جستجو در مقالات منتشر شده


۴ نتیجه برای پناهی

شهرام صدقی، فاطمه عبدی، سیروس پناهی،
دوره ۴، شماره ۱ - ( بهار و تابستان ۱۳۹۷ )
چکیده

هدف: با توجه به حجم روزافزون اطلاعات هر فرد، نیازمند فراگیری مهارتها و توانمندیهایی فراتر از سواد سنتی است. هدف پژوهش حاضر، بررسی سطح سواد اطلاعاتی در بین دانشجویان رشته‌های توانبخشی می‌باشد.
روش‌ها: این مطالعه کاربردی بر روی ۱۵۰ دانشجوی تحصیلات تکمیلی دانشکده علوم توانبخشی دانشگاه علوم پزشکی ایران انجام شد. ابزار گردآوری داده‌ها پرسشنامه ‌‌استاندارد که براساس مدل آیزنبرگ بود. پایایی پرسشنامه با آلفای کرونباخ ۹۶/۰ درصد محاسبه شد. جهت تحلیل داده‌‌ها از نرم‌افزار SPSS و آمار توصیفی و آمار استنباطی استفاده شد.
نتایج: مهارت جامعه پژوهش در درک نیاز اطلاعاتی (۹۴/۶±۲/۰)، در راهبرد‌های جستجو (۹۶/۶۷±۲/۰)، در مکان‌یابی اطلاعات (۸۰/۸۸±۲/۰)، در استفاده از اطلاعات (۷۶/۹۵±۲/۰)، در ترکیب اطلاعات (۴۶/۸۰±۲/۰) و از لحاظ ارزیابی اطلاعات (۹۳/۸۴±۲/۰) در حد متوسط قرار داشته است. نتایج کلی پژوهش، میانگین سواد اطلاعاتی دانشجویان تحصیلات تکمیلی را با میانگین ۰/۶۳۶±۲/۸۵ نشان داده است. نتایج نشان داد بین مقطع تحصیلی کارشناسی ارشد و دکتری با سطح سواد اطلاعاتی ارتباط معنی‌داری وجود دارد.
نتیجه‌گیری: از آن جا که وضعیت سطح سواد اطلاعاتی جامعه پژوهش در سطح متوسط قرار داشت، توجه بیشتر نسبت به آموزش سواد اطلاعاتی از طریق برگزاری کلاس‌ها با محتوای غنی‌تر و مطابق با فناوری‌های جدید در بین دانشجویان هر رشته توانبخشی باید صورت پذیرد. همچنین ضروریست از متخصصان اطلاع‌رسانی برای بازبینی کارکردها و سیاست‌های آموزشی در جهت پیشبرد فرایند پژوهش دانشجویان استفاده نمایند.

رئوف نوپور، هادی کاظمی آرپناهی، مصطفی شنبه زاده،
دوره ۶، شماره ۴ - ( زمستان ۱۳۹۹ )
چکیده

هدف: استفاده از یادگیری ماشین جهت تشخیص زودرس سرطان کولورکتال نقش مهمی در بهبود شاخص‌های بیماری دارد؛ هدف مطالعه حاضر طراحی مدل پیشبینی بیماری براساس تکنیک‌های داده‌کاوی می‌باشد.
روش‌ها: مطالعه حاضر از نوع توصیفی کاربردی بود که در سال ۱۳۹۹ انجام گردید. جامعه پژوهش تمام افرادی (۸۰۰ نفر) بود که جهت بررسی‌های تشخیصی به بیمارستان طالقانی شهرستان آبادان مراجعه کرده بودند. دادهها از پرونده الکترونیک بیمار طی سال‌های ۱۳۸۸-۱۳۹۸ استخراج شد. از نرم‌افزار SPSS برای تحلیل اطلاعات استفاده گردید. از روش همبستگی اسپیرمن برای شناسایی فاکتورهای مؤثر در تعیین خطر ابتلا به سرطان کولورکتال در سطح آماری ۰/۰۵≥P-Value استفاده شد. سپس با استفاده از تحلیل رگرسیون‌لجستیک دودویی و روش Enter فاکتورهای مؤثر در تعیین خطر ابتلا به سرطان کولورکتال شناسایی شدند و نهایتاً مدل رگرسیون پیشبینی خطر ابتلا به سرطان کولورکتال طراحی گردید.
نتایج: ۱۱ متغیر با استفاده از ضریب‌همبستگی اسپیرمن همبستگی معناداری را با کلاس خروجی (ابتلا و عدم ابتلا به سرطان کولورکتال) را نشان دادند. نتایج حاصل از تحلیل رگرسیون‌لجستیک با استفاده از Enter ۷ متغیر شانس بالاتری نسبت به سایر متغیرها به دسست آوردند. نتایج حاصل از طبقه‌بندی نمونه‌های پژوهش با استفاده از روش Forward LR نشان داد که با این مدل با داشتن میزان صحت، دقت و حساسیت به ترتیب ۹۱ درصد، ۹۳/۵ درصد و ۹۴/۵ درصد عملکرد بالایی داشته است.
نتیجه‌گیری: مدل پیشبینی خطر مبتنی بر روش رگرسیون‌لجستیک می‌تواند در ارتقاء صحت و دقت تشخیص بیماری و پیشبینی موثر گروه‌های پرخطر به متخصصین گوارشی کمک‌کننده باشد.


رئوف نوپور، مصطفی شنبه زاده، هادی کاظمی آرپناهی،
دوره ۷، شماره ۱ - ( بهار ۱۴۰۰ )
چکیده

هدف: تشخیص صحیح، دقیق و به ‌موقع بیماری کووید-۱۹ با استفاده از فناوری‌های هوش مصنوعی و یادگیری ماشین نقش مهمی در بهبود شاخص‌های بیماری، استفاده بهینه از منابع محدود بیمارستانی و کاهش بار کاری کارکنان خط مقدم پاندمی خواهد داشت. بنابراین هدف پژوهش حاضر ارزیابی کارایی الگوریتم‌های منتخب داده‌کاوی در تشخیص بیماری کویید-۱۹ خواهد بود.
روش‌ها: پژوهش حاضر یک مطالعه گذشته‌نگر و توصیفی کاربردی است. در این مطالعه از داده‌های بیماران بستری شده با تشخیص قطعی کوویید-۱۹ در بازه زمانی ۲۷ اسفند ۱۳۹۸ لغایت ۲۰ آذر ۱۳۹۹ که در پایگاه داده پرونده الکترونیک سلامت بیماری کووید-۱۹ بیمارستان آیت‌الله طالقانی شهرستان آبادان ثبت شده است، استفاده گردید. پس از اعمال معیارهای ورود و خروج برای شناسایی نمونه‌ها در نهایت ۴۰۰ رکورد به عنوان ورودی و تغذیه وارد نرم‌افزار داده کاوی وکا ورژن ۳,۹ شد. داده‌ها با استفاده از ملاک کای دو برای تعیین متغیرها به منظور آموزش الگوریتم‌ها، عملکرد آن‌ها براساس معیارهای مختلف ارزیابانه در ماتریس آشفتگی مورد مقایسه قرار گرفتند.
نتایج: براساس مقایسه عملکرد الگوریتم‌های داده‌کاوی با توجه به معیارهای ارزیابانه در ماتریس آشفتگی، الگوریتم J-۴۸ با میزان حساسیت، دقت، و ضریب همبستگی ماتیوس به ترتیب ۰/۸۵، ۰/۸۵، ۰/۶۸ عملکرد بهتری نسبت به سایر الگوریتم‌های داده‌کاوی برای تشخیص بیماری کووید-۱۹ داشت.  ۳ متغیر وجود ضایعات ریوی، تب و سابقه تماس با افراد مظنون به کرونا با در نظر  گرفتن شاخص جینی ایندکس برای تعیین نقطه تقسیم، به ترتیب با میزان جینی ایندکس ۰/۲۱۷، ۰/۲۰۵ و ۰/۱۸۸ به عنوان مهم ترین فاکتورهای موثر در تشخیص کرونا در نظر گرفته شدند.     
نتیجه‌گیری: استفاده از روش‌های داده کاوی منتخب و به طور خاص الگوریتم J-۴۸ قابلیت بالایی در تشخیص به موقع و اثربخش بیماری کووید-۱۹ در قالب سیستم‌های پشتیبان تصمیم یار بالینی خواهد داشت.
 

دکتر راضیه میرزائیان، آقای مصطفی شنبه زاده، دکتر محمدرضا افراش، دکتر هادی کاظمی آرپناهی،
دوره ۱۰، شماره ۵ - ( مقالات در انتظار انتشار ۱۴۰۳ )
چکیده

هدف: طب ایرانی در مقایسه با طب رایج دارای رویکردی متفاوت در فرایند درمان است و با انواع داده­های بالینی و روشهای مراقبتی، همراه می باشد. ایجاد سیستم اطلاعات طب ایرانی نقش مهمی در جمع آوری، سازماندهی، پردازش و گزارش داده های طب ایرانی دارد. هدف از این مطالعه طراحی مدل مفهومی برای ایجاد سیستم اطلاعات طب ایرانی است.
روش ها: پژوهش حاضر از نوع توسعه ای- کاربردی است که به روش کیفی انجام شد. در مرحله نخست، بررسی ویژگی های سیستم اطلاعات طب سنتی در سایر کشورها، با استفاده از روش مرور نظام یافته انجام گردید. در مرحله دوم، جهت شناسایی وضعیت موجود مدیریت اطلاعات طب ایرانی به روش هدفمند با ۲۹ نفر از متخصصان و داروسازان طب ایرانی مصاحبه صورت گرفت. مرحله سوم مدل مفهومی با استفاده از نرم افزار آرگو یو ام ال نسخه ۳۴/۰ ترسیم شد و در نشست خبرگان تعیین اعتبار گردید.
نتایج: بر اساس نتایج استخراج شده از مرورنظام یافته، ۲۶ مقاله مرتبط در بازه زمانی بین سال های ۲۰۰۰ تا ۲۰۲۴ شناسایی شدند. سپس وضعیت موجود مدیریت اطلاعات طب ایرانی در قالب ۱۱ محور دسته بندی و میزان اهمیت نظرات به صورت فراوانی استخراج شد. در مرحله سوم، مدل مفهومی سیستم اطلاعات طب ایرانی طراحی و اعتبارسنجی شد.
   نتیجه گیری: با وجود تنوع و گستردگی عناصر داده در سیستم مراقبت طب ایرانی، طراحی مدل مفهومی سیستم اطلاعات طب ایرانی می تواند، در زمینه ایجاد نمونه اولیه سیستم اطلاعات ملی، یکپارچه، کارآمد بسیار موثر باشد.
 

صفحه ۱ از ۱     

کلیه حقوق این وب سایت متعلق به مجله اطلاع رسانی پزشکی نوین می‌باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2025 CC BY-NC 4.0 | Journal of Modern Medical Information Sciences

Designed & Developed by: Yektaweb