ORIGINAL_ARTICLE مقدمه: روزانه افراد زیادی به دلیل وقوع تصادفات یا بروز بیماری های مختلف با مراکز فوریت های پزشکی تماس می گیرند و نیازمند دریافت کمکهای اولیه اند. برای ارایه کمک های اولیه پزشکی، اعزام نیرو و خودروهای امداد و نجات از مراکز خدمات فوریت های پزشکی به محل وقوع حادثه، ضروری است. ازاین رو، دسترس پذیر بودن محل استقرار مراکز فوریت های پزشکی و قرارگیری در محل مناسب، اهمیت زیادی دارد. هدف این پژوهش تحلیل الگوی فضایی توزیع مراکز فوریت های پزشکی موجود و معرفی پهنه های مناسب برای استقرار مراکز جدید است. روش: تحقیق حاضر، از نوع روشهای توصیفی- تحلیلی است. این مطالعه شهر اردبیل را برای تجزیه و تحلیل انتخاب کرده است. از 22 معیار برای مکان یابی استفاده شده است. از فرآیند تحلیل شبکهای (ANP) برای تعیین وزن معیارها و از مدل VIKOR در سامانه اطلاعات جغرافیایی (GIS) برای تهیه نقشه پهنه بندی شهری جهت احداث مراکز جدید، استفاده شده است. نتایج: مراکز موجود فوریت های پزشکی، تنها بخشی از شهر اردبیل را پوشش می دهند و بخش های زیادی از شهر از جمله در حواشی شهر، نمیتوانند خدمات مناسبی دریافت کنند. نقشه تهیه شده، مکان های جدیدی را برای افزایش میزان دسترس پذیری پیشنهاد کرده است. نتیجه گیری: باز توزیع فضایی و تخصیص مجدد مراکز فوریت های پزشکی، دسترس پذیری به این مراکز را بهبود می بخشد. سامانه های اطلاعات جغرافیایی پلتفورم مناسبی را برای توزیع مجدد خدمات فراهم می کنند. سیاستگذاران و برنامه ریزان بخش بهداشت و درمان ممکن است از نتایج این مطالعه برای تخصیص بهینه منابع استفاده کنند. http://jhbmi.ir/article-1-590-fa.pdf 2022-01-12 243 259 حوادث مراکز فوریت های پزشکی مکان گزینی سیستم های اطلاعات جغرافیایی Introduction: Many people call emergency medical centers (EMCs) during a day due to accidents or various diseases and they need to receive first aid. In order to provide first aid, it is necessary to send emergency workers and vehicles from the emergency medical services centers to the location of the accidents. Therefore, the accessibility of the EMCs and their being located in an appropriate place are of great importance. The objective of this study was to analyze the spatial distribution pattern of the existing EMCs and to introduce suitable areas for the establishment of new centers. Method: The present study was a descriptive-analytical one. Ardabil, a city in Iran, was selected as the study area for analysis. A total of 22 criteria were used for site selection. The Analytic Network Process (ANP) was used to determine the weights of the criteria and the VIKOR model was utilized in Geographic Information System (GIS) to prepare an urban zoning map for the site selection of new centers. Results: The existing EMCs cover only a limited part of Ardabil and many parts of the city, including the outskirts, cannot receive proper emergency medical services (EMS). The created map suggested new locations to increase accessibility. Conclusion: Spatial redistribution and allocation of EMCs can improve accessibility of these centers. The GIS can provide a good platform for the redistribution of EMS. Health policymakers and planners may use the results of this study to optimally allocate resources. http://jhbmi.ir/article-1-590-en.pdf 2022-01-12 243 259 Accidents Emergency Medical Centers Site selection Geographic Information Systems Alireza Mohammadi a.mohammadi@uma.ac.ir 1 Associate Professor, Department of Geography and Urban Planning, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran AUTHOR https://orcid.org/0000-0002-3327-0942 Sepideh Nouri SEPIDEH.NOORI71@GMAIL.COM 2 Ph.D. Student in Geography and Urban Planning, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabil, Iran AUTHOR https://orcid.org/0000-0001-9646-5942

