ORIGINAL_ARTICLE مقدمه: اختلال طیف اتیسم، مجموعه‌ای از اختلالات رشد عصبی است که علاوه بر کودک، تمامی اعضای خانواده نیز درگیر می‌شوند. این اختلال بر اساس مشاهده رفتارها و فعالیت‌های عملکردی کودک قابل تشخیص است. غربالگری و تعیین شدت به موقع باعث افزایش توانمندی‌های کودک می‌گردد. هدف اصلی پژوهش ایجاد برنامه کاربردی غربالگری و تعیین شدت اختلال طیف اتیسم در سطح یک خدمات بهداشتی و درمانی بود. روش: این پژوهش از نوع توسعه‌ای-کاربردی بود. به منظور تعیین اقلام داده، پرسشنامه‌ای تهیه و از پنج نفر از پزشکان متخصص روانپزشکی اطفال نیازسنجی انجام شد. بر اساس نتایج، نمونه اولیه برنامه کاربردی مبتنی بر تلفن همراه هوشمند طراحی گردید. سپس برای ارزیابی کاربردپذیری در اختیار 30 نفر از بهورزان شاغل در سطح یک مراکز خدمات بهداشتی و درمانی قرار گرفت. تحلیل داده‌ها با استفاده از روش آمار توصیفی و در محیط نرم‌افزار SPSS نسخه 16 صورت گرفت. نتایج: پزشکان متخصص شرکت‌کننده، تمامی عناصر داده‌ای پرسشنامه را ضروری دانستند. پنج حیطه برقراری ارتباط، حرکات درشت، حرکات ظریف، حل مسئله، شخصی اجتماعی، سؤالات کلی و تعیین شدت ابتلاء در نرم افزار در نظر گرفته شد که هر یک از عناوین دارای زیرمجموعه کامل بودند. نتایج ارزیابی از برنامه نشان داد که بهورزان برنامه را در سطح خوب ارزیابی کردند. نتیجه ­گیری: می‌توان از برنامه‌های کاربردی مبتنی بر موبایل جهت کمک به بهورزان در غربالگری و تعیین شدت زودهنگام اتیسم در جهت افزایش فعالیت‌های عملکردی و شناختی کودکان و کاهش مراجعات به مراکز تخصصی‌تر غربالگری و تعیین شدت استفاده نمود. http://jhbmi.ir/article-1-445-fa.pdf 2020-07-07 1 9 اختلال طیف اتیسم تلفن همراه هوشمند برنامه کاربردی غربالگری تعیین شدت Introduction: Autism Spectrum Disorder is a set of neurodevelopmental disorders that affects not only the child but also the entire family. The disorder is diagnosed by observing the child's behaviors and activities. Timely screening and determining severity improve the child's abilities. The main purpose of this study was to develop an application for screening and determining severity of autism spectrum disorder in primary health care centers. Method: This research was a developmental-applied study. For determining data elements, a researcher-made questionnaire was designed and need assessment was conducted based on the opinions of five pediatric psychiatrists. Based on the results, a prototype of the smartphone application was designed which was provided to 30 health workers in primary health care centers to evaluate its usability. Data analysis was done using descriptive statistics via SPSS software (version 16). Results: The participating physicians recognized all data elements of the questionnaire essential. Five areas included communication, gross motor, fine motor, problem-solving and personal-social were put in the software, each of which with full subclasses and explanations. The results showed that health workers evaluated the usability of the application at a good level. Conclusion: Smartphone applications could be helpful for health workers in early screening and determining severity of autism in order to enhance children's cognitive and functional activities and reduce referrals to more specialized centers for screening and determining severity of autism. http://jhbmi.ir/article-1-445-en.pdf 2020-07-07 1 9 Autism Spectrum Disorder Smartphone Application Screening Determining Severity Nayere Atamanesh n.atamanesh@yahoo.com 1 M.Sc. in Health Information Technology, Health Information Management Dept., School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran AUTHOR https://orcid.org/0000-0002-2113-5516 Mostafa langarizadeh Langarizadeh.m@iums.ac.ir 2 Ph.D. in Medical Informatics, Associate Professor, Health Information Management Dept., School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran AUTHOR https://orcid.org/0000-0003-2965-5038 Mitra Hakim shooshtrai mitra.hakim@gmail.com 3 Specialist in Pediatric Psychiatry, Associate Professor, Mental Health Research Center, School of Behavioral Sciences and Mental Health (Tehran Institute of Psychiatry), Iran University of Medical Sciences, Tehran, Iran AUTHOR https://orcid.org/0000-0002-4892-5446

OTHERS_CITABLE مقدمه: بخش ICU بیمارستان یکی از بخش‌های پر هزینه در بخش سلامت ملی می‌باشد. این هزینه‌ها تا حد زیادی به مدت اقامت بیمار وابسته است. لذا پیش‌بینی طول مدت اقامت بیماران و درصد موارد مرگ‌و‌میر در بخش مراقبت‌های ویژه اهمیت زیادی دارد. لذا در این پژوهش به طراحی سیستم هوشمند مبتنی بر منطق فازی جهت پیش‌بینی درصد موارد مرگ‌و‌میر بیماران تروما در بخش مراقبت‌های ویژه پرداخته شد. روش: داده‌های مورد نیاز برای طراحی سیستم، از پرونده‌های بیماران از سال 91 - 1389 گردآوری شد، سپس سیستم با استفاده از داده‌های گردآوری شده از هر پرونده اجرا شد و میزان همخوانی تشخیص سیستم با تشخیص نهایی ثبت شده در پرونده بیمار مقایسه گردید. مدل پیشنهادی نروفازی با 5 مدل هوشمند دیگر مقایسه گردید. این مقایسه بر اساس حساسیت، دقت، ویژگی و سطح زیر منحنی راک محاسبه و ارزیابی گردید. نتایج: میزان دقت این 6 مدل حدوداً به ترتیب 83% و 81‌%،80%، 75%، 82% و 81% است. نتیجه­ گیری: مدل نروفازی بهترین مدل ارزیابی شد و دارای بالاترین میزان دقت است. از نظر سطح زیر منحنی ROC مجدداً این مدل بیشترین سطح زیر منحنی را دارد؛ لذا به‌کارگیری مدل نروفازی در زمینه تشخیص و پیش‌بینی درصد موارد مرگ و میر بیماران تروما در بخش مراقبت‌های ویژه پیشنهاد می‌شود. این امر در تحقیقات مرتبط با حوزه سلامت و به خصوص در تخصیص منابع درمانی برای افرادی که پرمخاطره پیش‌بینی می‌شوند از اهمیت بالایی برخوردار است. http://jhbmi.ir/article-1-360-fa.pdf 2020-07-07 10 19 بیماران تروما بخش مراقبت‌های ویژه دسته‌بندی پیش‌بینی مدل‌های هوشمندANFIS Naïve Bayes Trees Random Forest 1NN AdaBoost SVM Introduction: The intensive care unit is one of the most costly parts of the national health sector. These costs are largely attributable to the length of stay in the intensive care unit. For this reason, there are significant benefits in predicting patients' length of stay and the percentage of deaths in intensive care units. Therefore, in this study, a fuzzy logic based intelligent system was designed to predict the percentage of deaths in trauma patients in the intensive care unit. Method: Data needed to design the system were collected from patient files from 2010 to 2012. Then, the system was run using data collected from each file and the system diagnosis was compared with the final diagnosis recorded in the patient file. The proposed neuro-fuzzy model was compared with five other intelligent models. This comparison was calculated and evaluated based on sensitivity, accuracy, specificity, and the area under the ROC curve. Results: The accuracy of these six models was approximately 83%, 81%, 80%, 75%, 82% and 81%, respectively. Conclusion: The neuro-fuzzy model was evaluated as the best model and had the highest accuracy. This model also had the highest area under the ROC curve. Therefore, it is recommended to use neuro-fuzzy model to diagnose and predict the percentage of deaths in trauma patients in the intensive care unit. This is important in health-related research particularly in allocating therapeutic resources to people at risk. http://jhbmi.ir/article-1-360-en.pdf 2020-07-07 10 19 Trauma Patients Intensive Care Unit Classification Prediction Intelligent Models ANFIS Naïve Bayes Trees Random Forest 1NN AdaBoost SVM Mitra Montazeri mitra.montazeri2@gmail.com 1 M.Sc. in Artificial Intelligent, Medical Informatics Research Center, Institute for Futures Studies in Health, Kerman University of Medical Sciences, Kerman, Iran AUTHOR Mahdi Ahmadinejad mehdia50@gmail.com 2 Fellowship of Intensive Care Medicine, Associate Professor, Anesthesiology Computer Dept., Faculty of Medicine, Kerman University of Medical Sciences, Kerman, Iran AUTHOR https://orcid.org/0000/0002/3837/752x Mahdieh Montazeri mahdiehmontazeri@yahoo.com 3 Ph.D. Student in Medical Informatics, Medical Informatics Research Center, Institute for Futures Studies in Health, Kerman University of Medical Sciences, Kerman, Iran AUTHOR Mohadeseh Montazeri mohadeseh_montazeri@yahoo.com 4 Ph.D. Student in Computer Software, Lecturer, Computer Dept., Technical and Vocational University, Kerman, Iran AUTHOR

