوهشگران جوان و نخبگان، واحد اسلامشهر، دانشگاه آزاد اسلامی، اسلامشهر، ایران Mehdi Hosseinzadeh Ph.D. in Computer Hardware, Associate Professor Computer Engineering Dept., Islamic Azad University, Science and Research Branch, Tehran, Iran مهدی حسین زاده hosseinzadeh.m@iums.ac.ir 0031947532846006063 0031947532846006063 Yes دکترای سخت افزار کامپیوتر، دانشیارگروه مهندسی کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

fa مطالعه بیوانفورماتیک اعضای خانواده miR-200 و ژن‌های هدف آن در سرطان پروستات مقدمه: با توجه به محدودیت‌های تست تشخیصی رایج سرطان پروستات، معرفی بیومارکرهای با ویژگی بالاتر جهت تشخیص دقیق‌تر و به‌هنگام سرطان پروستات مورد توجه می‌باشد. هدف از انجام این مطالعه، بررسی بیوانفورماتیکی خانواده miR-200 (miR-200a, miR-200b, miR-200c, miR-141, miR-429) و پیش‌بینی هدف‌های ژنی این خانواده، جهت بررسی بیشتر تحت عنوان بیوماکر تشخیصی بود. روش: این تحقیق از نوع تئوری و بر پایه بررسی بیوانفورماتیکی میکرو RNA بود که به منظور جستجوی ژن‌های هدف خانواده miR-200 در مسیرهای سیگنالینگ شناخته شده در پاتوژنز سرطان پروستات از پایگاه DIANA TOLLS-mirPath v.3 استفاده شد. سپس به تأیید ژن‌های معرفی شده توسط ابزارهای پیشگویی کننده آنلاین مانند MiRWalk, Targetscan,  RNAhybrid,  پرداخته شد. در انتها نقش عملکردی ژن‌های هدف معرفی شده توسط پایگاه بیوانفورماتیک DAIVID بررسی شد. نتایج: با توجه به نتایج حاصل از این بررسی ژن E2F3 هدف مشترک تمام اعضای خانواده miR-200 است، BCL2 به عنوان هدف مشترک miR-200b/c/429 و CCNE2 به عنوان هدف مشترک miR-200a/141 بودند. همچنین miR-200c با هدف قرار دادن CDKN1B و miR-429 با هدف قرار دادن KRAS می‌تواننند در ایجاد سرطان پروستات مداخله کنند.   نتیجه‌گیری: نتایج حاصل از این مطالعه نشان داد که اعضای خانواده miR-200 با هدف قرار دادن ژن‌های دخیل در پروسه‌های بیولوژیکی مهم و مسیرهای مولکولی دخیل در پاتوژنز سرطان پروستات احتمالاً می‌توانند تحت عنوان بیومارکر تشخیصی در مطالعات آتی مورد بررسی بیشتر قرار بگیرند.   Introduction: Considering the limitations of the common diagnostic test for prostate cancer prostate cancer, the introduction of higher-specific biomarkers for a more accurate and timely diagnosis of prostate cancer is desired. In this study, we aimed to investigate the miR-200 family (miR-200a, miR-200b, miR-200c, miR-141, and miR-429) and their target genes using bioinformatics prediction tools in order to propose potential diagnostic biomarkers for prostate cancer. Method: In this theoretical study, based on bioinformatics study of micro RNA, the DIANA TOLLS-mirPath v.3 database was used to search the target genes of the miR-200 family in the signaling pathways known in prostate cancer pathogenesis. Then, we confirmed the suggested genes by the online predictive tools such as MiRWalk, Targetscan and RNAhybrid. Finally, the functional role of target genes was investigated on the DAIVID bioinformatics database. Results: According to the results of this study, the E2F3 gene is the target of all family members of miR-200, BCL2 is the common target of miR-200b / miR-200c / miR-429 and CCNE2 is the common target of miR-200a / miR-141 subsets. Also, miR-200c and miR-429 can modulate the pathogenesis of prostate cancer by targeting CDKN1B and KRAS genes, respectively. Conclusion: The results of this study showed that members of the miR-200 family targeting the genes involved in important biological processes and molecular pathways of prostate cancer pathogenesis are likely to be effective diagnostic biomarkers in future experimental studies.   Prostate cancer, miR-200 family, Bioinformatics سرطان پروستات, خانواده miR-200, پیشبینی بیوانفورماتیک 495 506 http://jhbmi.ir/browse.php?a_code=A-10-427-1&slc_lang=fa&sid=1 2018/05/122018/07/182018/04/182018/05/232018/02/82018/02/22018/05/20 1397/2/30 2018/09/62018/11/112018/05/312018/09/82018/05/292018/09/12018/11/10 1397/8/19 Maryam Khorasani Ph.D Student of Molecular Medicine, Molecular Medicine Department, Pasteur Institute of Iran, Tehran, Iran. مریم خراسانی m.k.khorasani@gmail.com 0031947532846006064 0031947532846006064 No دانشجوی دکترای پزشکی مولکولی، بخش پزشکی مولکولی انیستیتو پاستور ایران، تهران، ایران Shirin Shahbazi Associate Professor, Medical Genetics, Medical Genetics Department, Faculty of Medical Sciences, Tarbiat Modares‎ University, Tehran, Iran. شیرین شهبازی sh.shahbazi@modares.ac.ir 0031947532846006065 0031947532846006065 No دکترای ژنتیک پزشکی، دانشیار گروه ژنتیک پزشکی، دانشگاه تربیت مدرس، تهران، ایران Reza Mahdian Ph.D. in Medical Biotechnology, Associate Professor in Medical Biotechnology Dept., Pasteur Institute of Iran, Tehran, Iran رضا مهدیان dr.reza.mahdian@gmail.com 0031947532846006066 0031947532846006066 Yes دکترای بیوتکنولوژی پزشکی، دانشیار گروه پزشکی مولکولی، انستیتو پاستور ایران، تهران، ایران