ORIGINAL_ARTICLE مقدمه: مراقبت از خود در بیماری‌های مزمن، بر روی بررسی و کنترل علائم بیماری، حفظ شیوه زندگی سالم و عملکرد روزانه دلالت می‌کند. این مطالعه با هدف بررسی تأثیر ارسال پیامک‌های آموزشی بر خود مراقبتی در بیماران فشارخون بالای یکی از کلینیک‌های فشارخون شهر کرمان در سال 1399 انجام شد. روش: در این مطالعه نیمه‌تجربی، جامعه آماری شامل 316 بیمار با سابقه فشارخون بالا بودند که تعداد 64 نفر به عنوان نمونه انتخاب شدند. سپس نمونه‌ها به صورت تصادفی در دو گروه 32 نفری مداخله و کنترل قرار گرفتند. برای گردآوری داده‌ها از پرسشنامه رفتارهای خودمراقبتی بیماران فشارخون بالا استفاده شد. قبل از اجرای مداخله، پرسشنامه‌ها توسط نمونه‌ها تکمیل گردید. سپس پیامک‌های آموزشی برای افراد گروه مداخله طی مدت یک ماه ارسال گردید و برای گروه کنترل مداخله‌ای صورت نگرفت. پس از اتمام آموزش، تمامی بیماران مجدداً پرسشنامه‌ها را تکمیل کردند. تجزیه‌وتحلیل داده‌ها با استفاده از نرم‌افزار SPSS نسخه 26 انجام شد. نتایج: نتایج نشان داد میانگین نمره خودمراقبتی بعد از مداخله (با کنترل نمره قبل) در گروه مداخله به اندازه 6/92 بیشتر از گروه کنترل بود که این اختلاف از نظر آماری معنی‌دار بود (0/01>P-value)؛ لذا استفاده از سلامت همراه، نسبت به روش معمول خودمراقبتی، تأثیر بیشتری بر افزایش خودمراقبتی بیماران دارای فشارخون بالا داشت. نتیجه‌گیری: نتایج این مطالعه سودمندی پیامک‌های آموزشی را در خودمراقبتی بیماران مبتلا به فشار‌خون بالا نشان داد؛ بنابراین استفاده از فناوری‌های سلامت همراه در ارائه مراقبت‌های بهداشتی گزینه مناسبی می‌باشد. http://jhbmi.ir/article-1-621-fa.pdf 2022-01-12 260 269 سلامت همراه پیامک خودمراقبتی فشارخون Introduction: Self-care in chronic diseases implies the study and control of disease symptoms, maintaining a healthy lifestyle, and daily functioning. The objective of this study was to investigate the effect of educational text messages on self-care in hypertensive patients in one of the hypertension clinics in Kerman in 2020. Method: The statistical population of this quasi-experimental study included 316 patients with a history of hypertension, of whom 64 were selected as the sample of the study. Then, the selected participants were randomly assigned to two intervention and control groups each with 32 members. The self-care behavior questionnaire for hypertensive patients was used to collect data. Before the intervention, the questionnaires were completed by the participants. Then, educational text messages were sent to the intervention group for one month while the control group received no intervention. At the end of the training, all patients completed the questionnaires again. Data were analyzed using SPSS software (version 26). Results: The results showed that the mean score of self-care in the intervention group after the intervention (previous score being controlled) was 6.92 more than that of the control group, which was statistically significant (P-value <0.01). Thus, using mobile health (mHealth) had a greater impact on increasing self-care in patients with hypertension compared with the conventional self-care methods. Conclusion: The results of this study indicated the efficiency of educational text messages in self-care of patients with hypertension. Therefore, it is a good choice to use mHealth technologies for providing health care. http://jhbmi.ir/article-1-621-en.pdf 2022-01-12 260 269 mHealth SMS Self-Care Hypertension Elnaz Movahedi elnaz.movahedi@yahoo.com 1 MSc Student in Health Information Technology, Faculty of Management and Medical Information Sciences, Kerman University of Medical Sciences, Kerman, Iran AUTHOR Abbas Etminan abbas_etminan@yahoo.com 2 Assistant Professor, Endocrinology and Metabolism Research Center, Kerman University of Medical Sciences, Kerman, Iran AUTHOR Moghadameh Mirzaei moghadameh_mirzai@yahoo.com 3 Associate Professor, Modeling in Health Research Center, Institute for Futures Studies in Health, Kerman University of Medical Sciences, Kerman, Iran AUTHOR Roghayeh Ershad Sarabi a.ershadsarabi@gmail.com 4 Assistant Professor, Medical Informatics Research Center, Institute for Futures Studies in Health, Kerman University of Medical Sciences, Kerman, Iran AUTHOR

ORIGINAL_ARTICLE مقدمه: ویژگی‌های یک سلول را می‌توان با بررسی ماتریس بیان ژنی مربوط به آن سلول تعیین کرد. اگر بتوان ماتریس‌های بیان ژنی مربوط به سلول‌های فرزند آینده را پیش‌بینی کرد، در حقیقت ویژگی‌های سلول‌های آینده پیش‌بینی شده‌اند. هدف مطالعه حاضر، طراحی یک شبکه عصبی مصنوعی برای پیش‌بینی ماتریس‌های بیان ژنی برای سلول‌های فرزندی است که از تقسیم/تمایز سلول‌های بنیادی هماتوپویتیک در آینده به دست خواهند آمد. روش: شبکه عصبی طراحی‌‌شده ماتریس بیان ژنی یک سلول بنیادی هماتوپویتیک والد را به عنوان ورودی می‌گیرد و ماتریس‌های بیان ژنی مربوط به سلول‌های فرزند آینده آن را تولید می‌کند. یک کدگذار زمانی برای کدگذاری سری زمانی اصلی و یک کدگذار مکانی برای کدگذاری سری‌های زمانی ثانویه پیشنهاد می‌شود. نتایج: برای آن که پیش‌بینی قابل پذیرشی انجام شود، باید ماتریس­های بیان ژنی مربوط به دست­کم چهار مرحله اولیه از تقسیم/تمایز مشخص باشند. شبکه عصبی طراحی­شده از نظر خطای پیش‌بینی و تعداد مراحل تقسیم/تمایز که به درستی پیش‌بینی شده باشند، نسبت به شبکه­های عصبی موجود بهتر عمل می‌کند. طرح پیشنهادی این مطالعه می­تواند پیش‌بینی را برای صدها مرحله از تقسیم/تمایز سلولی انجام دهد. خطای طرح پیشنهادی برای پیش­بینی 1، 4، 16، 64 و 128 مرحله از تقسیم/تمایز به ترتیب برابر با 3/04، 3/76، 5/5، 7/83، و 11/06 درصد بوده است. نتیجه‌گیری: با داشتن ماتریس بیان ژنی مربوط به یک سلول هما‌توپویتیک والد می‌توان ماتریس‌های بیان ژنی مربوط به فرزندان آن را تا صدها مرحله از تقسیم/تمایز پیش‌بینی کرده و در صورت لزوم، به موقع چاره‌ای برای روبه‌رو شدن با مشکلات ژنتیکی آینده اندیشید. http://jhbmi.ir/article-1-610-fa.pdf 2022-01-12 270 281 سلول بنیادی هماتوپویتیک شبکه عصبی سری زمانی چندمتغیره ماتریس بیان ژنی پیش‌بینی Introduction: The features of a cell can be extracted from its gene expression profile. If the gene expression profiles of future descendant cells are predicted, the features of the future cells are also predicted. The objective of this study was to design an artificial neural network to predict gene expression profiles of descendant cells that will be generated by division/differentiation of hematopoietic stem cells. Method: The developed neural network takes the parent hematopoietic stem cell’s gene expression profile as input and generates the gene expression profiles of its future descendant cells. A temporal attention was proposed to encode the main time series and a spatial attention was also provided to encode the secondary time series. Results: To make an acceptable prediction, the gene expression profiles of at least four initial division/differentiation steps must be known. The designed neural network surpasses the existing neural networks in terms of prediction accuracy and number of correctly predicted division/differentiation steps. The proposed scheme can predict hundreds of division/differentiation steps. The proposed scheme’ error in prediction of 1, 4, 16, 64, and 128 division/differentiation steps was 3.04, 3.76, 5.5, 7.83, and 11.06 percent, respectively. Conclusion: Based on the gene expression profile of a parent hematopoietic stem cell, the gene expression profiles of its descendants can be predicted for hundreds of division/differentiation steps and if necessary, solutions must be sought to encounter future genetic disorders. http://jhbmi.ir/article-1-610-en.pdf 2022-01-12 270 281 Hematopoietic Stem Cell Neural Network Multivariate Time Series Gene Expression Profile Prediction Parinaz Eskandarian p_eskandarian@yahoo.com 1 Ph.D. Candidate in Computer Engineering, Department of Computer Engineering, Urmia Branch, Islamic Azad University, Urmia, Iran AUTHOR https://orcid.org/0000-0002-6565-5097 Jamshid Bagherzadeh Mohasefi j.bagherzadeh@urmia.ac.ir 2 Ph.D. in Software Engineering, Associate Professor, Department of Electrical and Computer Engineering, Urmia University, Urmia, Iran AUTHOR https://orcid.org/0000-0003-2497-0186 Habibollah Pirnejad pirnejad.h@umsu.ac.ir 3 Ph.D. in Medical Informatics, Associate Professor, Patient Safety Research Center, Clinical Research Institute, Urmia University of Medical Sciences, Urmia, Iran AUTHOR https://orcid.org/0000-0001-9284-5702 Zahra Niazkhani niazkhani.z@umsu.ac.ir 4 Ph.D. in Medical Informatics, Associate Professor, Nephrology and Kidney Transplant Research Center, Clinical Research Institute, Urmia University of Medical Sciences, Urmia, Iran AUTHOR https://orcid.org/0000-0003-2662-9731

ORIGINAL_ARTICLE مقدمه: عدم قطعیت و وقوع ناگهانی بلایا نیازمند توجه ویژه می‌باشد و پرستاران به عنوان بزرگ‌ترین منبع انسانی در حفظ و ارتقاء سلامت مصدومان نقش خطیری را عهده‌دار هستند. در زمان رخداد حوادث، بهره‌گیری از مراقبت‌های پرستاری از راه دور به عنوان یک شیوه‌ عالی به منظور ارائه خدمات مراقبتی می‌تواند مطرح شود؛ لذا این مطالعه با هدف اولویت‌بندی مراقبت‌های پرستاری از راه دور در حوادث و بلایا از دیدگاه پرستاران انجام شد. روش: این مطالعه توصیفی- پیمایشی بخشی از یک پژوهش ترکیبی است که برای نخستین مرتبه در ایران به منظور اولویت‌بندی و ارزیابی خدمات پرستاری از راه دور در حوادث و بلایا در سال 1398 انجام شد. ابزار گردآوری اطلاعات پرسشنامه محقق ساخته بود. کلیه پرستاران بخش اورژانس بیمارستان‌های باهنر و افضلی‌پور وابسته به دانشگاه علوم پزشکی کرمان به روش نمونه‌گیری سرشماری وارد مطالعه شدند. تجزیه و تحلیل داده‌ها با استفاده از نرم‌افزار SPSS نسخه 21 صورت گرفت. نتایج: بررسی نتایج نشان داد که اولویت مراقبت‌های پرستاری از راه دور در حوادث شامل: اقدامات نجات دهنده حیات، مراقبت و تصمیم‌گیری در شرایط پر تنش (تریاژ)، اداره مصدومان ترومایی، مهارت‌های تکنیکی، اداره بیماران با نیازهای ویژه و حمایت‌های روانی و عاطفی است. نتیجه‌گیری: با توجه به این که در زمان رخداد حوادث و بلایا شاهد شرایط غیر عادی هستیم و کمبود کادر پرستاری در مراقبت از مصدومان به چشم می‌خورد، بنابراین استفاده از فناوری پرستاری از راه دور روزنه‌ امیدی برای مدیریت بلایا، کاهش میزان صدمات و کمک به بازتوانی قربانیان می‌باشد. http://jhbmi.ir/article-1-617-fa.pdf 2022-01-12 282 291 پرستاری از راه دور حوادث بلایا پرستار Introduction: Uncertainty and sudden occurrence of disasters require special attention and nurses, as the largest human resource, have a critical role in maintaining and promoting the health. The use of telenursing care during disaster is an applicable way to provide care. The aim of this was to prioritizing telenursing care in disasters from the view of nurses. Method: This descriptive-analytical study was part of a larger mixed methods on prioritizing telenursing care in disasters from the view of nurses. Samples were selected using census. The data were analyzed using SPSS software. Results: The prioritizing extracted care included:(1) Management of trauma, (2) Technical skills, (3) Care and decision-making in stressful situations (triage), (4) Management of patients with special needs, (5) Life-saving intervention, and (6) Psychological and emotional supports. Conclusion: According to the shortage of specialized nurses in disastrous areas, a telenursing program will provide a new window and provide help to victims of disasters. http://jhbmi.ir/article-1-617-en.pdf 2022-01-12 282 291 Telenursing Incidents Disasters Nurse Mahdiye Nejadshafiee nejadshafiee.mahdiye@gmail.com 1 PhD in Health in Disasters and Emergencies, Seyed Alshohada Hospital, Health in Disasters and Emergencies Research Center, Institute for Futures Studies in Health, Kerman University of Medical Sciences, Kerman, Iran AUTHOR https://orcid.org/0000-0002-0063-5933 Kambiz Bahaadinbeigy kambizb321@gmail.com 2 PhD in Medicine Informatics, Medical Informatics Research Center, Institute for Futures Studies in Health, Kerman University of Medical Sciences, Kerman, Iran AUTHOR Majid Kazemi maj_kaz@yahoo.com 3 PhD in Nursing, Associate Professor, Department of Medical Surgical Nursing, Faculty of Nursing and Midwifery, Non-Communicable Disease Research Center, Rafsanjan University of Medical Sciences, Rafsanjan, Iran. AUTHOR Mahmood Nekoei-Moghadam mahmood.nekoeimoghadam@gmail.com 4 PhD in Health Management, Health Services Management Research Center, Institute for Futures Studies in Health, Kerman University of Medical Sciences, Kerman, Iran AUTHOR

ORIGINAL_ARTICLE مقدمه لیگامان صلیبی قدامی(Anterior Cruciate Ligament; ACL) نقش مهمی در پایدارسازی زانو دارد، ضایعاتACL  سبب بروز ناپایداری مفصلی و اختلالات شدیدی در عملکرد فیزیکی و تعادل فرد می‌گردد. پس از جراحی بازسازی ACL، توانایی بیماران برای انجام فعالیت‌های روزمره به طور قابل ملاحظه‌ای کاهش می‌یابد و انجام برنامه‌‌های توان‌بخشی ضروری است. هدف از مطالعه حاضر، استفاده از سیستم خبره جهت کاربرد واقعیت مجازی با سیستم Wii Fit برای اجرای برنامه توان‌بخشی در بیماران پس از بازسازی ACL است. روش این پژوهش پایلوت به صورت کارآزمایی بالینی تصادفی روی بیست بیمار واجد‌شرایط در دو ‏گروه درمانی طی چهار هفته انجام گردید؛ یک گروه با برنامه مبتنی بر سیستم خبره با Wii Fit(گروه WF) و گروه دیگر با برنامه متداول توانبخشی(گروه CT). در فاز نخست تحقیق جهت تدوین سیستم خبره با کمک متخصصین انجام شد، سپس در فاز بالینی کلیه بیماران مورد ارزیابی و بازتوانی قرار گرفتند. در آنالیز آماری از آزمون t-زوجی و آزمون t-مستقل استفاده گردید. نتایج یافته‌های حاصل از آنالیز‌‌های آماری بیانگر تفاوت‌های معناداری قبل و بعد از بازتوانی بین دو گروه WF و CT در میزان درد(P<0.001)، تورم مفصلی(P<0.001)،محیط ران(P<0.001)،دامنه حرکتی زانو (P=0.002)،و وضعیت عملکردی بیماران با تست پرش طول یک‌پا(P<0.001)،وتست پرش یک‌پا در زمان(P=0.014)،نشان داد. نتایج حاکی از بهبودی چشمگیر بیماران در گروه WF نسبت به گروه CT بود. نتیجه گیری  رویکرد توان‌بخشی با استفاده از سیستم خبره برای تمرینات Wii Fit اثرات قابل‌ملاحظه‌ای را در مقایسه با روش معمول توانبخشی بر درد، تورم، دامنه حرکتی و عملکرد بیماران داشته است. http://jhbmi.ir/article-1-614-fa.pdf 2022-01-12 292 303 سیستم خبره لیگامان صلیبی قدامی عملکرد واقعیت مجازی Introduction: The Anterior Cruciate Ligament (ACL) plays a vital role in stabilizing the knee. ACL lesions cause joint instability and severe disturbances in physical function and balance. After ACL reconstruction surgery, patients' ability to perform daily activities is significantly reduced and rehabilitation programs are necessary. The objective of the present study was to use an expert system for virtual reality application with the Wii Fit system to run a rehabilitation program in patients after ACL reconstruction. Method: This pilot study was performed as a randomized clinical trial on 20 eligible patients in two treatment groups over four weeks; one group with an expert system-based program with Wii Fit (WF group) and the other group with a standard rehabilitation program (CT group). In the first phase of the study, an expert system was developed with the help of specialists, then in the clinical phase, all patients were evaluated and rehabilitated. In statistical analysis, paired t-test and independent t-test were used. Results: Findings from statistical analysis showed significant differences before and after rehabilitation between the two groups in pain (P<0.001), joint swelling (P<0.001), thigh girth (P<0.001), Knee range of motion (P=0.002), and functional status of patients with Single-leg hop for distance (P<0.001), and Single-leg hop for time (P=0.014). The results revealed a significant improvement in patients in the WF group compared to the CT group. Conclusion: The rehabilitation approach using the expert system for Wii Fit exercises has had significant effects on pain, swelling, range of motion, and patient performance compared to the usual rehabilitation method.   http://jhbmi.ir/article-1-614-en.pdf 2022-01-12 292 303 Expert System Anterior Cruciate Ligament Function Virtual Reality Arezoo Abasi arezoo_abasi@modares.ac.ir 1 M.Sc. Student in Medical Informatics, Department of Medical Informatics, Faculty of Medical Sciences, Tarbiat Modares University, Tehran, Iran AUTHOR https://orcid.org/0000-0002-8308-5657 Anoshirvan Kazemnejad kazem_an@modares.ac.ir 2 Ph.D. in Biostatistics, Professor, Department of Biostatistics, Faculty of Medical Sciences, Tarbiat Modares University, Tehran, Iran AUTHOR https://orcid.org/0000-0002-0143-9635 Azar Moezy moezy.a@iums.ac.ir 3 Ph.D. in Physical Therapy, Associate Professor, Department of Sports Medicine, Faculty of Medicine, Iran University of Medical Sciences, Tehran, Iran AUTHOR https://orcid.org/0000-0001-9072-3840 Abbas Asosheh asosheh@modares.ac.ir 4 Ph.D. in Electrical and Electronics Engineering, Assistant Professor, Department of Medical Informatics, Faculty of Medical Sciences, Tarbiat Modares University, Tehran, Iran AUTHOR https://orcid.org/0000-0002-5560-8238

ORIGINAL_ARTICLE مقدمه: کمبود منابع مالی و نقدینگی معضل اصلی بیمارستان‌ها می‌باشد. داروخانه‌ها از بخش‌های تأثیرگذار بر گردش مالی بیمارستان‌ها هستند که به دلیل عدم پیش‌بینی مصرف و تهیه دارو، در انتهای سال با اضافه موجودی، حجم زیاد داروهای تاریخ مصرف گذشته و گاهی کمبود دارو مواجه می‌شوند؛ لذا پیش‌بینی مصرف دارو با استفاده از داده‌های گذشته‌نگر موجود، منجر به بهبود مدیریت منابع در بیمارستان‌ها می‌شود. به دلیل توانمندی بالای داده‌کاوی در مدل‌سازی مسائل پزشکی، از الگوریتم‌های منتخب برای تعیین مدل بهینه تهیه دارو استفاده گردید. روش: در این مطالعه مقطعی، برای بررسی انواع الگوریتم‌های داده‌کاوی، فرم اطلاعاتی بر اساس اهداف طراحی، سپس در قالب گزارش در سیستم اطلاعات بیمارستانی تعریف گردید و با کمک نرم‌افزار Crystal Report داده‌ها استخراج گردید. برای ارائه مدل، دقت الگوریتم‌های پیش‌بینی داده‌کاوی KNN, SVM, NN, Random Forest, LR, Adaboost بر اساس معیارهایMSE, RMSE, MAE, R2 در نرم‌افزار Weka بررسی شدند. نتایج: روش Adaboost با معیارهای R2 MAE, و RMSE (0/78، 247، 827) و روش جنگل تصادفی با  معیارهای (0/6، 1170، 1868) نسبت به بقیه مدل‌ها بالاترین دقت را داشته و میزان خطا را به نسبت بیشتری کاهش می‌دهند. سایر روش‌ها با معیارهای فوق در پیش‌بینی مسئله پژوهش عملکرد ضعیف‌تری را دارند. نتیجه‌گیری: نتایج پژوهش حاکی از دقت بالای روش Adaboost و جنگل تصادفی در مقایسه با سایر روش‌های مورد بررسی است. درصد کمی از بیمارستان‌ها برای مدیریت تهیه دارو، برنامه‌ریزی می‌کنند؛ لذا به مدیران بیمارستان‌ها و داروخانه‌ها پیشنهاد می‌شود که در مدیریت واحدهای متبوع‌شان از داده‌کاوی استفاده کنند. http://jhbmi.ir/article-1-645-fa.pdf 2022-01-12 304 314 دارو بیمارستان داده‌کاوی الگوریتم‌های پیش‌بینی Introduction: Lack of financial resources and liquidity are the main problems of hospitals. Pharmacies are one of the sectors that affect the turnover of hospitals and due to lack of forecast for the use and supply of medicines, at the end of the year, encounter over-inventory, large volumes of expired medicines, and sometimes shortage of medicines. Therefore, medicine prediction using available retrospective data leads to improved resource management in hospitals. Due to the high capability of data mining in modeling medical problems, selected algorithms were used to determine the optimal model of medicine preparation.   Method: In this cross-sectional study, to investigate different types of data mining algorithms, an information form was developed based on the design objectives and then defined in the form of reports in the hospital information system. The data were extracted using Crystal Report software. To develop the model, the accuracy of the data mining prediction algorithms including KNN, SVM, NN, Random Forest, LR, and Adaboost was examined based on MSE, RMSE, MAE, and R2 criteria in Weka software. Results: Concerning R2, MAE, and RMSE criteria, Adaboost method (0.78, 247, 827) and random forest method (0.6, 1170, 1868) had the highest accuracy compared to other models and reduced the error rate more. Other methods with the above criteria had poorer performance in predicting the research problem. Conclusion: The results of this study indicated that the Adaboost and random forest methods are more accurate than other methods. A small percentage of hospitals plan to manage the preparation of medicines; thus, it is suggested that managers of hospitals and pharmacies use data mining in the management of their respective units. http://jhbmi.ir/article-1-645-en.pdf 2022-01-12 304 314 Medicine Hospital Data Mining Prediction Algorithms Azita Koohestani a.kouhestani@sbmu.ac.ir 1 M.Sc. in Health Services Management, Department of Health Services Management, Electronic Branch, Islamic Azad University, Tehran, Iran AUTHOR https://orcid.org/0000-0002-8940-0814 Amir Ashkan Nasiripour nasiripour@srbiau.ac.ir 2 Ph.D. in Health Services Management, Associate Professor, Department of Health Services Management, Electronic Branch, Islamic Azad University, Tehran, Iran AUTHOR https://orcid.org/0000-0002-2569-6118 Mahdi Riahifar mriahifarr@gmail.com 3 Ph.D. in Health Services Management, Associate Professor, Department of Health Services Management, Electronic Branch, Islamic Azad University, Tehran, Iran AUTHOR

ORIGINAL_ARTICLE مقدمه: بیماری‌های قلبی و عروقی یکی از علل اصلی مرگ‌ومیر در جهان صنعتی امروز هستند. انسداد گوشک دهلیز چپ با استفاده از دستگاه‌های ساخته‌ شده یک‌روند رو به رشد است. این مطالعه با هدف ایجاد یک سیستم تشخیصی به کمک رایانه برای شناسایی LAA در تصاویر اکوکاردیوگرافی انجام شد. روش: داده‌های به ‌کار رفته در این مطالعه توصیفی-تحلیلی، تصاویر اکوکاردیوگرافی سه‌بعدی از قلب مربوط به 32 بیمار اخذ شده در بیمارستان کینگز کالج لندن است که تمامی آن‌ها با موفقیت با مسدودکننده درمان شدند. مجموع 208 تصویر دوبعدی به‌دست‌آمده در صفحه محوری از هر مجموعه داده سه‌بعدی به دست ‌آمد. سپس 1914 تصویر که در آن‌ها ناحیه مربوط به LAA به‌وضوح قابل‌تشخیص بودند برای این مطالعه انتخاب شدند. شبکه عصبی پیشنهادی در این مطالعه مبتنی بر الگوریتم YOLOv3 کامپایل شده است. در نهایت 1369 و 545 تصویر به ترتیب برای آموزش و آزمایش الگوریتم مورد استفاده قرار گرفتند. نتایج: عملکرد الگوریتم در شناسایی LAA بر روی مجموعه‌ای از 545 تصویر با نواحی ردیابی شده در تصاویر مشابه توسط یک متخصص در اکوکاردیوگرافی با استفاده از یک تقاطع بر روی الگوریتم (‏IoU) ‏مقایسه شد. الگوریتم قادر به شناسایی صحیح ناحیه LAA در تمامی 545 تصویر بررسی ‌شده با IoU میانگین 99/37% بود. نتیجه‌گیری: الگوریتم پیشنهادی مبتنی بر تصویر، در این مطالعه دقت بالایی در تشخیص حدود LAA در تصاویر اکوکاردیوگرافی نشان داد. این روش می‌تواند در توسعه الگوریتم‌ها برای تجزیه‌وتحلیل خودکار ناحیه LAA جهت تعیین اندازه دستگاه و برنامه‌ریزی رویه‌ای در روش‌های انسداد LAA مورد استفاده باشد. http://jhbmi.ir/article-1-612-fa.pdf 2022-01-12 315 325 اکوکاردیوگرافی شبکه عصبی عمیق شبکه عصبی کانولوشن فیبریلاسیون دهلیزی گوشک دهلیز چپ قلب Introduction: Cardiovascular diseases are one of the leading causes of mortality in today’s industrial world. Occlusion of left atrial appendage (LAA) using the manufactured devices is a growing trend. The objective of this study was to develop a computer-aided diagnosis system for the identification of LAA in echocardiographic images. Method: The data used in this descriptive analytical study included 3D echocardiographic images of the heart of 32 patients in King’s College Hospital in London. All patients were treated successfully using the LAA closure device. A total of 208 two-dimensional images were first obtained from each 3D echocardiographic image data set. Then, 1914 images in which the LAA region was clearly recognizable were selected for this study. The proposed neural network was compiled based on the YOLOv3 algorithm. Finally, 1369 and 545 images were used for training and testing the algorithm, respectively. Results: The performance of the algorithm in detecting the LAA on a set of 545 images was compared with the regions detected in similar images by an expert in echocardiography through intersection over union (IOU). The algorithm was able to correctly identify the LAA region in all 545 examined images with an average IOU of 99.37%. Conclusion: The proposed image-based algorithm could detect LAA region in echocardiographic images with a high accuracy. This method can be used to develop algorithms for automatic analysis of the LAA region to determine the size of the closure device and to plan an efficient procedure in LAA occlusion methods. http://jhbmi.ir/article-1-612-en.pdf 2022-01-12 315 325 Echocardiography Deep Neural Network Convolutional Neural Network (CNN) Atrial Fibrillation (AF) Left Atrial Appendages (LAA) Hossein Ghayoumi Zadeh h.ghayoumizadeh@gmail.com 1 PhD. in Biomedical Engineering, Assistant Professor, Department of Electrical Engineering, Vali-e-Asr University of Rafsanjan, Rafsanjan, Iran AUTHOR https://orcid.org/0000-0002-5390-3938 Ali Fayazi a.fayazi@vru.ac.ir 2 PhD. in Electrical Engineering, Assistant Professor, Department of Electrical Engineering, Vali-e-Asr University of Rafsanjan, Rafsanjan, Iran AUTHOR https://orcid.org/0000-0003-3237-1060 Khosro Rezaee kh.rezaee@meybod.ac.ir 3 PhD. in Biomedical Engineering, Assistant Professor, Department of Biomedical Engineering, Meybod University, Meybod, Iran AUTHOR https://orcid.org/0000-0002-5304-5001 Mohammad Hossein Gholizadeh Gholizadeh@vru.ac.ir 4 PhD. in Electrical Engineering, Assistant Professor, Department of Electrical Engineering, Vali-e-Asr University of Rafsanjan, Rafsanjan, Iran AUTHOR https://orcid.org/0000-0003-4337-5067 Mehdi Eskandari m.ieskandari@nhs.net 5 MD, FRACP, King’s College Hospital, London, United Kingdom AUTHOR https://orcid.org/0000-0002-4304-5001

ORIGINAL_ARTICLE مقدمه: مطالعات مختلف مزایای استفاده از محاسبات توزیع شده مه برای شبکه‌های اینترنت اشیاء را به اثبات رسانده‌اند؛ زیرا قابلیت‌های رایانش ابری همچون محاسبات، ذخیره‌سازی و پردازش را به گره‌های اینترنت اشیاء نزدیک‌تر کرده است. الگوی جدید محاسبات مه و محاسبات لبه با نزدیک کردن منابع به کاربران در مقایسه با محاسبات ابری، تأخیر کمتری برای پردازش داده‌ها ارائه داده است که این امر برای کاربردهای حساس به تأخیر همچون حوزه مراقبت سلامت از راه دور ضروری است و ارائه خدمات قابل اعتماد‌تر را فراهم می‌کند. در این پژوهش جهت پایش وضعیت بیماران قلبی یک سیستم مبتنی بر مه ارائه شده است. روش: این پژوهش از نوع توسعه‌ای- کاربردی است. به منظور ارزیابی‌، از مجموعه داده بیماران عروق کرونر قلبی موجود در مخزن داده‌ یادگیری ماشین دانشگاه ارواین استفاده شد. در این سیستم، هر یک از علامت‌های بیمار قلبی بر اساس محدوده نرمال در لایه مه ارزیابی و وخامت حال بیمار بررسی می‌گردد. در این لایه، تقاضاها بر اساس تعداد علائمی که خارج از محدوده نرمال هستند، اولویت‌بندی می‌شوند. کارایی سیستم پیشنهادی از نظر مصرف پهنای باند، تأخیر و زمان پاسخ مورد ارزیابی قرار گرفت. نتایج: سیستم ارائه شده در این پژوهش منجر به بهبود پهنای باند به میزان 23/77%، کاهش زمان تأخیر به میزان 23/71% و بهبود زمان پاسخ به میزان 32/95%  گردید. نتیجه‌گیری: بهره‌گیری از صف اولویت به منظور اولویت‌بندی تقاضاها در لایه مه، زمان پاسخ‌دهی به درخواست‌های اورژانسی را کاهش می‌دهد. http://jhbmi.ir/article-1-640-fa.pdf 2022-01-12 326 337 محاسبات مه اینترنت اشیاء نظارت از راه دور محاسبات ابری Introduction: Various studies have demonstrated the benefits of using distributed fog computing for the Internet of Things (IoT). Fog computing has brought cloud computing capabilities such as computing, storage, and processing closer to IoT nodes. The new model of fog and edge computing, compared to cloud computing, provides less latency for data processing by bringing resources closer to users. This is essential for delay-sensitive applications such as remote healthcare and provides more reliable services. In this study, a fog-based system was proposed to monitor the condition of heart patients. Method: This study was a developmental-applied one. A set of data relevant to coronary heart patients available in the machine learning data repository of the University of California Irvine was used for evaluation. In this system, each of the heart patient's symptoms is evaluated based on the normal range in the fog layer and the status of the patient is determined. In this layer, requests are prioritized based on the number of symptoms that are out of the normal range. The efficiency of the proposed system was evaluated in terms of network usage time, latency, and response time. Results: The system presented in this study led to the improvement of network usage time by 23.77%, reduction of latency by 23.71%, and enhancement of response time by 32.95%. Conclusion: Using the priority queue to prioritize requests at the fog layer reduces the response time to emergency requests. http://jhbmi.ir/article-1-640-en.pdf 2022-01-12 326 337 Fog Computing Internet of Things (IoT) Telemonitoring Cloud Computing Ali Golkar ali.h.golkar@gmail.com 1 Ph.D. in Computer Engineering, Department of Computer Engineering , Yasooj Branch, Islamic Azad University, Yasooj, Iran AUTHOR Razieh Malekhosseini mokatebateedari@gmail.com 2 Ph.D. in Computer Engineering, Assistant professor, Department of Computer Engineering Yasooj Branch, Islamic Azad University, Yasooj, Iran AUTHOR Keyvan RahimiZadeh rahimizadeh@gmail.com 3 Ph.D. in Computer Engineering, Assistant Professor, Department of Electrical and Computer Engineering, School of Engineering, Yasouj University, Yasouj, Iran AUTHOR Azita Yazdani a_yazdani@sums.ac.ir 4 Ph.D. in Medical Informatics, Assistant Professor, Health Human Resources Research Center, School of Management and Information Sciences, Clinical Education Research Center, Shiraz University of Medical Sciences, Shiraz, Iran AUTHOR Amin Beheshti min.beheshti@mq.edu.au 5 Ph.D. in Computer Engineering, Professor, Department of Computing, Macquarie University, Sydney, Australia AUTHOR