ORIGINAL_ARTICLE مقدمه: سرطان ریه منبع اصلی مرگ‌ومیر برای مردان و زنان در سراسر جهان می‌باشد. بیماری ریه توسعه و رشد غیرقابل‌کنترل سلول‌ها در یک یا هر دو ریه می‌باشد. تشخیص زودرس سرطان آسان نیست؛ اما اگر سریع تشخیص داده شود، قابل‌درمان است. هدف از این مطالعه، ساخت مدل بهینه پیش‌بینی کننده بقاء بیماران مبتلابه سرطان ریه بر اساس ویژگی‌های بیماران با رویکرد داده‌کاوی می‌باشد. روش: در این مطالعه توصیفی- کاربردی، از الگوریتم سیستم استنتاج عصبی فازی تطبیقیANFIS  و الگوریتم بهینه‌سازی ازدحام ذرات PSO برای پیش‌بینی بقاء بیماران مبتلابه سرطان ریه استفاده شد. در این مطالعه، از پایگاه داده معتبر برنامه‌ نظارت، اپیدمی‌شناسی و نتایج نهایی SEER دانشگاه لوییزول آمریکا استفاده‌ شد. برای ارزیابی روش پیشنهادی از معیارهای دقت،  صحت، خطا و جذر خطای میانگین مربعات استفاده شد. نتایج: نتایج نهایی به‌ دست‌آمده در این مطالعه نشان‌دهنده برتری روش بهینه‌سازی ANFIS با الگوریتم PSO نسبت به سایر روش‌ها، در راستای پیش‌بینی بقاء بیماران مبتلابه سرطان ریه با متوسط صحت برابر 99/80% برای بقاء یک‌ساله، 99/74%  برای بقاء دوساله و 99/66%  برای بقا پنج‌ساله بر روی مجموعه داده SEER بود. نتیجه ­گیری: استفاده از مدل بهینه‌سازی شده ANFIS با الگوریتم PSO در پیش‌بینی بقاء بیماران مبتلا به سرطان ریه بسیار قدرتمند است. مدل پیشنهادی نسبت به سایر مدل‌های مورد مقایسه دارای  بیشترین صحت، دقت و کمترین میزان خطا بوده است؛ بنابراین به‌کارگیری ایـن مـدل درزمینه پیش‌بینی بقا پیشنهاد می‌شود. http://jhbmi.ir/article-1-449-fa.pdf 2020-07-07 20 29 داده‌کاوی پیش‌بینی بقا سرطان ریه نرخ بقاء Introduction: Lung cancer is the main cause of mortality in both genders worldwide. This disease is caused by the uncontrollable growth and development of cells in both or one of the lungs. Although the early diagnosis of this cancer is not an easy task, the earlier it is diagnosed, the higher will be the chance of treating. The objective of this study was to develop an optimized prediction model of the survival of patients with lung cancer based on patients’ characteristics through data mining approach. Method: In this applied-descriptive study, the Adaptive Neuro-Fuzzy Inference System (ANFIS) algorithm and the Particle Swarm Optimization (PSO) algorithm were applied to predict the survival rate of patients with lung cancer. The Surveillance, Epidemiology and End-Results (SEER) database of Louisville University, USA was also utilized. The evaluation of this proposed model was conducted based on certain criteria including accuracy, precision, error and root-mean-square error. Results: The obtained finding indicate the outperformance of ANFIS through PSO algorithm vs. its counterparts in this context with a 99.80 accuracy for one-year survival, 99.74% for two-years and 99.66% for five-years on SEER dataset. Conclusion: Applying ANFIS through PSO in predicting the survival of patients with lung cancer is a strong measure. Compared with other models, this newly proposed model was of the highest accuracy and precision and of the lowest error rate. Therefore, it is suggested to apply this model for predicting survival of patient. http://jhbmi.ir/article-1-449-en.pdf 2020-07-07 20 29 Data Mining Survival Prediction Lung Cancer Survival Rate Ommolbanin Abbasi daryaes2014@gmail.com 1 M.Sc. Student in Computer Engineering, Department of Computer Engineering, Mobarakeh Branch, Islamic Azad University, Isfahan, Iran AUTHOR https://orcid.org/0000-0002-8614-2899 Mohammadreza Ramezanpour mr.ramezanpoor@gmail.com 2 Assistant Professor, Department of Computer Engineering, Mobarakeh Branch, Islamic Azad University, Isfahan, Iran AUTHOR https://orcid.org/0000-0002-1588-0982 Reihaneh Khorsand r.khorsand@iauda.ac.ir 3 Assistant Professor, Department of Computer Engineering, Dolatabad Branch, Islamic Azad University, Isfahan, Iran AUTHOR https://orcid.org/0000-0002-2655-1308

ORIGINAL_ARTICLE مقدمه: پروتئین کیناز عامل ایجاد بسیاری از بیماری‌ها از جمله سرطان است؛ بنابراین مهار آن ها در درمان بسیاری از بیماری‌ها نقش بسزایی ایفا می‌کند. کشف داروهای جدید با روش‌های آزمایشگاهی، از جمله موضوعات هزینه بردار و زمان‌بر می‌باشد؛ یافتن مدل‌های محاسباتی قابل اطمینان برای شناسایی مهار‌کننده‌ها می‌تواند هزینه‌ها را به حداقل برساند. هدف از این مطالعه به کار‌گیری روش شبکه عصبی جهت طبقه‌بندی ترکیبات در دو گروه فعال و غیر فعال و مدل رگرسیون خطی مینیمم خطای جزئی به منظور تخمین میزان اثر بیولوژیکی آن‌ها است. روش: در این پژوهش، پس از استخراج توصیفگرها از داده‌ها، به منظور جلوگیری از بیش برازش مدل‌ها، کاهش ابعاد داده از طریق الگوریتم ژنتیک صورت پذیرفت. همچنین جهت طبقه‌بندی داده‌ها در کلاس فعال و غیر فعال از مدل شبکه عصبی و جهت تخمین مقادیر اثر بیولوژیکی ریزملکول‌ها از مدل رگرسیون خطی مینیمم خطای جزئی استفاده شد. نتایج: نتایج نشان داد بعد از کاهش بعد توصیفگرهای ملکولی، صحت مدل شبکه عصبی از 74/45%  به 86/7% تغییر یافت. این مدل در تعداد گره‌های لایه پنهان برابر با 6، صحت 86/7%، حساسیت 83/4%، اختصاصی بودن 89/6% و ضریب همبستگی متیو 73/2% را ارائه می‌دهد. مدل رگرسیون خطی مینیمم خطای جزئی نیز با میزان همبستگی متوسط 85/8% مقادیر بیولوژیکی را تخمین می‌زند. نتیجه‌گیری: مدل طبقه‌بندی شبکه عصبی و مدل رگرسیون خطی مینیمم خطای جزئی تا میزان قابل قبولی می‌توانند مهارکننده‌های پروتئین کیناز را پیش‌بینی کنند و الگوریتم کاهش بعد ژنتیک عملکرد این مدل‌ها را بهبود می‌بخشد. http://jhbmi.ir/article-1-391-fa.pdf 2020-07-07 30 39 پروتئین کیناز طبقه‌بندی شبکه عصبی رگرسیون مینیمم خطای جزئی Introduction: Protein kinase causes many diseases, including cancer; therefore, inhibiting them plays an important role in the treatment of many diseases. Traditional discovery inhibitors of this enzyme is a time-consuming and costly process. Finding a reliable computer-aided drug discovery tools which can detect the inhibitors will reduce the cost. In this study, it is attempted to separate kinase inhibitors into two groups, active and inactive, using artificial neural network  and finally predict biological activities of the predicted active compounds by partial least square . Method: In this study, after extracting the molecular descriptors in order to avoid overfitting problem, dimensional reduction was applied using Genetic algorithm. Moreover, artificial neural network was applied to distinguish active compounds from inactive ones and the biological activities of the small molecules were predicted using partial least square linear regression. Results: The results show that accuracy of the Neural networkmodel was improved from 74.45% to 86.7%, after reducing molecular descriptor dimensions. . The number of hidden nodes of this model was six with 86.7% accuracy, 83.4% sensitivity, 89.6% specificity and 73.2% Mathew's correlation coefficient. Moreover the partial least square linear regression model predicts the biological activity valuesby 85.8% correlation. Conclusion: The Neural network model and the partial least square linear regression model can sufficiently predict Kinase inhibitors and Genetic algorithm will improve the models performance http://jhbmi.ir/article-1-391-en.pdf 2020-07-07 30 39 Protein kinase Classification Neural network Regression partial least square Roya Arian royaarian101@yahoo.com 1 M.Sc. in Bioelectrics, Bioelectrics Dept., School of Advanced Technologies in Medicine, Isfahan University of Medical Sciences, Isfahan, Iran AUTHOR Alireza Mehri Dehnavi mehri@med.mui.ac.ir 2 Ph.D. in Bioelectrics, Professor, Bioelectrics Dept., School of Advanced Technologies in Medicine, Isfahan University of Medical Sciences, Isfahan, Iran AUTHOR Fahimeh Ghasemi f_ghasemi@amt.mui.ac.ir 3 Ph.D. in Bioelectrics, Assistant Professor, Bioinformatics Dept., School of Advanced Technologies in Medicine, Isfahan University of Medical Sciences, Isfahan, Iran AUTHOR https://orcid.org/0000-0001-9333-4699

ORIGINAL_ARTICLE مقدمه: با افزایش سن جمعیت، ملاحظات زمانی، هزینه استفاده حضوری از خدمات مراقبت‌های بهداشتی و درمانی و افزایش مراجعات غیر‌ضروری به مراکز ارئه خدمت، نارضایتی میان ارائه‌دهندگان و نیز گیرندگان خدمات سلامت مشاهده می شود. با ارائه خدمات الکترونیک بخشی از این نارضایتی مرتفع می‌شود. این امر مستلزم پذیرش خدمات الکترونیک سلامت است. با توجه به هزینه سرمایه‌گذاری‌ها در این حوزه برای ارائه‌دهندگان خدمت، رسیدن به نتایج مطلوب بسیار مهم است. با توجه به محدودیت‌های تحقیقات انجام ‌شده از جمله جامع نبودن تحقیقات، تکیه بر خود اظهاری پاسخ‌دهندگان و عدم توجه هم‌زمان به ارائه‌دهنده و گیرنده خدمت، بررسی جامع عواملی که بیشترین تأثیر را بر پذیرش این خدمات داشته و بخشی از محدودیت‌ها را پوشش دهد، بسیار حائز اهمیت است. روش: این تحقیق از نوع توصیفی- کاربردی است. نمونه آماری پژوهش حاضر را خبرگان حوزه فناوری اطلاعات و پزشکان تشکیل دادند. ابزار اندازه‌گیری نیز از نوع کیفی است که با استفاده از مصاحبه و پرسشنامه انجام شد و به منظور گردآوری و تحلیل داده‌ها از روش دلفی فازی استفاده شد. نتایج: مقادیر متغیرهای فازی‌زدایی شده نشان داد که میانگین تمامی شاخص‌ها بیشتر از 0/5 است؛ لذا تمامی شاخص‌ها تأیید ‌شدند. یافته‌های پژوهش نشان داد که ارائه‌دهندگان و گیرندگان خدمات سلامت، بر استفاده از خدمات الکترونیک سلامت مؤثر هستند. نتیجه‌گیری: پیشنهاد می‌شود مدیران و طراحان با در نظر گرفتن نیازها و ترجیحات هر دو طرف اقدام به ارائه خدمات الکترونیک در بخش سلامت نمایند. http://jhbmi.ir/article-1-409-fa.pdf 2020-07-07 40 51 ارائه‌دهنده خدمت سلامت گیرنده خدمت سلامت پذیرش خدمات الکترونیک سلامت فناوری اطلاعات Introduction: By increasing the age of population, time considerations, the cost of health care services and the increase in unnecessary referrals to service centers, dissatisfaction among both health care providers and health service recipients are observed. By providing electronic services, part of this dissatisfaction will be eliminated. This requires the acceptance of e-health services. Given the cost of investment in this area for service providers, achieving the desired results is very important. Considering the limitations of the previous research works including  the lack of comprehensive studies, reliance on self-declaration and lack of paying attention to both the provider and recipient of services, investigation of factors which has the greatest impact on the acceptance of these services and removes some of the constraints of previous studies is of great significance. Method: This research was an applied-descriptive one. The statistical sample of this study included information technology experts and physicians. The measurement tool was a qualitative type based on interviews and questionnaires. The data were collected and analyzed using Delphi-Fuzzy method. Results: The values of defuzzified variables showed that the average values of all indexes were greater than 0.5, therefore, all indicators were confirmed. The research findings show that health care providers and recipients are both effective in using e-health services. Conclusion: Based on the findings of this study, it is suggested that managers and designers provide e-health services with taking into account the needs and preferences of both parties http://jhbmi.ir/article-1-409-en.pdf 2020-07-07 40 51 Health Service Provider Health Service Recipient Acceptance of e-Health Services Information Technology MohammadTaghi Taghavifard dr.taghavifard@gmail.com 1 Ph.D. in Industrial Engineering, Associate Professor, Industrial Management Dept., Faculty of Management & Accounting, Allameh Tabataba'i University, Tehran, Iran AUTHOR https://orcid.org/0000-0002-4212-2079 Akbar Yousefvand ayoosefvand@gmail.com 2 Ph.D. Student in Information Technology Management, School of Graduate Studies, Allameh Tabataba'i University, Tehran, Iran AUTHOR

ORIGINAL_ARTICLE مقدمه: عفونت بیمارستانی یکی از معضلات نظام سلامت هر کشوری می‌باشد و مهم‌ترین راه کنترل آن آموزش صحیح کارکنان این حوزه است. استفاده از شبکه‌های اجتماعی ابزار قدرتمندی در فرآیند آموزش در اختیار آموزش‌دهندگان سلامت قرار می‌دهد. این مطالعه با هدف ارزیابی کیفیت آموزش از طریق پیام‌رسان تلگرام بر ارتقای آگاهی بهورزان نسبت به پیشگیری از عفونت‌های بیمارستانی صورت گرفت. روش: این مطالعه مقطعی، توصیفی- تحلیلی بود که در آن تمامی بهورزان خانه‌های بهداشت شهرستان بم به روش سرشماری شرکت داشتند. آموزش‌ها از طریق نرم‌افزار پیام‌رسان تلگرام به گروه هدف ارسال شد. قبل و بعد از آموزش آگاهی افراد از طریق پرسشنامه سنجیده شد. سپس داده‌ها توسط نرم‌افزارSPSS  نسخه 23 تحلیل شدند. نتایج: میانگین نمره آگاهی شرکت‌کنندگان قبل و بعد از آموزش از مجموع 26 نمره به ترتیب 3/6±9/9 و 3/7±16/6 بود؛ بنابراین اختلاف نمرات قبل و بعد از آموزش معنی‌دار بود. نتیجه‌گیری: استفاده از شبکه‌های اجتماعی و نرم‌افزار پیام‌رسان تلگرام تأثیر مثبتی در افزایش آگاهی بهورزان نسبت به عفونت‌های بیمارستانی دارد. http://jhbmi.ir/article-1-492-fa.pdf 2020-07-07 52 59 عفونت‌های بیمارستانی آگاهی آموزش مجازی تلگرام بهورزان Introduction: Hospital infections are one of the most important problems in each health care system the use of social media provides a powerful tool in the education process for health educators. The aim of this study was to evaluate the quality of the educational programs delivered through telegram messenger and its influence on improving the awareness of health workers in the prevention of hospital infections. Method: This was a descriptive-analytical cross-sectional study. All health workers in Bam health houses were enrolled in a census method. The trainings were provided to the target group through telegram messenger and the awareness of participants was measured before and after the training via questionnaires. Thereafter, the data were analyzed by SPSS-23 software. Results: In this study, the mean score of participants before and after training was 9.9 ±3.6 and 16.6 ±3.7 out of a total of 26 scores respectively; finally, the difference in scores before and after the training was significant. Conclusion: The use of social media and the telegram messenger has a positive effect on increasing the awareness of health workers about nosocomial infections. http://jhbmi.ir/article-1-492-en.pdf 2020-07-07 52 59 Hospital Infections Awareness Virtual Learning Telegram Health workers Akram Ghanizadeh akramghanizadeh@gmail.com 1 M.Sc. of Community-Based Education in Health System, Bam University of Medical Sciences, Bam, Iran AUTHOR MohammadReza Rajabalipour mmrr1366@yahoo.com 2 M.Sc. of Health Education, Instructor, Public Health Dept., School of Health, Bam University of Medical Sciences, Bam, Iran AUTHOR https://orcid.org/0000-0003-1556-4696 Roghayeh Ershad Sarabi a.ershadsarabi@gmail.com 3 Ph.D. of Health Information Management, Assistant Professor, Medical Informatics Research Center, Institute for Futures Studies in Health, Kerman University of Medical Sciences, Kerman, Iran AUTHOR https://orcid.org/0000-0001-8926-0156

ORIGINAL_ARTICLE مقدمه: استفاده از فناوری «توالی­ یابی RNA سلول-منفرد» باعث شناخت بهتر ساختارهای سلولی شده و داده‌های با وضوح بسیار بالایی از بیان ژن‌های مختلف هر سلول را در یک زمان واحد ارائه می‌دهد. یکی از زمینه­ های پرکاربرد در این حوزه، خوشه­بندی داده­ ها بر اساس ژن‌های بیان شده است که بعضاً منتج به شناسایی جمعیت­ های سلولی جدید می­گردد. عملکرد روش­ های پیشنهادی عمدتاً به شکل جمعیت­ ها و ابعاد داده­ ها بستگی دارد؛ لذا توسعه یک روش که بتواند فارغ از این موانع به شناسایی جمعیت­ های سلولی بپردازد، بسیار مهم است. روش: در روش پیشنهادی که یک روش کتابخانه­ ای بود، ابتدا تعداد جمعیت‌های سلولی تخمین زده شد. این تخمین از آن جهت اهمیت دارد که در دنیای واقعی، اطلاعات اولیه مثل تعداد و نوع جمعیت‌های سلولی در دسترس نیست. سپس با استفاده از یک کرنل گاوسی مبتنی بر گراف، ضمن کاهش ابعاد مسئله، اقدام به شناسایی جمعیت‌های سلولی با روش خوشه‌بندی kmeans++ شد. نتایج: نتایج پیاده‌سازی نشان داد که روش پیشنهادی می‌تواند نسبت به سایر روش‌های یادگیری ماشین ارائه شده در این زمینه، بهبود قابل قبولی را حاصل کند. به عنوان مثال برای معیار ARI، مقادیر 100، 93/47 و 84/69 به ترتیب برای مجموعه داده‌های سلول-منفرد Kolod، Buettner و Usoskin حاصل شد. نتیجه­ گیری: روش پیشنهادی بدون هیچ اطلاعات اولیه در مورد تعداد و نوع جمعیت‌های سلولی و فارغ از ابعاد بالای مسئله، می­تواند اقدام به خوشه‌بندی و در نتیجه شناسایی جمعیت‌های سلولی با دقت و کیفیت بالایی نماید. http://jhbmi.ir/article-1-420-fa.pdf 2020-07-07 60 72 توالی‌یابی RNA سلول-منفرد خوشه‌بندی شناسایی جمعیت‌های سلولی کرنل گاوسی مبتنی بر گراف Introduction: The emergence of single-cell RNA-sequencing (scRNA-seq) technology has provided new information about the structure of cells, and provided data with very high resolution of the expression of different genes for each cell at a single time. One of the main uses of scRNA-seq is data clustering based on expressed genes, which sometimes leads to the detection of rare cell populations. However, the results of the proposed methods mainly depend on the shape of the cell populations and the dimensions of the data. Therefore, it is very important to develop a method that can identify cell populations regardless of these obstacles. Method: In the proposed method, which was a library method, at first, the number of clusters (cell populations) was estimated. Estimating the number of clusters is important because in the real world, basic information such as the number and type of cell populations is not available. Thereafter, using a graph-based Gaussian kernel, while reducing the dimensions of the problem, the cell populations were identified by means of the kmeans++ clustering. Results: The results of the implementation showed that the proposed method can achieve an acceptable improvement compared to other machine learning methods presented in this regard. For example, for the ARI criterion, values of 100, 93.47 and 84.69 were obtained for Kolod, Buettner, and Usoskin single-cell data sets, respectively. Conclusion: The proposed method can cluster and thus identify cell populations with high accuracy and quality without having any basic information about the number and type of cell populations, regardless of the high dimensions of the problem. http://jhbmi.ir/article-1-420-en.pdf 2020-07-07 60 72 Single-cell RNA-sequencing Clustering Identification of Cell Populations Graph-based Gaussian Kernel Amin Einipour a.einipour@gmail.com 1 Ph.D. Student in Computer Engineering, Computer Engineering Dept., Faculty of Engineering, Dezful Branch, Islamic Azad University, Dezful, Iran AUTHOR Mohammad Mosleh mosleh@iaud.ac.ir 2 Ph.D. in Computer Engineering, Assistant Professor, Computer Engineering Dept., Faculty of Engineering, Dezful Branch, Islamic Azad University, Dezful, Iran AUTHOR https://orcid.org/0000-0002-0991-1623 Karim Ansari-Asl karimansari@scu.ac.ir 3 Ph.D. in Biomedical Engineering, Associate Professor, Electrical Engineering Dept., Faculty of Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran AUTHOR

REVIEW_ARTICLE مقدمه: پرونده الکترونیک سلامت شخصی (ePHR) موجب بهبود آگاهی، مدیریت و ارتقاء سلامت افراد می‌شود. یکی از مهم‌ترین عوامل مؤثر در پیشبرد و توسعه ePHRs، شناسایی، درک محتوا و ساختار آن‌ها می‌باشد. تاکنون مطالعات جامعی در رابطه با محتوا و ساختار آن‌ها صورت نگرفته است؛ بنابراین هدف مطالعه حاضر‌، مروری سیستماتیک بر محتوا و ساختار ePHRs بود. روش: در این مطالعه مروری سیستماتیک، مطالعات منتشر شده انگلیسی زبان با استفاده از کلمات کلیدی در پایگاه‌های اطلاعاتی PubMed، Scopus، Medline Ovid، ScienceDirect و IEEE بین سال‌های 2000 تا 2019 جستجو و بازیابی گردید. سپس، مقالات بر اساس معیار‌های ورود و خروج انتخاب و از جنبه‌های منابع اطلاعاتی سیستم، ماژول‌های طراحی شده، استانداردها و معماری مورد استفاده مورد بررسی قرار گرفتند. نتایج: در نهایت 38 مقاله تحقیقی اصیل انتخاب گردید. نتایج نشان داد که اکثر ePHRs از معماری‌های اتصال‌گرا و یا ترکیبی استفاده نموده‌اند که کاربران از طریق سرور‌های مبتنی بر وب به آن‌ها دسترسی داشتند. همچنین در اکثر ePHRs، از پرونده‌های الکترونیک سلامت و یا پزشکی به عنوان منابع اطلاعاتی از طریق لینک دیتا استفاده شده بود. استانداردهای ترمینولوژی، محتوا، تبادل، امنیتی و حریم خصوصی ePHRs نیز در تعدادی از مطالعات گزارش شده بود. محتوای اکثر ePHRs به دلیل تنوع جامعه هدف شامل شهروندان و بیماران (از جمله بیماران با شرایط مزمن) متنوع بود. نتیجه‌گیری: نتایج این مطالعه می‌تواند در طراحی ePHR‌ها برای اهداف متنوع مورد استفاده محققان و طراحان قرار گیرد. http://jhbmi.ir/article-1-479-fa.pdf 2020-07-07 73 90 پرونده الکترونیک سلامت شخصی مرور سیستماتیک محتوا و ساختار ePHR Introduction: The electronic Personal Health Record (ePHR) improves people’s awareness and care management and leads to health promotion. One of the most important factors that contributes to the development of ePHR is identifying and understanding its content and structure. No comprehensive studies have so far been performed on the content and structure of ePHRs. Therefore, the purpose of this study was to systematically review the content and structure of ePHRs  in terms of system information resources, standards used, and their architecture. Method: This study was a systematic review. Studies published in English were searched using keywords and retrieved from PubMed, Scopus, Medline Ovid, ScienceDirect and IEEE databases from 2000 to 2019. Then, the articles were selected based on inclusion and exclusion criteria and evaluated on the basis of system information resources, design modules, the standards used and the architecture applied. Results: Finally, 38 original research articles met the inclusion criteria. The results of the present study showed that most ePHRs used tethered or hybrid architecture that allowed users to access ePHRs through web-based servers. Most ePHRs have also used electronic health records or medical electronic records as information resources through a data link. Standards of terminology, content, exchange, security, privacy, and confidentiality of ePHR systems have also been reported in a number of studies. Moreover, the content of most ePHRs was varied due to the diversity of the target population of citizens and patients (including chronic patients). Conclusion: The results of this study can be used by researchers and designers in designing ePHRs for various purposes. http://jhbmi.ir/article-1-479-en.pdf 2020-07-07 73 90 Electronic Personal Health Record Systematic Review Content and Structure ePHR Esmaeel Toni toni.esmaeel@gmail.com 1 M.Sc. Student in Medical Informatics, Health Information Technology Dept., School of Allied Medical Sciences, Urmia University of Medical Sciences, Urmia, Iran AUTHOR https://orcid.org/0000-0001-5156-2853 Habibollah Pirnejad pirnejad.h@umsu.ac.ir 2 Ph.D. in Medical Informatics, Associate Professor, Patient Safety Research Center and Health Information Technology Dept., School of Allied Medical Sciences, Urmia University of Medical Sciences, Urmia, Iran AUTHOR https://orcid.org/0000-0001-9284-5702 Zahra Niazkhani niazkhani.z@umsu.ac.ir 3 Ph.D. in Medical Informatics, Associate Professor, Nephrology and Kidney Transplant Research Center and Health Information Technology Dept., School of Allied Medical Sciences, Urmia University of Medical Sciences, Urmia, Iran AUTHOR https://orcid.org/0000-0003-2662-9731