fa امکان‌سنجی برای استقرار پزشکی از راه دور: مطالعه مروری و ارائه پیشنهاد برای ایران مقدمه: پزشکی از راه دور به عنوان جزء لاینفک مدیریت خدمات بهداشتی- درمانی و مدیریت سیستم‌های اطلاعات بهداشتی و درمانی است؛ بنابراین این مطالعه با هدف مرور مطالعات در رابطه با اهداف و کاربردهای پزشکی از راه دور در کشورهای مختلف و ارائه پیشنهاد برای نظام سلامت ایران انجام شد. روش: این مطالعه مروری نظام‌مند، با بهره‌گیری از کلید‌واژه‌های فارسی «‌پزشکی از راه دور»، «سلامت الکترونیک»، «سلامت از راه دور»، «مراقبت سلامت»، «سسیستم»، «تکنولوژی و برنامه» و کلید واژه‌های انگلیسی "tele medicine"، "electronic health" ،"tele health"، "health care"، "system" ،"technology"، "program"، "tele medical" در پایگاه‌های اطلاعاتی موجود در کتابخانه ملی دیجیتال پزشکی ایران در بازه زمانی سال 2000 تا 2017 انجام شد. نتایج: پس از اعمال معیارهای ورود و ارزیابی کیفیت مطالعات، تعداد 70 مقاله انتخاب شد. مبهم بودن زیر ساختار فناوری اطلاعات، مشکل فرهنگ‌سازی و آموزش، تغییرات سریع مدیران، ناتوانی در جذب نیروی متخصص و ماهر فناوری اطلاعات، نبودن ساز و کار مشخص برای تأمین منابع مالی نظام سلامت الکترونیک و عدم تدوین استانداردهای فنی، به عنوان موانع عمده استقرار سلامت الکترونیک در کشور ایران شناخته شدند. نتیجه‌گیری: پزشکی از راه دور در صورتی در کشور ایران از فاز پایلوت خارج و وارد جریان اصلی پایدار می‌گردد که مقرون به صرفه باشد. پیشنهاد می‌شود، توجه کافی توسط متولیان نسبت به مسائلی چون تخصیص دادن بودجه کافی، آشنا نمودن مسئولین با الزامات زیر ساختی و ایجاد انگیزش و حس همکاری با استفاده از جلسات توجیهی و آموزشی انجام گردد.   Introduction: Telemedicine is considered as an integral part of the management of health care services and health information systems. This study aimed to review the studies on the goals and applications of telemedicine in different countries and to present a suggestion for the health system of Iran. Method: In this systemic study using keywords of tele-medicine, electronic health، tele health, health care, system, technology, program and tele medical, the related studies in databases of Iranian National Medical Digital Library were reviewed from April 2000 to April 2017. Results: After applying the entry criteria and evaluating the quality of the studies, 70 eligible papers were selected. The main identified obstacles to the establishment of electronic health in Iran were vagueness and complexity of the IT infrastructure, cultural and educational problems, frequent changes of managers, inability to attract skilled IT staff in the field of electronic health, lack of a specified mechanism for funding electronic health systems and failure to develop technical standards. Conclusion: Telemedicine in Iran can transfer from the pilot phase to a stable major phase provided that it be cost-effective. Therefore, it is suggested that sufficient attention be paid by custodians to issues such as allocating adequate funding, raising the awareness of authorities regarding the necessary infrastructure requirements, and creating motivation and cooperation feeling using briefing and training sessions. Telemedicine, Tele health, Electronic health, Information technology پزشکی از راه دور (تله مدیسین), سلامت از راه دور, سلامت الکترونیک, فناوری اطلاعات 507 519 http://jhbmi.ir/browse.php?a_code=A-10-357-1&slc_lang=fa&sid=1 2018/05/122018/07/182018/04/182018/05/232018/02/82018/02/22018/05/202017/12/13 1396/9/22 2018/09/62018/11/112018/05/312018/09/82018/05/292018/09/12018/11/102018/09/1 1397/6/10 Hossein Rafati حسین رفعتی RAFATI@GMAIL.COM 0031947532846006067 0031947532846006067 No پزشک عمومی، دانشگاه علوم پزشکی تهران، تهران، ایران Yasamin Molavi Taleghani PhD Student in Health Care Management, Health Management and Economics Dept., Health Management and Economics Research Center, School of Management and Medical Information, Isfahan University of Medical Sciences, Isfahan, Iran یاسمین مولوی طالقانی yasamin_molavi1987@YAHOO.COM 0031947532846006068 0031947532846006068 Yes دانشجوی دکتری مدیریت خدمات بهداشتی درمانی، گروه مدیریت و اقتصاد سلامت، مرکز تحقیقات مدیریت و اقتصاد سلامت، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران