1395 3 3 9 242

تاثیر سیستم ثبت کامپیوتری دستورات پزشک برکیفیت ارائه خدمات درمانی: دیدگاه پزشکان و پرستاران The Impact of Computerized Physician Order Entry System on the Quality of Health Services: The Viewpoints of Physicians and Nurses 1 1 مقدمه و هدف: سیستم ثبت کامپیوتری دستورات پزشک  نقش مهمی در بهبود کیفیت خدمات درمانی در بیمارستان دارد. از آنجایی که دیدگاه کاربران در مورد مفید بودن و آسانی استفاده از یک فناوری تاثیر به سزایی در پذیرش آن دارد لذا هدف از مطالعه حاضرتعیین دیدگاه پزشکان و پرستاران دانشگاه علوم پزشکی زاهدان نسبت به تاثیر سیستم ثبت کامپیوتری دستورات پزشک  برای ارائه خدمات درمانی بود. مواد و روش ها: این مطالعه به صورت مقطعی و با هدف کاربردی در سال 1395 در شش بیمارستان وابسته به دانشگاه علوم پزشکی زاهدان انجام شد. حجم نمونه این مطالعه شامل 250 پزشک و پرستار از بیمارستان های زاهدان بود که به صورت تصادفی ساده انتخاب شدند. ابزار گردآوری داده ها پرسشنامه استاندارد 30 سئوالی بود. جهت تحلیل داده ها از نرم افزارهای SPSS  و PLS و آزمون های تی تست مستقل  و آنالیز واریانس استفاده شده است. یافته ها: نتایج این مطالعه نشان داد که کارکنان بیمارستان تخصصی چشم پزشکی تاثیر این سیستم را بیشتر از دیگر بیمارستان ها ارزیابی کرده بودند(0/025P= همچنین کارکنان با سابقه (94/08) نسبت به کارکنان کم سابقه (88/57) دیدگاه مثبتی نسبت به این سیستم داشتند. بر اساس نتایج این مطالعه سیستم ثبت کامپیوتری دستورات پزشک برایمنی، جریان کار، روابط کاری و کیفیت مراقبت تاثیر معنی داری داشت(P<0.05). نتیجه گیری:  از دیدگاه پزشکان و پرستاران سیستم ثبت کامپیوتری  دستورات پزشکی نقش موثری بر کیفیت ارائه خدمات درمانی دارد. بر اساس نتایج این مطالعه سیستم ثبت کامپیوتری دستورات پزشک برایمنی، جریان کار، روابط کاری و کیفیت مراقبت تاثیر معنی داری داشت. 2   Introduction: Computerized physician order entry system has an important role in improving the quality of health care in hospitals. Since the viewpoints of users of a technology toward the usefulness and convenient use of that technology has a significant impact on its acceptance, the aim of the present study was to investigate the opinions of physicians and nurses working in Zahedan University of Medical Sciences toward the impact of computerized physician order entry system on the quality of health care services. Methods: This cross-sectional study was performed in six hospitals affiliated to Zahedan University of Medical Sciences in 2016. Study sample consisted of 250 physicians and nurses selected randomly. Data collection instrument was a standardized questionnaire consisted of 30 questions. Data analysis was performed using t- tests and One-way ANOA and through SPSS and PLS software packages. Results: According to the results, hospital staff of ophthalmic specialty hospital had significantly more positive viewpoint about this system (P=0.025). Moreover, those with higher job experience compared to those with less job experience had more positive view on this system (94.08 vs. 88.57). This system had a significant effect on the quality of health care services and also on work safety, process and relationships (P<0.05). Conclusion: Computerized physician order entry system can have a significant effect on the quality of health care services and also on work safety, process and relationships.   166 173 2016/11/13 1395/8/23 2016/12/19 1395/9/29 محمد خمرنیا Mohammad Khammarnia استادیار مدیریت خدمات بهداشتی درمانی، گروه بهداشت عمومی، مرکز تحقیقات ارتقاء سلامت، دانشگاه علوم پزشکی زاهدان، زاهدان، ایران. ایران m_khammar1985@yahoo.com یوسف مهدی پور Yosuf Mehdipour استادیار‌ انفورماتیک پزشکی، گروه فناوری اطلاعات سلامت، دانشگاه علوم پزشکی زاهدان، زاهدان، ایران. ایران gilanehf@gmail.com سعید ابراهیمی Saeed Ebrahimi مربی فناوری اطلاعات سلامت، گروه فناوری اطلاعات سلامت، دانشگاه علوم پزشکی زاهدان، زاهدان، ایران. ایران gilanehf@gmail.com دل آرا حکیمی Delara Hakimi کارشناس فناوری اطلاعات سلامت، دانشگاه علوم پزشکی کردستان، سنندج، ایران. ایران gilanehf@gmail.com فاطمه ستوده زاده Fatemeh Sotodezadeh دانشجوی کارشناسی ارشد اپیدمیولوژی، گروه اپیدمیولوژی، مرکز تحقیقات ارتقاء سلامت، دانشگاه علوم پزشکی زاهدان، زاهدان، ایران. ایران gilanehf@gmail.com فریبا رمضانی سیاه خلک fariba Ramezani Siakholak دکترای تخصصی سیاست‌گذاری سلامت، مرکز تحقیقات ارتقاء سلامت، دانشگاه علوم پزشکی زاهدان، زاهدان، ایران. ایران gilanehf@gmail.com Computerized physician order entry system Viewpoint Physicians Nurses سیستم ثبت کامپیوتری دستورات پزشک دیدگاه پزشک پرستار 1. Riedmann D, Jung M, Hackl WO, Ammenwerth E. How to improve the delivery of medication alerts within computerized physician order entry systems: an international Delphi study. J Am Med Inform Assoc 2011;18(6):760-6. ##2. Moghadasi H, Sheikh TA, Hashemi N. The role of the physician's order in computer systems reduce errors. J Health Adm 2007;10(27):57-67. Persian##3. Hosseini H, Khajoei R, Mirialiabadi F. A study on physicians’ attitude toward computerized physician order entry system. Payesh 2015;14(4):411-9. Persian##4. Georgiou A, Westbrook J, Braithwaite J. Computerized provider order entry systems - Research imperatives and organizational challenges facing pathology services. J Pathol Inform 2010;1. ##5. Mozaffar H, Cresswell KM, Lee L, Williams R, Sheikh A. Taxonomy of delays in the implementation of hospital computerized physician order entry and clinical decision support systems for prescribing: a longitudinal qualitative study. BMC Medical Informatics and Decision Making 2016;16(1):25.##6. Pirnejad H, Niazkhani Z, van der Sijs H, Berg M, Bal R. Evaluation of the impact of a CPOE system on nurse-physician communication--a mixed method study. Methods Inf Med 2009;48(4):350-60.##7. Hoonakker PL, Carayon P, Walker JM, Brown RL, Cartmill RS. The effects of Computerized Provider Order Entry implementation on communication in Intensive Care Units. Int J Med Inform 2013; 82(5): e107–e17.##8. Khanna R, Yen T. Computerized physician order entry: promise, perils, and experience. Neurohospitalist 2014;4(1):26-33. ##9. Del Beccaro MA, Jeffries HE, Eisenberg MA, Harry ED: Computerized provider order entry implementation: no association with increased mortality rates in an intensive care unit. Pediatrics 2006; 118:290-5. ##10. Khammarnia M, Sharifian R, Zand F, Khademian F, Setoodezadeh F. Design and localization of computerized physician order entry system in Iran during 2013-2015. J Rafsanjan Univ Med Sci 2016;15(6):537-50. Persian##11. Kruse CS, Goetz K. Summary and frequency of barriers to adoption of CPOE in the U.S. J Med Syst 2015;39(2):15 ##12. Zlabek JA, Wickus JW, Mathiason MA. Early cost and safety benefits of an inpatient electronic health record. J Am Med Inform Assoc 2011;18(2):169-72.##13. Martin DB, Kaemingk D, Frieze D, Hendrie P, Payne TH. Safe Implementation of Computerized Provider Order Entry for Adult Oncology. Appl Clin Inform 2015;6(4):638-49. ##14. Pelayo S, Anceaux F, Rogalski J, Elkin P, Beuscart-Zephir MC. A comparison of the impact of CPOE implementation and organizational determinants on doctor-nurse communications and cooperation. Int J Med Inform 2013;82(12):e321-30.##15. Khajouei R, Wierenga PC, Hasman A, Jaspers MW. Clinicians satisfaction with CPOE ease of use and effect on clinicians' workflow, efficiency and medication safety. Int J Med Inform 2011;80(5):297-309.##16. Hoonakker P, Carayon P, Walker JM. Measurement of CPOE end-user satisfaction among ICU physicians and nurses. Appl Clin Inform 2010;1(3):268-85.##17. Ariaei M, Nejad AS, Kouti J, Mehdipour Z, Bahaadinbeigy K. Role of clinical decision supporting systems in prevention of medical errors from the perspective of health care staff in university hospitals of Kerman University of Medical Sciences, Iran. Health Info Manage 2013;9(5): 712-39. Persian##18. Ebrahimi S, Sharifian R, Bastani P. Readiness of hospitals affiliated with Shiraz university of medical sciences for implementation of radio frequency identification technology. J Health Manage Info 2015;2(4):120-5. Persian##19. Nunnally JC, Bernstein IH. Psychometric Theory. 3th ed. New York: Mc Graw-Hill Inc; 1994. ##20. Hulland J. Use of partial least squares (PLS) in strategic management research: A review of four recent studies. Strategic Management Journal 1999;20(2):195-204.##21. Kazemi AR, Fors UG, Tofighi S, Tessma, M, Ellenius J. Physician order entry or nurse order entry? comparison of two implementation strategies for a computerized order entry system aimed at reducing dosing medication errors. J Med Int Res 2010; 12(1): e5. ##22. Rahimi B, Timpka T, Vimarlund V, Uppugunduri S, Svensson M. Organization-wide adoption of computerized provider order entry systems: a study based on diffusion of innovations theory. BMC Medical Informatics and Decision Making 2009;9(1):52.##23. Holden RJ. Physicians' beliefs about using EMR and CPOE: in pursuit of a contextualized understanding of health IT use behavior. Int J Med Inform 2010;79(2):71-80.##24. Barakah DM, Alwakeel SS. A study of PDA and Smartphone adoption rates at King Saud Medical City Hospitals. 6th International Symposium on Medical Information and Communication Technology (ISMICT); 2012 Mar 25-29; La Jolla, CA, USA: IEEE; 2012.##25. Niazkhani Z, Pirnejad H, Berg M, Aarts J. The impact of computerized provider order entry systems on inpatient clinical workflow: a literature review. J Am Med Inform Assoc 2009;16(4):539-49.##26. Westbrook JI, Woods A, Rob MI, Dunsmuir WT, Day RO. Association of interruptions with an increased risk and severity of medication administration errors. Arch Intern Med 2010;170(8):683-90.##27. Shu K, Boyle D, Spurr C, Horsky J, Heiman HO Connor P, et al. Comparison of time spent writing orders on paper with computerized physician order entry. Stud Health Technol Inform 2001;84(Pt 2):1207-11.##28. Cheng C, Goldstein M, Geller E, Levitt R. The effects of CPOE on ICU workflow: an observational study. AMIA Annu Symp Proc 2003; 2003: 150–4. ##29. Beuscart-Zéphir MC, Pelayo S, Anceaux F, Meaux JJ, Degroisse M, Degoulet P. Impact of CPOE on doctor-nurse cooperation for the medication ordering and administration process. Int J Med Inform 2005;74(7-8):629-41.##30. Jimoh L, Pate MA, Lin L, Schulman KA. A model for the adoption of ICT by health workers in Africa. Int J Med Inform 2012;81(11):773-81. ##31. Mohammad Khammarnia RS, Zand F, Barati O, Keshtkaran A, Shahrokh N, Setoodezadeh F. Computerized physician order entry on prescription orders: a quasi-experimental study in Iran. MJIRI, In press. #### ##

نمونه‌سازی و ارزیابی یک داشبورد بیمارستانی بر اساس مدل رضایت‌مندی کاربر نهایی Prototyping and Evaluating a Hospital Dashboard based on End-User Satisfaction Model 1 1 مقدمه: یکی از ابزارهای نوین در عرصه فناوری اطلاعات به عنوان پشتیبان و همراه در فرآیند مدیریت استراتژیک سازمان‌ها، داشبورد‌های سازمانی می‌باشد. هدف از این پژوهش، ساخت نمونه‌ای از یک داشبورد بیمارستانی بر اساس اصول و خطوط راهنمای طراحی و معماری فنی داشبوردهای سازمانی و ارزیابی آن بر اساس مدل رضایت‌مندی کاربر نهایی می‌باشد. روش: با روش تحقیق آزمایشی، مدل نمونه ی یک داشبورد آماده گردید. سپس با روش پیمایشی، پرسشنامه‌ای شامل 16 سؤال که زیرمجموعه پنج متغیر مستقل مدل رضایتمندی کاربر نهایی یعنی محتوا، دقت، فرمت، سهولت استفاده و به هنگام بودن می‌باشند طراحی و مورد بررسی قرار گرفت. پایایی پرسشنامه با استفاده از ضریب آلفای کرونباخ بالاتر از 0/7 محاسبه گردید. داشبورد برای ارزیابی در اختیار حجم نمونه 36 نفر که با توجه به جدول مورگان و با شیوه نمونه‌گیری مبتنی بر هدف از میان جامعه آماری 40 نفری انتخاب شدند قرار گرفت و با تکمیل پرسشنامه‌ها اطلاعات آماری جمع‌آوری شده مورد مقایسه و تجزیه‌و‌تحلیل قرار گرفتند. نتایج: مقایسه میانگین متغیرهای پژوهش شامل رضایت از فرمت، به هنگام بودن، سهولت استفاده، محتوا و دقت داشبورد با وضعیت متوسط نشان داد که تفاوت معناداری بین میانگین تمامی متغیر‌ها و مقدار متوسط آن‌ها وجود دارد. نتیجه‌گیری: متغیر فرمت بیشترین میزان رضایت و متغیر دقت کمترین میزان رضایت را در بین کاربران داشته است. همچنین سطح رضایت کاربران از همه فاکتورهای داشبورد ساخته شده به یک اندازه می‌باشد. این نشان دهنده آن است که کاربران از داشبورد ساخته شده بر اساس اصول و خطوط راهنمای به دست آمده رضایت مناسبی داشته‌اند. 2 Introduction: One of the new tools in the field of information technology is business or organizational dashboards that are as a backup in the process of strategic management of organizations. The aim of this study was to design a prototype of a hospital dashboard based on the principles and guidelines of organizational dashboards and evaluating it based on End-user Computing Satisfaction (EUCS) model. Method: In this experimental study, the prototype of a dashboard was prepared. Then, using survey method, a questionnaire consisted of 16 questions related to the five independent variables of EUCS model (content, accuracy, format, ease of use and timeliness) was designed and evaluated. The validity of the questionnaire was determined (α > 0.7). The designed dashboard was given to the study samples (n= 36) selected based on Morgan table and through target-based sampling from the study population (n= 40). Data were gathered using the questionnaire and analyzed. Results: Comparison of mean of study variables, including satisfaction of the dashboard format, timeliness, ease of use, accuracy and content, with average status showed a significant difference between mean of all variables and their average values. Conclusion: The variables of format and accuracy had respectively the highest and lowest satisfaction rates among users. Users’ satisfaction level of all dashboard factors was equal showing acceptable satisfaction rate of the designed dashboard based on the principles and guidelines of organizational dashboards. 174 185 2016/11/132016/10/21 1395/7/30 2016/12/192016/12/10 1395/9/20 سعید روحانی Saeed Rouhani دکتری مهندسی سیستم، استادیار، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. ایران SRouhani@ut.ac.ir شوکا ضامنیان Shooka Zamenian دانشگاه مهرالبرز ایران shooka_zamenian@yahoo.com Hospital Dashboard End-user Computing Satisfaction (EUCS) model داشبورد بیمارستانی مدل رضایت‌مندی کاربر نهایی 1. Heydari, KH. Offering framework for design of dashboard with knowledge discovery approach [dissertation]. Tehran: Tarbiat Modares University; 2013. Persian##2. Zavari, J. The relationship between the introduction of the dashboard with decision-making style and willingness to take risks Site: a case study of Pars Khodro [dissertation]. Qom: University of Qom; 2013. Persian##3. Velcu-Laitinen O, Yigitbasioglu OM. The use of dashboards in performance management: evidence from sales managers. The International Journal of Digital Accounting Research 2012;12:39-58.##4. Steele JR, Schomer DF. Continuous quality improvement programs provide new opportunities to drive value innovation initiatives in hospital-based radiology practices. J Am Coll Radiol 2009;6(7):491-9.##5. Karami M, Safdari R. Review on dashboard: a tool for value innovation from intellectual capitals in hospital. Payavard Salamat 2016;10(4):320-30. Persian##6. Ghazi saeedi M, Khara R, Hosseiniravandi M. Necessitates of using dashboards in health information management. Health Inf Manage 2015; 12(2):252-62. Persian##7. Kobana A, Jog V. Business intelligence in action: three examples of how it really works. (Business Strategies). CMA Management. Society of Management Accountants of Canada; 2003. ##8. Zarandi MF, Tarimoradi M, Alavidoost M, Shirazi M. Fuzzy Comparison dashboard for multi-objective evolutionary applications: an implementation in supply chain planning. Fuzzy Information Processing Society (NAFIPS) held jointly with 2015 5th World Conference on Soft Computing (WConSC), 2015 Annual Conference of the North American; 2015 Aug 17-19; Redmond, WA, USA: IEEE; 2015. ##9. Pappas L, Whitman L. Riding the Technology Wave: Effective Dashboard Data Visualization. In: Smith MJ, Salvendy G, editors. Human Interface and the Management of Information Interacting with Information: Symposium on Human Interface 2011, Held as Part of HCI International 2011, Orlando, FL, USA; 2011 Jul 9-14; Berlin, Heidelberg: Springer Berlin Heidelberg; 2011. p. 249-58.##10. Hansoti B. Business Intelligence Dashboard in Decision Making; 2010.##11. Munshi V. Developing a technical architecture for Web-based enterprise software systems. IBM Developer works; 2002.##12. Kuo CH, Tsai MH, Kang SC. A framework of information visualization for multi-system construction. Automation in Construction. 2011;20(3):247-62.##13. Yigitbasioglu OM, Velcu O. A review of dashboards in performance management: Implications for design and research. International Journal of Accounting Information Systems 2012;13(1):41-59.##14. Gröger C, Hillmann M, Hahn F, Mitschang B, Westkämper E. The operational process dashboard for manufacturing. Procedia CIRP 2013;7:205-10.##15. Karami M. A design protocol to develop radiology dashboards. Acta Inform Med. 2014;22(5):341-6. ##16. Mattingly WA, Kelley RR, Wiemken TL, Chariker JH, Peyrani P, Guinn BE, et al. Real-time enrollment dashboard for multisite clinical trials. Contemporary Clinical Trials Communications 2015;1:17-21.##17. Rouhani S, Zare MA, Zamenian S. Offering Principles and Guidelines to Design and Technical Architecture of Enterprise Dashboards [dissertation]. Tehran: Institute of Higher Education Mehr Alborz; 2016. Persian##18. Wan Mohd WM, Embong A, Zain JM. A Framework of Dashboard System for Higher Education Using Graph-Based Visualization Technique. In: Zavoral F, Yaghob J, Pichappan P, El-Qawasmeh E, editors. Networked Digital Technologies: Second International Conference, NDT 2010, Prague, Czech Republic; 2010 Jul 7-9; Berlin, Heidelberg: Springer Berlin Heidelberg; 2010. p. 55-69.##19. Elias M, Bezerianos A. Exploration Views: Understanding Dashboard Creation and Customization for Visualization Novices. In: Campos P, Graham N, Jorge J, Nunes N, Palanque P, Winckler M, editors. Human-Computer Interaction – INTERACT 2011: 13th IFIP TC 13 International Conference, Lisbon, Portugal; 2011 Sep 5-9; Berlin, Heidelberg: Springer Berlin Heidelberg; 2011. p. 274-91.##20. Khan M, Khan SS. Data and information visualization methods, and interactive mechanisms: a survey. International Journal of Computer Applications 2011;34(1):1-14.##21. Kintz M. A semantic dashboard description language for a process-oriented dashboard design methodology. International Workshop on Model-Based Interactive Ubiquitous Systems (MODIQUITOUS); 2012 Jun 25; Copenhagen, Denmark: 2012. p. 31-6.##22. Lechner B, Fruhling A. Towards Public Health Dashboard Design Guidelines. In: Nah FF-H, editor. HCI in Business: First International Conference, HCIB 2014, Held as Part of HCI International 2014, Heraklion, Crete, Greece, 2014 Jun 22-27; Cham: Springer International Publishing; 2014. p. 49-59.##23. Cahyadi A, Prananto A. Reflecting design thinking: A case study of the process of designing dashboards. Journal of Systems and Information Technology 2015;17(3):286-306.##24. Chen XY, Yamauchi K, Kato K, Nishimura A, Ito K. Using the balanced scorecard to measure Chinese and Japanese hospital performance. Int J Health Care Qual Assur Inc Leadersh Health Serv 2006;19(4-5):339-50.##25. Grigoroudis E, Orfanoudaki E, Zopounidis C. Strategic performance measurement in a healthcare organisation: A multiple criteria approach based on balanced scorecard. Omega 2012;40(1):104-19. ##26. Erdem S, Kizilelma TT, Vural CA. Supporting healthcare executive managers’ decisions through dashboards. Journal of Information & Knowledge Management 2016;15(1):1650005. ##27. Doll WJ, Torkzadeh G. The Measurement of End-User Computing Satisfaction. MIS Quarterly 1988;12(2): 259-74.##28. Aggelidis VP, Chatzoglou PD. Hospital information systems: measuring end user computing satisfaction (EUCS). J Biomed Inform 2012;45(3):566-79.## ##

ارائه مدل عملیاتی شی‌ءگرا برای سیستم نرم‌افزار دیابت رجیستری Presenting an Object- Oriented Functional Model for Diabetes Registry Software 1 1 مقدمه: رجیستری در راستای گردآوری‌، پردازش و توزیع اطلاعات بیماران دیابتی نیازمند یک سیستم نرم‌افزاری می‌باشد. در این حوزه‌، نرم‌افزاری که بتواند به طور کامل نیازهای کاربران را برطرف نماید موجود نمی‌باشد. به همین دلیل به عنوان اولین قدم در طراحی یک نرم‌افزار دیابت رجیستری ارائه یک مدل عملیاتی شی‌گرا در راستای پیاده‌سازی کاراتر این نرم‌افزار می‌تواند سودمند باشد. روش: پژوهش حاضر از نوع کاربردی می‌باشد که با مطالعه فرآیندها و مدل‌های عملیاتی سیستم دیابت رجیستری، الزامات و مختصات یک سیستم نرم‌افزاری رجیستری استخراج گردیده است‌. جامعه پژوهش متشکل از مدل‌های عملیاتی سیستم نرم‌افزاری دیابت رجیستری در ایران و سایر کشورها می‌باشد. روش جمع‌آوری اطلاعات مطالعه متون و مصاحبه می‌باشد که با استفاده از منابع و پرسشنامه انجام گردید. نتایج: طی بررسی انجام شده بر روی  مدل‌های عملیاتی نرم‌افزارهای دیابت رجیستری موجود،نتایج حاصل در قالب یک مدل عملیاتی شی‌گرابرای سیستم نرم‌افزاری دیابت رجیستری طراحی گردید.درآخر،فرآیندهای اصلی یک سیستم دیابت رجیستری در پنج یوزکیس بیماریابی، گردآوری داد‌ه‌های درمانی‌، چکیده‌سازی و کدگذاری، گزارش‌دهی و پیگیری فعال قرار گرفتند. نتیجه‌گیری: با توجه به پیچیدگی و گسترش بیماری دیابت و نیاز روزافزون به مدیریت بهینه‌تر داده‌ها‌، طراحی و به کارگیری نرم‌افزارهای جامع دیابت رجیستری در سطح بیمارستان‌ها ضروری است. با تجزیه‌و‌تحلیل دقیق نیازمندی‌های یک سیستم نرم‌افزاری و مدل‌سازی آن می‌توان انتظار داشت که در نهایت به پیاده‌سازی کارای آن نرم‌افزار دست یافت. وجود یک نرم‌افزار به خوبی طراحی شده در دیابت رجیستری می‌تواند با خودکارسازی فرآیندهای دیابت رجیستری در نهایت باعث صرفه‌جویی در زمان، منابع مالی و انسانی گردد. 2 Introduction: Diabetes registry needs a system to collect, process and distribute patients’ information. In this field, a software that can completely solve the needs of users is not available. For this, providing an object-oriented operating model in order to implement characters of this software, as the first step in designing diabetes registry software, can be useful. Methods: This is an applied study which has been extracted by exploring the processes and operating models of diabetes registry system, requirements, and coordination of a software system registry. The study population included software operational models of diabetes registry system in Iran and other countries. The method of collecting information included exploring the texts and interviewing which was done through resources and questionnaire. Results: According to surveys conducted, The result of studies was developed on diabetes registry software and operating model in an object-oriented operating model software system.in the end,the main processes of a diabetes registry system were put in five use cases such as case finding, collecting health data, abstracting and coding, reporting, and active follow-up. Conclusion: Given the complexity of diabetes disease and the growing need for more efficient data management, designing and developing comprehensive diabetes registry software is essential in hospitals. Through detailed analysis of the requirements of a software system and its modeling, it can be expected to achieve the effective implementation of the software. A well-designed software in diabetes registry can automate processes of diabetes registry and consequently save the time and financial and human resources. 186 194 2016/11/132016/10/212016/08/12 1395/5/22 2016/12/192016/12/102016/12/8 1395/9/18 حمید مقدسی Hamid Moghadasi دکترای مدیریت اطاعات سلامتوانفورماتیک پزشکی، دانشیار، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران. ایران مرجان ابوالحسنی Marjan Abolhassani دانشجوی ارشد انفورماتیک پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران. ایران علیرضا کاظمی Alireza Kazemi دکترای انفورماتیک پزشکی، استادیار، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران. ایران Diabetes Registry Functional Model Diabetes Registry Data Object Oriented دیابت رجیستری‌ مدل عملیاتی دادههای دیابت رجیستری شی گرایی 1. Jensen OM, Parkin DM, MacLennan R, Muir CS, Skeet RG. Cancer Registration: Principles and Methods. Lyon: International Agency for Research on Cancer; 1991. Available from: https://www.iarc.fr/en/publications/pdfsonline/epi/sp95/SP95.pdf##2. Ortiz DD. Using a simple patient registry to improve your chronic disease care. Fam Pract Manag. 2006;13(4):47-8. ##3. Abdelhak M, Grostick S, Hanken MA. Health Information: Management of a Strategic Resource. USA: Saunders; 2013.##4. Wagner EH. Chronic disease management: what will it take to improve care for chronic illness? Eff Clin Pract 1998;1(1):2-4.##5. Richesson RL. Data Standards in Diabetes Patient Registries J Diabetes Sci Technol 2011; 5(3): 476–85.##6. Hummel J. Building a Computerized Disease Registry for Chronic Illness Management of Diabetes. Clinical Diabetes. 2000; 18(3). ##7. Lyalin DS, Williams WG, Scharber WK. Applying Business-Modeling Techniques to Central Cancer Registries Operations. Journal of Registry Management 2003; 30(2): 36-45.##8. Shiki N, Ohno Y, Fujii A, Murata T, Matsumura YUnified Modeling Language (UML) for hospital-based cancer registration processes. Asian Pac J Cancer Prev 2008;9(4):789-96.##9. Jensen OM, Parkin DM, MacLennan R, Muir CS, Skeet RG. Canser Registration: Principles and Method. New York: International Agency for Research on Cancer; 1991.##10. Pressman RS, Maxim B. Software Engineering: A Practitioner's Approach. 8th ed. USA: McGraw-Hill Education; 2014.##11. Kraschnewski JL, Gabbay RA. Role of Health Information Technologies in the Patient-Centered Medical Home. J Diabetes Sci Technol 2013; 7(5): 1376–85. ##12. Balas EA, Austin SM, Mitchell JA, Ewigman BG, Bopp KD, Brown GD. The clinical value of computerized information services. A review of 98 randomized clinical trials. Arch Fam Med 1996;5(5):271-8.#### ##

طراحی و ایجاد برنامه کاربردی خود مراقبتی مبتنی بر موبایل برای بیماران مبتلا به نارسایی قلب Designing a Mobile-Based Self-Care Application for Patients with Heart Failure 1 1 مقدمه: بیماران مبتلا به نارسایی قلبی نشانه‌های ناتوان کننده‌ای را تجربه می‌کنند که باعث کاهش کیفیت زندگی می‌شود، جهت کاهش نشانه‌ها، کاهش میزان بستری و افزایش کیفیت زندگی، بیماران بایستی چندین روش خودمراقبتی را به کار گیرند. هدف این مطالعه، طراحی و ایجاد برنامه کاربردی خودمراقبتی مبتنی بر موبایل برای بیماران مبتلا به نارسایی قلب بود. روش: این پژوهش از نوع توسعه‌ای-کاربردی بود. ابتدا، پرسشنامه تنظیم شده جهت نیازسنجی اطلاعاتی و تعیین اقلام داده‌ای و قابلیت‌های موردنیاز برنامه کاربردی توسط 20 نفر متخصص شاغل در بیمارستان تخصصی قلب و عروق شهید مدنی تبریز تکمیل گردید. داده‌های به دست آمده تحلیل شده و برنامه کاربردی موبایل بر پایه نتایج طراحی شد و در نهایت جهت ارزیابی قابلیت استفاده و رضایت کاربران در اختیار ده نفر از مبتلایان به نارسایی قلب قرار گرفت. نتایج: پزشکان متخصص شرکت‌کننده، اکثریت عناصر داده‌ای پرسشنامه نیازسنجی را ضروری تشخیص دادند. قابلیت‌های اصلی برنامه کاربردی طراحی شده مواردی مانند اعلام هشدارهای انجام پایش روزانه، زمان ملاقات پزشک، یادآور زمان مصرف دارو، افزایش فشارخون و ضربان قلب و وزن بودند. ارزیابی قابلیت استفاده از برنامه کاربردی نشان داد که بیماران برنامه کاربردی را با میانگین امتیاز 7/8 (از مجموع نه امتیاز) در سطح خوب ارزیابی نمودند. نتیجه‌گیری: از برنامه‌های کاربردی خود مراقبتی مبتنی بر موبایل می‌توان جهت کمک به بیماران مبتلا به نارسایی قلب در مدیریت بیماری و کسب مهارت‌های خود مراقبتی استفاده نمود. 2 Introduction: Patients with heart failure experience debilitating symptoms lowering their life quality. Patients must use several methods of self-care in order to reduce symptoms and the rate of hospitalization and to improve their quality of life. The main purpose of this study was to design and create a mobile-based self-care application for patients with heart failure. Methods: This was an applied developmental study. Initially, a questionnaire was prepared to assess information requierments, determine data elements and necessary capacities of the application. Then, 20 cardiologists working in Shahid Madany hospital, the specialty center of cardiovascular surgery affiliated to Tabriz University of Medical Sciences were asked to fill out the questionnaire. The obtained data were analysed and the application was developed accordingly.  Finally, in order to evaluate its practical capability and patients’ satisfaction rate, it was used by 10 patients with heart failure. Results: The majority of data elements in the questionnaire were found necessary by the cardiologists. The main features of the designed application included alerts for daily monitoring, visit time and reminders of time of drug use, hypertention, increase of heart rate and weight gain. In evaluation of practical capability of the application by patients, it was evaluated in a good level with the mean score of 7.8 (out of 9). Conclusion: Mobile-based self-care applications can be used to help patients with heart failure to manage their disease and to obtain self-care skills. 195 204 2016/11/132016/10/212016/08/122016/10/11 1395/7/20 2016/12/192016/12/102016/12/82016/11/28 1395/9/8 مرجان قاضی سعیدی Marjan Ghazisaeedi استادیار، دکترای مدیریت اطلاعات سلامت، گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران. ایران ghazi.saeedi@yahoo.com لیلا شاهمرادی Leila Shahmoradi استادیار، دکترای مدیریت اطلاعات سلامت، گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران. ایران lshahmoradi20@gmail.com عبدالمحمد رنجبر Abdolmohammad Ranjbar استادیار، فوق تخصص بیماری‌های قلب و عروق، بیماری‌های قلب و عروق، دانشکده پزشکی، دانشگاه علوم پزشکی تبریز، تبریز، ایران. ایران dr.am.ranjbar@gmail.com زهره صحرایی Zohreh Sahraei کارشناس ارشد فناوری اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران ایران sahraeizohre@yahoo.com فریده طهماسبی Farideh Tahmasebi کارشناس ارشد فناوری اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران ایران tahmasebi.farideh@yahoo.com Heart Failure Smartphone mHealth Self-care نارسایی قلب گوشی هوشمند سلامت همراه خود مراقبتی 1. Hekmatpou D, Mohammadi E, Ahmadi F, Arefi H, Rafie M. Non-compliance factors of congestive heart failure patients readmitted in cardiac care units. Journal of Critical Care Nursing 2008; 2(3): 91-7. Persian##2. Ahmadi A, Soori H, Mobasheri M, Etemad K, Khaledifar A. Heart Failure, the Outcomes, Predictive and Related Factors in Iran. J Mazandaran Univ Med Sci 2014; 24(118): 180-8. Persian##3. Go AS, Mozaffarian D, Roger VL, Benjamin EJ, Berry JD, Blaha MJ, et al. Heart disease and stroke statistics--2014 update: a report from the American Heart Association. Circulation 2014;129(3):e228-e92.##4. McGreal MH, Hogan MJ, Walsh-Irwin C, Maggio NJ, Jurgens CY. Heart failure self-care interventions to reduce clinical events and symptom burden. Research Reports in Clinical Cardiology 2014; 5: 243-57. ##5. Hekmatpou D, Mohammadi E, Ahmadi F, Arefi H, Rafie M The effectiveness of applying “making sensitivity to re-admission caring model" on controlling congestive heart failure complications among hospitalized patients in Tehran cardiovascular centers. Razi Journal of Medical Sciences 2009; 17(75): 33-50. Persian##6. Khoshtarash M, Momeni M, Ghanbari A, Salehzadeh AM, Rahmatpour P. Self-care behaviors and related factors in patients with heart failure reffering to medical & educational center of heart in Rasht. J Holist Nurs Midwifery 2013; 23(1):22-9.##7. Taebi M, Abedi HA, Abbasszadeh A, Kazemi M. Incentives for self-management after coronary artery bypass graft surgery. Iran J Nurs Midwifery Res 2014; 19(7 Suppl1): S64–S70. ##8. de Jongh T, Gurol-Urganci I, Vodopivec-Jamsek V, Car J, Atun R. Mobile phone messaging for facilitating self-management of long-term illnesses. Cochrane Database Syst Rev 2012;12:CD007459. ##9. Lindenfeld J, Albert NM, Boehmer JP, Collins SP, Ezekowitz JA, Givertz MM, et al. HFSA 2010 Comprehensive Heart Failure Practice Guideline. Journal of Cardiac Failure 2010;16(6):e1-194. ##10. Nasi G, Cucciniello M, Guerrazzi C. The role of mobile technologies in health care processes: the case of cancer supportive care. J Med Internet Res 2015;17(2):e26. ##11. Cano Martín JA, Martínez-Pérez B, de la Torre-Díez I, López-Coronado M. Economic impact assessment from the use of a mobile app for the self-management of heart diseases by patients with heart failure in a Spanish region. J Med Syst 2014;38(9):96.##12. Inglis SC, Clark RA, Dierckx R, Prieto-Merino D, Cleland JGF. Structured telephone support or non-invasive telemonitoring for patients with heart failure. Heart. 2016.##13. Kirwan M. Developing and evaluating smarphone applications to improve health behaviours and chronic disease self-management [dissertation]. Queensland: Central Queensland University; 2012.##14. Hasannejad M. Developing a web-based system for self-care management of type 1-diabetes [dissertation]. Tehran: Iran University of Medical Sciences; 2013.##15. Zerehsaz M, Fattahi R, Davarpanah M. Investigation and analysis of elements and features discussed in the Simorgh user interface software and determine students' satisfaction from interacting with this user interface. Library and Information Science 2006; 9(4): 127-50.##16. Imani A, Imani E. Needs assessment of self-care training in patients with coronary artery disease in Bandar Abbas 2011. Preventive Care in Nursing and Midwifery Journal(PCNM) 2013; 3(1): 30-7. Persian##17. Seto E, Leonard KJ, Cafazzo JA, Barnsley J, Masino C, Ross HJ. Perceptions and experiences of heart failure patients and clinicians on the use of mobile phone-based telemonitoring. J Med Internet Res 2012;14(1):e25.##18. Athilingam P, Labrador M.A, Frances J. Remo E, Mack L, Bianca San Juan A, Elliott A.F. Features and usability assessment of a patient-centered mobile application (HeartMapp) for self-management of heart failure. Appl Nurs Res 2016;32:156-63.## 19. Cho MJ, Sim JL, Hwang SY. Development of smartphone educational application for patients with coronary artery disease. Healthc Inform Res 2014;20(2):117-24. ##20. Hägglund E, Lyngå P, Frie F, Ullman B, Persson H, Melin M, et al, Patient-centred home-based management of heart failure. Findings from a randomised clinical trial evaluating a tablet computer for self-care, quality of life and effects on knowledge. Scand Cardiovasc J 2015;49(4):193-9.#### ##

روش نوین خوشه‌بندی داده‌های بیان‌ژنی A Novel Method of Gene Expression Data Clustering 1 1 مقدمه: یکی از تحولات مهم علم ژنتیک، ظهور فناوری ریزآرایه و تولید داده‌های بیان‌ژنی است که امکان مطالعه رفتار هزاران ژن را به طور همزمان فراهم می‌کند. خوشه‌بندی یکی از روش‌های داده‌کاوی است که در تحلیل داده‌های بیان‌ژنی مورد استفاده قرار می‌گیرد. از آنجا که عملکرد روش‌های خوشه‌بندی به شدت تحت تأثیر داده‌ها است، نتیجه خوشه‌بندی همواره با عدم قطعیت روبه‌رو بوده و الگوریتمی وجود ندارد که بتوان آن را برای تمام داده‌ها، کارا قلمداد نمود. در این تحقیق، در تحلیل داده‌های بیان‌ژنی از خوشه‌بندی اجماعی (ترکیب نتایج چندین الگوریتم خوشه‌بندی) به جای اجرای یک الگوریتم منفرد استفاده شده است. روش: این مقاله عملکرد خوشه‌بندی اجماعی را بر روی سه مجموعه داده بیان‌ژنی Nutt-v3، Alizadeh-v2 وSU، توسط شاخص رند تعدیل یافته مورد ارزیابی قرار می‌دهد. برای پیاده‌سازی خوشه‌بندی اجماعی، دوازده خوشه‌بندی متفاوت حاصل از ترکیب چهار الگوریتم خوشه‌بندی با سه معیار عدم تشابه، به طور همزمان روی داده‌ها اجرا شده‌اند. پس از ادغام نتایج، میزان تطابق خوشه‌های تخمینی با گروه‌های واقعی توسط شاخص رند تعدیل یافته سنجیده شده است. نتایج: مقدار شاخص رند تعدیل یافته برای سه مجموعه داده Nutt-v3 ، ‌Alizadeh-v2 و SU، به ترتیب برابر 1، 0/9 و 0/58به دست آمد که حاکی از دقت بالای روش پیشنهادی در کشف ساختارهای نهفته در داده‌ها است. همچنین الگوریتم طراحی شده، توانست تعداد واقعی خوشه‌ها را بدون خطا تشخیص دهد. نتیجه‌گیری: خوشه‌بندی اجماعی روشی توانمند برای خوشه‌بندی داده‌های بیان‌ژنی است. با توجه به دقت این روش در کشف ساختارهای واقعی، می‌توان آن را با اطمینان جایگزین الگوریتم‌های خوشه‌بندی منفرد نمود. 2 Introduction: The microarray technology and production of gene expression data are among the important developments in genetic science that provide ability to study the behavior of thousands of genes, simultaneously.  Clustering is one of the most important data mining techniques used in gene expression data analysis. As, the performance of clustering methods is strongly affected by the structure of data, the result of clustering is always uncertain and there is no algorithm that can be used for all kinds of data. In this study, ensemble clustering (combined results of multiple clustering algorithms) was used for gene expression data analysis rather than using a single algorithm. Methods: The performance of ensemble clustering in three gene expression data sets, Nutt-v3, Alizadeh-v2 and SU, were evaluated by adjusted Rand index. Twelve different clusterings resulted from the combination of four clustering algorithms with three dissimilarity matrices were simultaneously applied on data. After merging the results,and running the final clustering, the estimated clusters were compared with actual groups by the adjusted Rand index. Results: The adjusted Rand index for the three data sets of Nutt-v3, Alizadeh-v2 and SU, were respectively 1, 0.9 and 0.58 which shows the remarkable accuracy of the proposed method in detecting patterns in data sets. Moreover, the designed algorithm could detect the actual number of clusters without errors. Conclusion: Ensemble clustering is a powerful and reliable method for gene expression data analysis. Due to the accuracy and quality of this method in detection of real data structures, it can be replaced the individual clustering algorithms. 205 213 2016/11/132016/10/212016/08/122016/10/112016/11/11 1395/8/21 2016/12/192016/12/102016/12/82016/11/282016/12/12 1395/9/22 داوود شاهسونی Davood Shahsavani دکترای تخصصی آمار کاربردی، دانشیار گروه آمار، دانشکده علوم ریاضی، دانشگاه صنعتی شاهرود، شاهرود، ایران. ایران davoodshah@yahoo.com زهره فرهادی Zohreh Farhadi کارشناس ارشد آمار ریاضی، دانشکده علوم ریاضی، دانشگاه صنعتی شاهرود، شاهرود، ایران. ایران zohreh.farhadi87@gmail.com Data mining Ensemble clustering Hierarchical clustering Partition around medoids Classic multidimensional scaling داده‌کاوی خوشه‌بندی اجماعی خوشه‌بندی سلسله مراتبی خوشه‌بندی افراز حول مدوید مقیاس‌گذاری چند بعدی کلاسیک 1. Jiang DC, Tang, Zhang A. Cluster analysis for gene expression data: a survey. IEEE Transactions on Knowledge and Data Engineering; 2004 Oct 4; IEEE; 2004. p. 1370 –86.##2. D'haeseleer P. How does gene expression clustering work? Nat Biotechnol. 2005;23(12):1499-501.##3. de Souto MC, Costa IG, de Araujo DS, Ludermir TB, Schliep A. Clustering cancer gene expression data: a comparative study. BMC Bioinformatics 2008;9:497.##4. Jaskowiak PA, Campello RJ, Costa IG. On the selection of appropriate distances for gene expression data clustering. BMC Bioinformatics 2014;15 Suppl 2:S2.##5. Strehl A, Ghosh J. Cluster ensembles-a knowledge reuse framework for combining multiple partitions. J Mach Learn Res 2003;3:583-617.##6. Ghaemi R, Sulaiman N, Ibrahim H, Mustapha N. A survey: clustering ensembles techniques. Proceedings of World Academy of Science, Engineering and Technology 2009; 38: 644-53.##7. Li T, Ogihara M, Ma S. On combining multiple clusterings: an overview and a new perspective. Applied Intelligence 2010;33(2):207-19. ##8. Vega-Pons S, Ruiz-Shulcloper J. A Survey of Clustering Ensemble Algorithms. International Journal of Pattern Recognition 2011; 25(3): 337-72.##9. Deodhar M, Ghosh J. Consensus Clustering for Detection of Overlapping Clusters in Microarray Data. Proceedings of the Sixth IEEE International Conference on Data Mining- Workshops; 2006 Dec 18-22; Washington, DC, USA: IEEE; 2006.##10. Hu X, Park EK, Zhang X. Microarray gene cluster identification and annotation through cluster ensemble and EM-based informative textual summarization. IEEE Trans Inf Technol Biomed 2009;13(5):832-40. ##11. Yu Z, Wong HS. Class discovery from gene expression data based on perturbation and cluster ensemble. IEEE Trans Nanobioscience 2009;8(2):147-60. ##12. Souto MC, Araujo DS, Silva BL. Cluster Ensemble for Gene Expression Microarray Data: Accuracy and Diversity. International Joint Conference on Neural Network Proceedings; 2006 Jul 16-21; Canada: IEEE; 2006 ##13. Yu Z, Wong HS, Wang H. Graph-based consensus clustering for class discovery from gene expression data. Bioinformatics 2007;23(21):2888-96. ##14. Kim EY, Kim SY, Ashlock D, Nam D. MULTI-K: accurate classification of microarray subtypes using ensemble k-means clustering. BMC Bioinformatics 2009;10:260.##15. Iam-On N, Boongoen T. Comparative study of matrix refinement approaches for ensemble clustering. Machine Learning 2015;98(1):269-300.##16. Gan G, Ma C, Wu J. Data Clustering: Theory, Algorithms, and Applications. Philadelphia: SIAM, Society for Industrial and Applied Mathematics; 2007.##17. Topchy A, Jain AK, Punch W. Clustering ensembles: models of consensus and weak partitions. IEEE Trans Pattern Anal Mach Intell 2005;27(12):1866-81.##18. Yang C, Wan B, Gao X. Effectivity of Internal Validation Techniques for Gene Clustering. In: Maglaveras N, Chouvarda I, Koutkias V, Brause R, editors. Biological and Medical Data Analysis: 7th International Symposium, ISBMDA 2006, Thessaloniki, Greece; 2006 Dec 7-8; Berlin, Heidelberg: Springer Berlin Heidelberg; 2006. p. 49-59.##19. Nutt CL, Mani DR, Betensky RA, Tamayo P, Cairncross JG, Ladd C, et al. Gene expression-based classification of malignant gliomas correlates better with survival than histological classification. Cancer Res 2003;63(7):1602-7. ##20. Alizadeh AA, Eisen MB, Davis RE, Ma C, Lossos IS, Rosenwald A, et al. Distinct types of diffuse large B-cell lymphoma identified by gene expression profiling. Nature 2000;403(6769):503-11.##21. Su AI, Welsh JB, Sapinoso LM, Kern SG, Dimitrov P, Lapp H, et al. Molecular classification of human carcinomas by use of gene expression signatures. Cancer Res 2001;61(20):7388-93.##22. Rencher AC, Christensen WF. Methods of Multivariate Analysis. 3th ed. NewJersey: Wiley; 2012.##23. Everitt B, Hothorn T. An Introduction to Applied Multivariate Analysis with R. 1th ed. New York: Springer; 2011. ##24. Warrens MJ. On the Equivalence of Cohen’s Kappa and the Hubert-Arabie Adjusted Rand Index. Journal of Classification 2008;25(2): 177-83.##25. Shakeri M, Sabaghian E, Esmaeili H. CCK (Clustering-Classification-Kappa) a new validation index to assessing clustering results of gene expression data. Journal of North Khorasan University of Medical Sciences 2012;3(5) :67-78. Persian##26. Iam-on N, Boongoen T, Garrett S. LCE: a link-based cluster ensemble method for improved gene expression data analysis. Bioinformatic 2010;26(12):1513-9.## ## ##

استانداردها، زیرساخت توسعه پرونده الکترونیک سلامت ملی: مطالعه تطبیقی Standards as Infrastructure for National Electronic Health Record Development: A Comparative Study 1 1 چکیده مقدمه: نتایج مطالعات نشان داده که الگوی جامع و استانداردی برای توسعه پرونده اکترونیک سلامت وجود ندارد. لذا این مطالعه با هدف پیشنهاد مجموعه ای از استانداردهای کاربردی برای توسعه EHR در ایران به مقایسه استانداردها در محورهای ساختار و محتوی ، معماری و عملکرد پرداخته است. روش کار: این مطالعه تطبیقی در سال 2017 به  مقایسه استانداردها  سازمانهایASTM, HL7 and ISO  براساس محتوای آنها پرداخته و در نهایت مجموعه­ای از  استانداردهای مورد نیاز توسعه پرونده الکترونیک سلامت ملی را پیشنهاد داده است. نتایج:  ASTME1384 ساختار و محتوای EHR را در برداشته  و  معماری کاربرپسند  CCR را تدوین نموده و تبادل داده­ ها در زیر سیستم های سلامت را مورد توجه قرار داده و عملکردهای اجرایی EHR در طرح DSTU دستاورد ویژه HL7 می­ باشد. استاندارد ISO18308  نیز نیازمندیهای معماری ساختار و محتوی EHR و ISO18306 بصورت جامع مساله تبادل داده­ ها را مطرح نموده است. بحث و نتیجه­ گیری:  سازمانهای استانداردسازی در زمینه توسعه EHR گامهای متعددی برداشتند اما هر یک از آنها در برخی زمینه­ها جامع­تر فعالیت نموده­اند. نویسندگان این مقاله پیشنهاد می­کنند، برای توسعه موفق EHR از استاندارد E1384برای ساختار و محتوی EHR، از معماری سندبالینی (CDA)به عنوان نمونه معماری موفق و در زمینه ارزیابی EHR نیز  معیارهای تطابق طرح DSTU بهره برداری شود. 2 Introduction: Results of previous studies have showed that there is no comprehensive and standard model for the development of Electronic Health Record (EHR). Therefore, in this study, with the aim of proposing a set of applicable standards for EHR development in Iran, different standards were compared in terms of structure and content, architecture and function aspects. Method: This comparative study was done in 2017 to compare standards of ASTM, HL7 and ISO organization based on their content. Then, a set of required standards for the development of a national electronic health record was suggested. Results: ASTME1384 not only included structure and content standard of EHR and CCR user friendly architecture, but also it considered data exchange. Executive function of HER in DSTU-functional model was significant achievement of Hl7. ISO18308 contained requirements for structure and content of EHR and ISO18306 presented interoperability of data comprehensively. Conclusion: In spite of different activities of standardization organizations in various fields of EHR development, each of them is more comprehensive in some specific aspects. According to the obtained results, for successful development of HER, E1384 is suggested for structure and content, CDA for architecture and DSTU conformance criteria for evaluation. 214 222 2016/11/132016/10/212016/08/122016/10/112016/11/112016/10/8 1395/7/17 2016/12/192016/12/102016/12/82016/11/282016/12/122016/12/10 1395/9/20 لیلا کیخا Leila Keikha گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران ایران Leilakeikha@gmai.com رضا صفدری Reza Safdari گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران ایران rsafdari@tums.ac.ir مرجان قاضی سعیدی Marjan Ghazisaeedi گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران ایران ghazi.saeedi@yahoo.com سیده صدیقه سیدفرج اله Sedigheh Seied Farajollah دانشجوی دکترا مدیریت اطلاعات سلامت، گروه آموزشی مدیریت اطلاعات سلامت،دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران. ایران sfarajollah@razi.tums.ac.ir نیلوفر محمدزاده Niloofar Mohammadzadeh دکترای مدیریت اطلاعات سلامت استادیار، گروه آموزشی مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران. ایران nmohammadzadeh@sina.tums.ac.ir Comparative study Electronic Health Record Standards Content and structure Architecture مطالعه تطبیقی پرونده الکترونیک سلامت استانداردها ساختار و محتوی معماری قابلیت تبادل معنایی 1. Sadari R, Masoori N, Seied Farajollah SS. A comparative study on the functions of pioneer organizations (ASTM, HL7 and ISO) in developing electronic health record. Health Info Manage 2011; 8(3): 422-32. Persian##2. Deutsch E, Duftschmid G, Dorda W. Critical areas of national electronic health record programs-is our focus correct? Int J Med Inform 2010;79(3):211-22.##3. Sinha PK, Sunder G, Bendale P, Mantri M, Dande A. electronic health record: standards, coding systems, frameworks, and infrastructures. John Wiley & Sons; 2012.##4. Jahanbakhsh M, Rabiei R, Asadi F, Moghaddasi H. Electronic health record architecture: a systematic review. Journal of Paramedical Sciences 2016;7(3):29-36.##5. Safdari R, Farajoilah SS. The solutions of preservation patient right in electronic health record system. Teb Va Tazkieh 2009;17(72-73): 56-64. Persian##6. Xu W, Guan Z, Cao H, Zhang H, Lu M, Li T. Analysis and evaluation of the electronic health record standard in China: a comparison with the American National Standard ASTM E 1384. Int J Med Inform 2011;80(8):555-61.##7. Bott OJ. The electronic health record: Standardization and implementation. Berlin, Germany: Institute for Medical Informatics, Technical University of Braunschwieg; 2004.##8. Kwak YS. International standards for building Electronic Health Record (EHR) Enterprise networking and Computing in Healthcare Industry, 2005. HEALTHCOM 2005. Proceedings of 7th International Workshop on; 2005 Jun 23-25; Busan, South Korea, South Korea: IEEE; 2005.##9. Rezaei P, Ahmadi M, Sadogh F. A study on content, structure & nomenclature standard of electronic health record in selected organization & suggested a patern for Iran. J Health Adm 2007;10(29):55-64. Persian##10. Kwak YS. Electronic health record: definition, categories and standards. Journal of Korean Society of Medical Informatics 2005;11(1):1-15.##11. HL7. Health seventh International USA: Health Level Seven International; 2010 [cited 2017 Apr 25]. Available from: http://www.hl7.org/about/index.cfm?ref=nav.##12. Häyrinen K, Saranto K, Nykänen P. Definition, structure, content, use and impacts of electronic health records: a review of the research literature. Int J Med Inform 2008;77(5):291-304.##13. Safdari Reza MN, Seiedfarajollah Seiede sedigheh. Electronic Health Record System (Health data and standards). Tehran, Iran: Jaafari publication; 2011.##14. Schloeffel P. Requirements for an electronic health record architecture. ISO TS 18308. International Organisation for standardisation; 2002.##15. Katehakis DG, Tsiknakis M. Electronic Health Record. Wiley Encyclopedia of Biomedical Engineering: John Wiley & Sons, Inc.; 2006.##16. Bergmann J, Bott OJ, Pretschner DP, Haux R. An e-consent-based shared EHR system architecture for integrated healthcare networks. International Journal of Medical Informatics 2007;76(2):130-6.##17. Chen Y, Lee Jk. Analysis and evaluation about the barriers of the adoption and implementation of Electronic Health Record system: A comparison study between China and Korea. Information Technology in Medicine and Education (ITME), 2012 International Symposium on; 2012 Aug 3-5; IEEE. Hokodate, Hokkaido, Japan; IEEE; 2012.##18. Sprague L. Electronic health records: How close? How far to go? NHPF Issue Brief 2004;29(800):1-17.##19. Waegemann C. EHR vs. CCR: What is the difference between the electronic health record and the continuity of care record? Medical Records Institute; 2002.##20. Waegemann CP, Peters R, Sullivan TE, Tessier C, Waldren SE. Meaningful use: continuity of care with the CCR and CCD. Telemed J E Health 2010;16(3):266-73. ##21. Nelson R. Connecting the providers in your healthcare community: one step at a time. Frontiers of Health Services Management 2005;22(2):13-28.##22. Waegemann CP. The year of the EHR. Health Management Technology. 2004;25(5):65-6.##23. Botsivaly M, Spyropoulos B, Koutsourakis K, Mertika K. Enhancing Continuity in Care: An Implemantation of the ASTM E2369-05 Standard Specification for Continuity of Care Record in a Homecare Application. AMIA Annu Symp Proc 2006; 2006: 66–70. ##24. Spyropoulos B, Botsivaly M, Tzavaras A, Koutsourakis K, editors. Extending the use of DRGs to estimate mean Home-Care cost by employing an adapted ASTM E2369-05 Continuity of Care Record Engineering in Medicine and Biology Society, 2006. EMBS '06. 28th Annual International Conference of the; 2006 30 Aug- Sep 30-3. 2006 NewYork, NY, USA: IEEE; 2006.##25. Jing X, Kay S, Marley T, Hardiker NR, Cimino JJ. Incorporating personalized gene sequence variants, molecular genetics knowledge, and health knowledge into an EHR prototype based on the Continuity of Care Record standard. J Biomed Inform 2012;45(1):82-92. ##26. Park YR, Yoon YJ, Jang TH, Seo HJ, Kim JH. CCR+: metadata based extended personal health record data model interoperable with the ASTM CCR standard. Healthc Inform Res 2014; 20(1):39–44.##27. Blobel B. EHR architectures - comparison and trends. Stud Health Technol Inform 2008;134:59-73.##28. Ferranti JM, Musser RC, Kawamoto K, Hammond WE. The Clinical Document Architecture and the Continuity of Care Record: A Critical Analysis. J Am Med Inform Assoc 2006; 13(3): 245–52.##29. Yong H, Jinqiu G, Ohta Y. A prototype model using clinical document architecture (CDA) with a Japanese local standard: designing and implementing a referral letter system. Acta Med Okayama 2008;62(1):15-20. ##30. Poulymenopoulou M, Vassilacopoulos G.. An electronic patient record implementation using clinical document architecture. Stud Health Technol Inform 2004;103:50-7. ##31. Müller ML, Ückert F, Bürkle T, Prokosch H-U. Cross-institutional data exchange using the clinical document architecture (CDA). Int J Med Inform 2005;74(2-4):245-56.##32. Schloeffel P, Beale T, Hayworth G, Heard S, Leslie H. The relationship between CEN 13606, HL7, and openEHR. HIC 2006 and HINZ 2006: Proceedings; 2006.##33. Blobel B. Advanced and secure architectural EHR approaches. Int J Med Inform. 2006;75(3-4):185-90.##34. Dolin RH, Alschuler L, Beebe C, et al. The HL7 Clinical Document Architecture. J Am Med Inform Assoc 2001; 8(6): 552–69. ##35. Müller M, Frankewitsch T, Ganslandt T, Bürkle T, Prokosch HU. The Clinical Document Architecture (CDA) enables electronic medical records to wireless mobile computing. Stud Health Technol Inform 2004;107(Pt 2):1448-52. ##36. Dolin RH, Alschuler L, Boyer S, et al. HL7 Clinical Document Architecture, Release 2. J Am Med Inform Assoc 2006; 13(1): 30–9. ##37. ANSI I. TS 18308 Health Informatics-Requirements for an Electronic Health Record Architecture. ISO (Ed). 2003.##38. Santos MR, Bax MP, Kalra D. Building a logical EHR architecture based on ISO 13606 standard and semantic web technologies. Stud Health Technol Inform 2010;160(Pt 1):161-5. ##39. Healthcare M, Fischetti L, Heard S, Australia OI. HL7 EHR System Functional Model and Standard. 2003.##40. Dickinson G, Fischetti L, Heard S. Hl7 EHR system functional model draft standard for trial use. Health Level; 2004.##41. Sumita Y, Takata M, Ishitsuka K, Tominaga Y, Ohe K. Building a reference functional model for EHR systems. Int J Med Inform 2007;76(9):688-700.##42. Mon DT. HL7 EHR System Functional Model and Standard. HIMSS Annual Conference; 2009.##43. Stead WW. Presentation of the Morris F. Collen Award to William Edward Hammond II, PhD. J Am Med Inform Assoc 2004; 11(3): 221–4. ##44. Soceanu A, Egner A, Moldoveanu F, editors. Towards Interoperability of eHealth System Networked Components. Control Systems and Computer Science (CSCS), 2013 19th International Conference on; 2013 May 29-31; Bucharest, Romania: IEEE; 2013.##45. Ghazisaeidi M, Ahmadi M, Sadoughi F, Safdari R. A roadmap to pre-implementation of electronic health record: the key step to success. Acta Inform Med 2014;22(2):133-8. #### ##

مروری بر سیستم‌های تشخیص خودکار آمبولی ریوی در تصاویر توموگرافی کامپیوتری آنژیو A Review of Computer-Aided Detection of Pulmonary Embolism in CT Angiograms 1 1 مقدمه: تصاویر توموگرافی کامپیوتری آنژیو ریه به صورت گسترده در شناسایی آمبولی ریوی استفاده می‌شوند. استفاده از این برش نازک برای بررسی عملکرد بالینی ریه امری ضروری است، اما باعث افزایش حجم بار زمانی رادیولوژیست می‌شود. از این رو سیستم‌های متعددی برای شناسایی آمبولی طراحی شده است. هدف از این مقاله، مروری بر سیستم‌های تشخیص آمبولی ریوی و ارزیابی عملکرد آن‌ها است. روش: در این مطالعه کلیه مقالات موجود در پایگاه‌های اطلاعاتی IEEE، Science Direct، Medical Physics، SPIE در زمینه پردازش تصاویر توموگرافی کامپیوتری آنژیو ریه و سیستم‌های تشخیص با کمک کامپیوتر، مورد بررسی قرار گرفته است. تعداد 16 مقاله در بین سال‌های 2002 تا 2015 استخراج شدند. هر مقاله یک سیستم شناسایی خودکار آمبولی ارائه می‌دهند که با استفاده از تحلیل کمی و کیفی آن‌ها را مورد ارزیابی قرار می‌دهیم. روش‌های ارزیابی روی تعداد بانک تصاویر، حساسیت و میزان خطای مثبت صورت می‌گیرند. نتایج: سیستم‌های متنوعی برای شناسایی آمبولی طراحی شده است. بانک تصاویر تحت تأثیر عوامل مختلف همچون بیماری‌های ریوی، نویز، زمان تصویربرداری، تنوع وجود آمبولی در شاخه‌های اصلی، پیرامونی و تعداد داده‌ها است. بیشترین تعداد تصاویر 177 نمونه و کمترین آن 3 نمونه است. میزان حساسیت و تعداد خطای مثبت معیار مناسب دیگر است. در میان سیستم‌‌ها، میزان حساسیت 50 تا 100 درصد و میزان خطای مثبت در هر برش 22/6 تا 2 به دست آمده است. نتیجه‌گیری: بر طبق نتایج سیستم‌های تشخیص باید علاوه بر داشتن حساسیت بالا و خطای مثبت کم از یک بانک تصاویر زیاد که شامل آمبولی در شاخه‌های مختلف باشد، استفاده کنند. 2 Introduction: pulmonary computed tomography angiography (CTA) is widely used in the detection of pulmonary embolism. Using these thin slices for studying clinical function of lung is necessary, but it is time-consuming for radiologists. Therefore, several systems have been designed for detection of embolism. The aim of this study was to review and evaluate systems of detection of pulmonary embolism. Method: In this study, all the articles in databases including IEEE, Science Direct, Medical Physics and SPIE in the field of processing pulmonary computed tomography angiograms and computer-aided detection systems were reviewed. A total of 16 articles between 2002 and 2015 were extracted. Each article presented one  CAD system that was evaluated with quantitative and qualitative analysis. To assess systems, the number of images in database, sensitivity and false positive error rate were used. Results: Various systems are designed to detect embolism. Image database is affected by different factors such as pulmonary diseases, noise, the time of taking image, diversity of pulmonary embolism in main and peripheral branches and the number of data. The maximum number of data was 177 samples and the minimum was 3 samples. Sensitivity and the number of false positive errors are good criteria. Among the CAD systems, the sensitivity was 50% to 100% and the rate of false positive was 2- 22.6 per scan. Conclusion: According to the results, in addition to having high sensitivity and low false positive error, detection systems must have large image database of embolism in various branches of vessels. 223 232 2016/11/132016/10/212016/08/122016/10/112016/11/112016/10/82016/10/12 1395/7/21 2016/12/192016/12/102016/12/82016/11/282016/12/122016/12/102016/12/7 1395/9/17 مجتبی مسعودی Mojtaba Masoudi دانشجوی کارشناسی ارشد هوش مصنوعی، گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران. ایران masoudi.m1991@gmail.com حمیدرضا پوررضا Hamidreza Pourreza دکتری مهندسی کامپیوتر، استاد، گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران. ایران hpourreza@um.ac.ir مهدی سعادتمند طرزجان Mahdi Saadatmand دکتری مهندسی پزشکی، استادیار، گروه مهندسی برق، دانشکده مهندسی، دانشگاه فردوسی مشهد، مشهد، ایران. ایران saadatmand@kiaeee.org فاطمه شفیعی زرگر Fateme Shafiei Zargar دانشجوی دکتری تخصصی رادیولوژی، گروه رادیولوژی، دانشگاه علوم پزشکی مشهد، مشهد، ایران. ایران shafieezf921@mums.ac.ir مهناز امینی Mahnaz Amini دکتری تخصصی ریه، استادیار، گروه داخلی، دانشگاه علوم پزشکی مشهد، مشهد، ایران. ایران AminiM@mums.ac.ir مسعود پزشکی راد Masoud Pezeshki Rad دکتری تخصصی رادیولوژی، دانشیار، گروه داخلی، دانشگاه علوم پزشکی مشهد، مشهد، ایران. ایران Pezeshkiradm@mums.ac.ir Image Processing Computer Assisted Computed Tomography Angiography Pulmonary Embolism پردازش تصویر سیستم‌های تشخیص با کمک کامپیوتر توموگرافی کامپیوتری آنژیو آمبولی ریوی 1. Pforte A. Epidemiology, diagnosis and thrapy of pulmonary embolism. Eur J Med Res 2004; 9: 171-9.##2. Ravenel J, McAdams HP, Goodman PC. Computed Tomography Pulmonary Angiography: Diagnostic Pitfalls and Artifacts. Appl Radiol 2001;30(10): 35-42. ##3. Pichon E, Novak CL, Kiraly AP, Naidich DP. A novel method for pulmonary emboli visualization from high-resolution CT images. Proceedings of SPIE - The International Society for Optical Engineering (Proceedings of SPIE). 2004; 5367: 161–70. ##4. Gonzalez RF, Woods RE. Digital Image Processing, 2th ed. New York: Addison-Wesley; 2002.##5. Chan HP, Hadjiiski L, Zhou C, Sahiner B. Computer-aided diagnosis of lung cancer and pulmonary embolism in computed tomography-a review. Acad Radiol 2008;15(5):535-55. ##6. Das M, Mühlenbruch G, Helm A, Bakai A, Salganicoff M, Stanzel S. Computer-aided detection of pulmonary embolism: influence on radiologists' detection performance with respect to vessel segments. Eur Radiol 2008;18(7):1350-5.##7. Buhmann S, Herzog P, Liang J, Wolf M, Salganicoff M, Kirchhoff C, et al. Clinical evaluation of a computer-aided diagnosis (CAD) prototype for the detection of pulmonary embolism. Acad Radiol 2007;14(6):651-8.##8. Zhou C, Hadjiiski LM, Sahiner B, Chan HP, Patel S, Cascade P, et al. Computerized detection of pulmonary embolism in 3D computed tomographic (CT) images: vessel tracking and segmentation techniques. Proceedings of SPIE - The International Society for Optical Engineering 2003; 5032: 1613–20. ##9. Liang J, Bi J. Computer aided detection of pulmonary embolism with tobogganing and mutiple instance classification in CT pulmonary angiography. Inf Process Med Imaging 2007;20:630-41. ##10. Park SC, Chapman BE, Zheng B. A multistage approach to improve performance of computer-aided detection of pulmonary embolisms depicted on CT images: preliminary investigation. IEEE Trans Biomed Eng 2011;58(6):1519-27.##11. Tajbakhsh N, Gotway MB, Liang J. Computer-Aided Pulmonary Embolism Detection Using a Novel Vessel-Aligned Multi-planar Image Representation and Convolutional Neural Networks. In: Navab N, Hornegger J, Wells WM, Frangi A, editors. Medical Image Computing and Computer-Assisted Intervention -- MICCAI 2015: 18th International Conference; 2015 Oct 5-9; Munich, Germany: Springer International Publishing; 2015. p. 62-9.##12. Masutani Y, MacMahon H, Doi K. Computerized detection of pulmonary embolism in spiral CT angiography based on volumetric image analysis. IEEE Trans Med Imaging 2002;21(12):1517-23.##13. Bouma H, Sonnemans JJ, Vilanova A, Gerritsen FA. Automatic detection of pulmonary embolism in CTA images. IEEE Trans Med Imaging 2009;28(8):1223-30. ##14. Zhou C, Chan HP, Sahiner B, Hadjiiski LM, Chughtai A, Patel S, et al. Computer-aided detection of pulmonary embolism in computed tomographic pulmonary angiography (CTPA): performance evaluation with independent data sets. Med Phys 2009;36(8):3385-96.##15. Zhou C, Chan HP, Patel S, Cascade PN, Sahiner B, Hadjiiski LM, Kazerooni EA. Preliminary investigation of computer-aided detection of pulmonary embolism in three-dimensional computed tomography pulmonary angiography images. Acad Radiol 2005;12(6):782-92.##16. Soleymanpour E, Pourreza HR, Ansaripour E, Yazdi MS. Fully automatic lung segmentation and rib suppression methods to improve nodule detection in chest radiographs. J Med Signals Sens 2011;1(3):191-9.##17. Fairfield J. Toboggan contrast enhancement for contrast segmentation 10th International Conference on Pattern Recognition; 1990 Jun 16-21 Atlantic City, NJ, USA, USA: IEEE; 1990. p. 712-6.##18. Zhou C, Chan HP, Sahiner B, Hadjiiski LM, Chughtai A, Patel S, Wei J, et al. Automatic multiscale enhancement and segmentation of pulmonary vessels in CT pulmonary angiography images for CAD applications. Med Phys 2007;34(12):4567-77.##19. Dempster AP, Laird NM, Rubin DB. Maximum Likelihood from Incomplete Data via the EM Algorithm. Journal of the Royal Statistical Society 1977; 39(1):1–38. ##20. Li H, Yezzi A. Vessels as 4D Curves: Global Minimal 4D Paths to Extract 3D Tubular Surfaces 2006 Conference on Computer Vision and Pattern Recognition Workshop (CVPRW'06); 2006 Jun 17-22; New York, NY, USA, USA: IEEE; 2006. p. 7.##21. Gülsün MA, Tek H. Robust vessel tree modeling. Med Image Comput Comput Assist Interv 2008;11(Pt 1):602-11. ##22. Buelow T, Wiemker R, Blaffert T, Lorenz C, Renisch S. Automatic extraction of the pulmonary artery tree from multi-slice CT data. Proc. SPIE 5746, Medical Imaging 2005: Physiology, Function, and Structure from Medical Images 2005; 5746: 730–40.##23. Masutani Y, Masamune K, Dohi T. Region-Growing Based Feature Extraction Algorithm for Tree-Like Objects. Proceedings of the 4th International Conference on Visualization in Biomedical Computing; 1996 Sep 22-25; London: Springer-Verlag; 1996. p. 161-71.##24. Özkan H, Osman O, Şahin S, Boz AF. A novel method for pulmonary embolism detection in CTA images. Comput Methods Programs Biomed 2014;113(3):757-66. ##25. Kiraly AP, Novak CL, Naidich DP, Vlahos I, Ko JP, Brusca-Augello JT. A comparison of 2D and 3D evaluation methods for pulmonary embolism detection in CT images. Proceedings of SPIE - The International Society for Optical Engineering 6146; 2006 Mar 17; San Diego, CA: SPIE; 2006. p. 1–9.##26. Suárez-Cuenca JJ1, Tahoces PG, Souto M, Lado MJ, Remy-Jardin M, Remy J, et al. Application of the iris filter for automatic detection of pulmonary nodules on computed tomography images. Comput Biol Med 2009;39(10):921-33. ##27. Stenning D, Kashyap V, Lee TCM, van Dyk DA, Young CA. Morphological Image Analysis and Sunspot Classification. In: Feigelson ED, Babu GJ, editors. Statistical Challenges in Modern Astronomy V. New York, NY: Springer NewYork; 2012. p. 329-42.##28. Mazzeo PL, Spagnolo P, Leo M, T. De Marco T, Distante C. Ball detection in soccer images using isophote’s curvature and discriminative features Pattern Analysis and Applications 2015; 19 (3):709–18.##29. Frangi AF, Niessen WJ, Vincken KL, Viergever MA. Multiscale vessel enhancement filtering. In: Wells WM, Colchester A, Delp S, editors. Medical Image Computing and Computer-Assisted Intervention — MICCAI’98: First International Conference Cambridge, MA, USA; 1998 Oct 11–13; Berlin, Heidelberg: Springer Berlin Heidelberg; 1998. p. 130-7. ##30. Danielsson PE, Lin Q Ye QZ. Efficient Detection of Second-Degree Variations in 2D and 3D Images. Journal of Visual Communication and Image Representationvol 2001; 12(3): 255–305. ##31. Zheng B, Lu A, Hardesty LA, Sumkin JH, Hakim CM, Ganott MA, Gur D. A method to improve visual similarity of breast masses for an interactive computer-aided diagnosis environment. Med Phys 2006;33(1):111-7.##32. Mirsharif Q, Tajeripour F, Pourreza H. Automated characterization of blood vessels as arteries and veins in retinal images. Comput Med Imaging Graph 2013;37(7-8):607-17. ##33. Das M. Computer-aided Diagnosis of Peripheral Pulmonary Emboli. Radiological Society of North America 2003 Scientific Assembly and Annual Meeting, 2003 Nov - Dec 30 5; Chicago IL. Available from http://archive.rsna.org/2003/3102033.html ##34. Digumarthy SR, Kagay CR, Legasto AC, Muse VV, Wittram C, Shepard JO. Computer-aided detection (CAD) of acute pulmonary emboli: evaluation in patients without significant pulmonary disease. Radiological Society of North America 2006 Scientific Assembly and Annual Meeting; 2006 Nov-Dec 26-1; Chicago, IL, p. 4–8, 2006.##35. Maizlin ZV, Vos PM, Godoy MC, Cooperberg PL. Computer-aided detection of pulmonary embolism on CT angiography: initial experience. J Thorac Imaging 2007;22(4):324-9.##36. Wittenberg R, Peters JF, van den Berk IA, Freling NJ, Lely R, de Hoop B, et al. Computed tomography pulmonary angiography in acute pulmonary embolism: the effect of a computer-assisted detection prototype used as a concurrent reader. J Thorac Imaging 2013;28(5):315-21.## ## ##

مروری سیستماتیک بر فناوری‌های پوشیدنی و کاربردهای آن درسلامت A Systematic Review of Wearable Technologies and their Applications in Health 1 1 مقدمه: فناوری‌های پوشیدنی عموماً به منظور پایش پارامتر‌های فیزیولوژیکی و علائم حیاتی مانند ضربان قلب، ریتم تنفسی، فشار‌خون، گلوکز بدن و غیره مورد استفاده قرار می‌گیرند. با رشد ابتلا به بیماری‌های مختلف نظیر حمله‌های قلبی، سرطان، اختلالات عصبی و دیابت نیاز به پایش مستمر و طولانی مدت برای بیماران بیشتر احساس می‌شود. بدین ترتیب، به منظور پایش مداوم و پردازش آنی اطلاعات متعلق به بیماران مذبور می‌توان از فناوری‌‌‌های پوشیدنی در حوزه سلامت بهره برد. روش: بدین منظور پایگاه‌های اطلاعاتی SID، Magiran، PubMed، ScienceDirect، IEEE، Springer با استفاده از کلیدواژه "Usage of wearable sensors and technologies in health"در پایگاه‌های اطلاعاتی انگلیسی و از ترکیب "‌حس‌گرها و فناوری‌های پوشیدنی" در پایگاه‌های اطلاعاتی فارسی، مورد جستجو قرار گرفتند. همه‌ مقالاتی که به نوعی به بررسی کاربردها و ویژگی‌های فناوری‌های پوشیدنی در سلامت اشاره داشتند، انتخاب شدند. مقالات تکراری و همچنین مقالاتی که متن کامل آن‌ها در دسترس نبود، از مطالعه خارج شدند. نتایج: نتیجه‌ جستجو در پایگاه‌های مذکور 100 مقاله بود. با حذف مقالات تکراری و غیر مرتبط فقط 30 مقاله مورد بررسی و مطالعه قرار گرفت. در این مطالعه پس از بررسی مقالات، کاربردهای عمومی و پزشکی فناوری‌های پوشیدنی، پارامترهای فیزیولوژیکی قابل پایش، همچنین بیماری‌های قابل کنترل به وسیله فناوری‌های پوشیدنی به طور کامل تشریح شده است. نتیجه‌گیری: شناخت هر چه بهتر کاربرد فناوری‌های پوشیدنی در حوزه سلامت تأثیر انکارناپذیری بر روی پیشرفت آن‌ها خواهد داشت. به کارگیری سیستم‌های مذکور در بهبود سطح سلامت افراد نقش مهمی را ایفا می‌کنند. 2 Introduction: Wearable technologies are generally used in order to monitor physiological parameters and vital signs such as heart rate, respiratory rate, blood glucose, blood pressure and etc. With increasing rate of various diseases like heart attacks, cancer, neurological disorders and diabetes, the need for continuous and long-term monitoring of patients is felt more and wearable technologies can be used in health domain for continuous monitoring and instantaneously processing of patients’ information. Methods: In this study, SID, Magiran, PubMed, ScienceDirect, IEEE and Springer databases were searched with the keyword of ”Usage of wearable sensors and technologies in health” in English sources and the Persian equivalent of “wearable technologies in health” as the keyword in Persian sources. All articles related to the application and features of wearable technologies in health were selected. Repetitive articles and those without full-text were excluded from the study. Results: A total of 100 articles were found that after excluding repetitive and irrelevant articles, just 30 articles were studied. In this study, after examining the papers, general and medical applications of wearable technologies, physiological parameters that can be monitored as well as diseases that can be controlled by these technologies are completely explained. Conclusion: Better understanding of wearable technologies application in health field has an undeniable impact on their advancement. Use of these systems plays an important role in improving the health of people. 233 242 2016/11/132016/10/212016/08/122016/10/112016/11/112016/10/82016/10/122016/10/24 1395/8/3 2016/12/192016/12/102016/12/82016/11/282016/12/122016/12/102016/12/72016/05/16 1395/2/27 ثریا رضایی Sorayya Rezaei کارشناس ارشد، دانشگاه تربیت مدرس، رشته‌ انفورماتیک پزشکی، گروه انفورماتیک پزشکی، دانشکده علوم پزشکی تهران‌، تهران، ایران. ایران sorayya_rezayi@modares.ac.ir علی اصغر صفایی Ali Asghar Safaei کارشناس ارشد، دانشگاه تربیت مدرس، رشته‌ انفورماتیک پزشکی، گروه انفورماتیک پزشکی، دانشکده علوم پزشکی تهران‌، تهران، ایران. ایران aa.safaei@modares.ac.ir Application of wearable technologies Monitoring of physiological parameters Vital signs Smart tools کاربرد فناوری‌های پوشیدنی پایش پارامترهای فیزیولوژیک علائم حیاتی دستگاه‌های هوشمند 1. Shortliffe EH, Cimino JJ. Biomedical Informatics: Computer Applications in Health Care and Biomedicine (Health Informatics). 4th ed. Department of Biomedical Informatics at Columbia Univarsity and Arizona State University. NewYork, USA: Springer; 2013.##2. Tapscott D. The Digital Economy: Promise and Peril in the Age of Networked Intelligence. NewYork: McGraw-Hill; 2001.##3. Park S, Jayaraman S. Smart Textiles: Wearable Electronic Systems. MRS Bulletin 2003;28(08):585-91.##4. Appelboom G, Camacho E, Abraham ME, Bruce SS, Dumont EL, Zacharia BE, et al. Smart wearable body sensors for patient self-assessment and monitoring. Arch Public Health 2014 22;72(1):28.##5. Chan M, Estève D, Fourniols JY, Escriba C, Campo E. Smart wearable systems: current status and future challenges. Artif Intell Med 2012;56(3):137-56. ##6. Silverman BG Jain A, Ichalkaranje A. Intelligent Paradigms for Healthcare Enterprises: Systems Thinking (Studies in Fuzziness and Soft Computing). Springer; 2005. ##7. Lymberis A, De Rossi DE. Wearable eHealth Systems for Personalised Health Management: State Of the Art and Future Challenges (Studies in Health Technology and Informatics). 1th ed. Netherlands: IOS Press; 2004.##8. McCann J, Bryson D. Smart Clothes and Wearable Technology. 1th ed. Published in North America Woodhead Publishing; 2009. ##9. Muhlsteff J, Thijs JA, inventors; Koninklijke Philips Electronics, NV, assignee. Wearable monitoring system. United States patent US 8,233,969. 2012 Jul 31.##10. Sazonov E, Neuman MR, editors. Wearable Sensors: Fundamentals, implementation and applications. Elsevier; 2014.##11. Zhu X, Cahan A. Wearable Technologies and Telehealth in Care Management for Chronic Illness. In: Weaver CA, Ball MJ, Kim GR, Kiel JM, editors. Healthcare Information Management Systems: Cases, Strategies, and Solutions. Cham: Springer International Publishing; 2016. p. 375-98.##12. Peffers K, Tuunanen T, Rothenberger MA, Chatterjee S. A Design Science Research Methodology for Information Systems Research. Journal of Management Information Systems 2007;24(3):45-77.##13. Poon CC, Zhang YT. Perspectives on high technologies for low-cost healthcare. IEEE Eng Med Biol Mag 2008;27(5):42-7. ##14. Eom K, Arai H. Wearable systems and applications for healthcare. Biomedical Wireless Technologies, Networks, and Sensing Systems (BioWireleSS), 2011 IEEE Topical Conference on; 16-19 Jan 2011; Phoenix, AZ, USA: IEEE; 2011. p. 325-30.##15. Meng Y, Kim HC. Wearable Systems and Applications for Healthcare. Computers, Networks, Systems and Industrial Engineering (CNSI), 2011 First ACIS/JNU International Conference on; 23-25 May 2011. Jeju Island, South Korea: IEEE; 2011. p. 325-30).##16. Adamson PB, Abraham WT, Aaron M, Aranda JM, Bourge RC, Smith A, et al. CHAMPION trial rationale and design: the long-term safety and clinical efficacy of a wireless pulmonary artery pressure monitoring system. J Card Fail 2011;17(1):3-10. ##17. Katsis CD, Goletsis Y, Rigas G, Fotiadis DI. A wearable system for the affective monitoring of car racing drivers during simulated conditions. Transportation Research Part C: Emerging Technologies 2011;19(3):541-51. ##18. Alrige M, Chatterjee S. Toward a Taxonomy of Wearable Technologies in Healthcare. In: Donnellan B, Helfert M, Kenneally J, VanderMeer D, Rothenberger M, Winter R, editors. New Horizons in Design Science: Broadening the Research Agenda: 10th International Conference, DESRIST; 2015 May 20-22; Dublin, Ireland: Springer International Publishing; 2015. p. 496-504.##19. Dittmar A, Meffre R, De Oliveira F, Gehin C, Delhomme G. Wearable Medical Devices Using Textile and Flexible Technologies for Ambulatory Monitoring. IEEE Engineering in Medicine and Biology 27th Annual Conference; 2006 Jan 17-18; Shanghai, China: IEEE; 2006. p. 7161-4.##20. Eid D, Yousef A, Elrashidi A. ECG Signal Transmissions Performance over Wearable Wireless Sensor Networks. Procedia Computer Science 2015;65:412-21.##21. Safaei AA, Sharifrazavian A, Sharifi M, Haghjoo Dynamic routing of data stream tuples among parallel query plan running on multi-core processors. Distributed and Parallel Databases 2012;30(2):145-76. 22. ##22- Eskandari E, Safaeei AA. Haghjoo M. Memo, a New Approach to Mobile Data Management. 2nd International Conference on Information & Communication Technologies; 2006 Apr 24-28 Damascus, Syria: IEEE; 2006.##23. Safaeei AA, Haghjoo M, Abdi S. Semantic cache schema for query processing in mobile databases Third International Conference on Digital Information Management; 2008 Nov 13-16; London, UK: IEEE; 2008. p. 644-9. ##24. Jovanov E, Milenkovic A. Body Area Networks for ubiquitous healthcare applications: opportunities and challenges. J Med Syst 2011;35(5):1245-54.##25. Sultan N. Reflective thoughts on the potential and challenges of wearable technology for healthcare provision and medical education. International Journal of Information Management 2015;35(5):521-6. ##26. Ananthanarayan S, Siek KA. Persuasive wearable technology design for health and wellness. Pervasive Computing Technologies for Healthcare (PervasiveHealth), 2012 6th International Conference on; 21-24 May 2012; San Diego, CA, USA: IEEE; p. 236-40. ##27. Donnellan B, Helfert M, Kenneally J, VanderMeer D, Rothenberger M, Winter R. New Horizons in Design Science: Broadening the Research Agenda. New York: Springer; 2015.##28. Meng Y, Choi HK, Kim HC. Exploring the user requirements for wearable healthcare systems. 13th International Conference on e-Health Networking, Applications and Services; 2011 Jun 13-15; Columbia, MO, USA: IEEE; 2011. p. 74-7.##29. Darwish A, Hassanien AE. Wearable and implantable wireless sensor network solutions for healthcare monitoring. Sensors 2011;11(6):5561-95.##30. Pandian PS, Mohanavelu K, Safeer KP, Kotresh TM, Shakunthala DT, Gopal P, Padaki VC. Smart Vest: Wearable multi-parameter remote physiological monitoring system. Medical Engineering & Physics 2008;30(4):466-77.## ##