دوره 20، شماره 67 - ( 11-1398 )
جلد 20 شماره 67 صفحات 75-63 |
برگشت به فهرست نسخه ها
دانشکده مدیریت و اطلاع رسانی پزشکی دانشگاه علوم پزشکی تبریز
چکیده: (1961 مشاهده)
زمینه و هدف: پنومونی اکتسابی از جامعه، یکی از علل شایع مرگ‌ومیر بیماران است و میزان بروز آن 20 تا 30 درصد در کشورهای در حال توسعه و 3 تا 4 درصد در کشورهای توسعه‌یافته متغیر است. هدف پژوهش حاضر، بررسی و تعیین متغیرهای مؤثر در ساختار درخت تصمیم و ارائه‌ی آن برای بیماری پنومونی و بررسی میزان دقت و صحت سامانه در تشخیص بیماری و ارائه‌ی پیشنهادهای درمانی بر اساس راهکارهای بالینی رایج پنومونی است.
مواد و روش کار: پژوهش حاضر از نوع مطالعه توصیفی توسعه‌ای است. ابزار اصلی پژوهش، گایدلاین‌های معتبر در زمینه‌ی بیماری پنومونی، منابع معتبر علمی و مرور مطالعات منتشر شده بود. در نهایت به منظور طراحی درخت تصمیم، پس از تجزیه و تحلیل نتایج به دست آمده، مدل نهایی در قالب نرم افزار مبتنی بر موبایل توسعه یافت.
یافته ها: عناصر داده‌ای درخت تصمیم، بر اساس گایدلاین‌های معتبر در زمینه‌ی بیماری پنومونی به دست آمد. برای تعیین دقت و صحت تشخیص پزشک و مقایسه‌ی آن با سامانه، از ماتریس آسیمگی استفاده شد. گایدلاین الکترونیکی توانایی تشخیص کلاس و شدت پنومونی و پیش‌بینی نرخ مرگ‌ومیر و نوع داروی تجویزی در هر کلاس و تداخلات دارویی در هر کلاس را دارد. نتایج نشان داد وارد کردن این داده‌ها در سامانه، باعث بهبود تشخیص بالینی و اقدامات درمانی مناسب برای بیمار در راستای کمک به تشخیص متخصص بوده، با توجه به اینکه سیستم بر اساس گایدلاین طراحی شده است و میزان دقت و صحت سامانه 100 درصد برآورد شد؛ در مجموع میزان تطابق تشخیص پزشک با سامانه 93/33درصد بود.
نتیجه گیری: مدل‌های تصمیم بالینی می‌توانند با ایجاد یکپارچگی در اطلاعات بیمار، به ارائه‌ی پیشنهادهای تشخیصی و درمانی خاص بپردازند. این پژوهش می‌تواند با تسهیل تصمیم‌گیری، درمان بیماری پنومونی را به‌طور قابل ملاحظه‌ای بهبود بخشد.
مواد و روش کار: پژوهش حاضر از نوع مطالعه توصیفی توسعه‌ای است. ابزار اصلی پژوهش، گایدلاین‌های معتبر در زمینه‌ی بیماری پنومونی، منابع معتبر علمی و مرور مطالعات منتشر شده بود. در نهایت به منظور طراحی درخت تصمیم، پس از تجزیه و تحلیل نتایج به دست آمده، مدل نهایی در قالب نرم افزار مبتنی بر موبایل توسعه یافت.
یافته ها: عناصر داده‌ای درخت تصمیم، بر اساس گایدلاین‌های معتبر در زمینه‌ی بیماری پنومونی به دست آمد. برای تعیین دقت و صحت تشخیص پزشک و مقایسه‌ی آن با سامانه، از ماتریس آسیمگی استفاده شد. گایدلاین الکترونیکی توانایی تشخیص کلاس و شدت پنومونی و پیش‌بینی نرخ مرگ‌ومیر و نوع داروی تجویزی در هر کلاس و تداخلات دارویی در هر کلاس را دارد. نتایج نشان داد وارد کردن این داده‌ها در سامانه، باعث بهبود تشخیص بالینی و اقدامات درمانی مناسب برای بیمار در راستای کمک به تشخیص متخصص بوده، با توجه به اینکه سیستم بر اساس گایدلاین طراحی شده است و میزان دقت و صحت سامانه 100 درصد برآورد شد؛ در مجموع میزان تطابق تشخیص پزشک با سامانه 93/33درصد بود.
نتیجه گیری: مدل‌های تصمیم بالینی می‌توانند با ایجاد یکپارچگی در اطلاعات بیمار، به ارائه‌ی پیشنهادهای تشخیصی و درمانی خاص بپردازند. این پژوهش می‌تواند با تسهیل تصمیم‌گیری، درمان بیماری پنومونی را به‌طور قابل ملاحظه‌ای بهبود بخشد.
نوع مطالعه: كاربردي |
موضوع مقاله:
تخصصي
دریافت: 1398/3/27 | پذیرش: 1398/5/16 | انتشار الکترونیک: 1398/11/10
دریافت: 1398/3/27 | پذیرش: 1398/5/16 | انتشار الکترونیک: 1398/11/10
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |