fa حداقل الزامات داده‌ای جهت پیش‌بینی نیاز به Arthroplasty زانو در بیماران Osteoarthritis عمومى General مروری Review <p style="text-align: justify;"><span style="font-family:tahoma;"><strong>هدف:</strong><span dir="LTR">Arthroplasty</span> زانو یکی از بهترین روش‌های درمانی جهت کاهش درد و بهبود کیفیت زندگی در موارد مقاوم به درمان بیماری <span dir="LTR">Osteoarthritis</span> محسوب می‌شود؛ ولی ازآنجایی‌که یک اقدام تهاجمی محسوب شده و تأخیر در انجام آن ممکن است به عوارض ناخواسته پس از عمل جراحی منجر گردد. بنابراین انتخاب صحیح و به‌موقع بیمار جهت <span dir="LTR">Arthroplasty</span> زانو، اهمیت بسزایی دارد. هدف از این پژوهش شناسایی حداقل الزامات داده‌ای جهت پیش‌بینی نیاز به <span dir="LTR">Arthroplasty</span> زانو در بیماران <span dir="LTR">Osteoarthritis</span> می‌باشد.<span style="font-family:arial,sans-serif;"></span><br> <strong>روش‌ها:</strong> این مطالعه از نوع کاربردی بوده که در سال 1396 انجام‌شده است. بامطالعه کتابخانه‌ای و جستجوی اینترنتی کلیدواژه‌های مرتبط مانند <span dir="LTR">Total Knee Arthroplasty, Minimum Data Set</span>, &hellip;در پایگاه‌های داده معتبر مانند <span dir="LTR">Pubmed, Science Direct</span>, &hellip; و موتور جستجوی <span dir="LTR">Google Scholar</span>،&nbsp; فاکتورهای مؤثر در پیش‌بینی <span dir="LTR">Arthroplasty</span> زانو شناسایی شدند. نمونه‌گیری با استفاده از جدول مورگان انجام شد و 32 نفر از پزشکان فوق تخصص روماتولوژی شاغل در دانشگاه علوم پزشکی تهران، به‌ عنوان نمونه انتخاب شدند و روایی پرسشنامه توسط اساتید مدیریت اطلاعات سلامت و پایایی آن با آلفای کرونباخ 82 درصد در نرم‌افزار <span dir="LTR">SPSS</span> نسخه 16 محاسبه گردید. نتایج با استفاده از نرم‌افزار <span dir="LTR">Excell</span> تحلیل شد.<span style="font-family:arial,sans-serif;"></span><br> <strong>نتایج:</strong> نتایج حاصل از دو مرحله تکنیک دلفی انجام ‌شده نشان داد داده‌های غیربالینی (سن، شاخص توده بدنی) و داده‌های بالینی (درد زمان استراحت، درد زمان فعالیت، کیفیت زندگی، یافته‌های رادیوگرافی، ناپایداری زانو، دفرمیتی زانو، محدودیت حرکتی زانو) حداقل داده‌های ضروری پیش‌بینی نیاز به <span dir="LTR">Arthroplasty</span> زانو در بیماران <span dir="LTR">Osteoarthritis</span> می‌باشند.<span style="font-family:arial,sans-serif;"></span><br> <strong>نتیجه‌گیری:</strong> نتایج این پژوهش می‌تواند به‌ عنوان اولین قدم در جهت طراحی و ایجاد سیستم‌های هوشمند پیش‌بینی <span dir="LTR">Arthroplasty</span> زانو محسوب شود. استفاده از این سیستم‌ها در مدیریت لیست انتظار جراحی در مراکز درمانی بسیار مفید خواهد بود.<span dir="LTR"></span></span><br> &nbsp;</p> <div style="text-align: justify;"><strong>Aim:</strong> Knee arthroplasty is one of the best treatments to reduce pain and improve quality of life in cases of osteoarthritis resistant to osteoarthritis, however since it is an offensive act and delayed arthroplasty may lead to unwanted side effects after surgery. Therefore, the correct and timely selection of the patient for knee arthroplasty is important so it is necessary to collect standard and integrated data necessary. The purpose of this research is to identify minimum data requirements for predicting knee arthroplasty in patients with osteoarthritis.<span dir="RTL"></span><br> <strong>Methods:</strong> This is a descriptive study conducted in 2017. Effective factors in knee arthroplasty prediction were identified Through library research and Internet search of keywords such as total knee arthroplasty, minimal data set, ... in valid databases such as PubMed, science direct, ... and the Google search engine Scholar. Sampling was done using Morgan table 32 faculty members of where rheumatology specialist at Tehran University of Medical Sciences were selected as sample. Validity of the questionnaire was assessed by Health Information Management Professors and its reliability was 82% Cronbach&#39;s alpha in SPSS 16 software. Results were analyzed using Excel software<span dir="RTL">.</span><br> <strong>Results:</strong> The results of the two-stage Delphi technique include: nonclinical data (age, body mass index) and clinical data (rest pain, activity pain, quality of life, the x-ray findings, knee instability, knee deformity, and limited mobility). These are the Minimum data necessary for predicting the need of knee arthroplasty in osteoarthritis patients.&nbsp; <span dir="RTL"></span><br> <strong>Conclusion:</strong> The results of this study can be considered as the first step in the development of intelligent knee arthroplasty prediction systems. Using these systems will be very useful in managing the waiting list of surgery in health centers.</div> استئوآرتریت, آرتروپلاستی, زانو. ضروری Osteoarthritis, Arthroplasty, Knee 1 7 http://jmis.hums.ac.ir/browse.php?a_code=A-10-239-1&slc_lang=fa&sid=1 Majan Ghazi saeedi مرجان قاضی سعیدی ghazi.saeedi@yahoo.com 10031947532846004913 10031947532846004913 No Department of Health Information Management, Faculty of ParaMedicine, Tehran University of Medical Sciences, Tehran, Iran گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، ایران. Niloofar Mohammadzadeh نیلوفر محمدزاده nmohammadzadeh@razi.tums.ac.ir 10031947532846004914 10031947532846004914 No Department of Health Information Management, Faculty of ParaMedicine, Tehran University of Medical Sciences, Tehran, Iran گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، ایران. Maassoumeh Akhlaghi معصومه اخلاقی Akhlaghimd@yahoo.com 10031947532846004915 10031947532846004915 No Department of pharmaceutical and food control, Rheumatology Research Center, Tehran University of Medical Sciences, Iran گروه داخلی و روماتولوژی، مرکز تحقیقات روماتولوژی، دانشگاه علوم پزشکی تهران، ایران. Mahin Zivdar مهین زیودار mahinzivdar@gmail.com 10031947532846004916 10031947532846004916 Yes Department of pharmaceutical and food control, Rheumatology Research Center, Tehran University of Medical Sciences, Iran گروه داخلی و روماتولوژی، مرکز تحقیقات روماتولوژی، دانشگاه علوم پزشکی تهران، ایران.