fa طراحی گایدلاین الکترونیکی تعاملی پنومونی در تشخیص و ارائه برنامه درمانی مناسب تخصصي Special كاربردي Applicable <div style="text-align: justify;"><strong><span style="font-family:b zar;"><span style="font-size:11.0pt;">زمینه و هدف:</span></span></strong> <span style="font-family:b zar;"><span style="font-size:11.0pt;">پنومونی اکتسابی از جامعه، یکی از علل شایع مرگ‌ومیر بیماران است و میزان بروز آن</span></span>&nbsp;<span style="font-family:b zar;"><span style="font-size:11.0pt;">20 تا 30</span></span>&nbsp;<span style="font-family:b zar;"><span style="font-size:11.0pt;">درصد در کشورهای در حال ‌توسعه و</span></span>&nbsp;<span style="font-family:b zar;"><span style="font-size:11.0pt;">3 تا 4</span></span>&nbsp;<span style="font-family:b zar;"><span style="font-size:11.0pt;">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.</span></span><br> <strong><span style="font-family:b zar;"><span style="font-size:11.0pt;">مواد و روش&shy; کار:</span></span></strong> <span style="font-family:b zar;"><span style="font-size:11.0pt;">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 </span></span><span style="font-family:b zar;"><span style="font-size:12.0pt;">تجزیه و تحلیل نتایج به دست آمده، مدل نهایی در قالب نرم افزار مبتنی بر موبایل توسعه یافت.</span></span><br> <strong><span style="font-family:b zar;"><span style="font-size:12.0pt;">یافته&shy;&nbsp; ها:</span></span></strong> <span style="font-family:b zar;"><span style="font-size:12.0pt;">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 93/33</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">درصد بود.</span></span><br> <strong><span style="font-family:b zar;"><span style="font-size:12.0pt;">نتیجه &shy;گیری:</span></span></strong> <span style="font-family:b zar;"><span style="font-size:12.0pt;">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.</span></span><br> &nbsp;</div> <span style="font-family:times new roman;"><strong>Background and Aim: </strong>Pneumonia is an inflammatory condition of the lung that mainly affects the alveoli and can become a very dangerous cause and cause death. According to the World Health Organization, CAP kills one person every 20 seconds.Therefore, this study aimed to design an interactive guide line for pneumonia in diagnosis and presentation of appropriate treatment plan.<br> <strong>Material and Method:</strong> The present study was a developmental application that was developed in the descriptive, developmental and evaluation phases. The first phase including library study. In the second phase, the system based on intelligent methods and decision tree algorithm. In the evaluation phase, expert opinion was compared with system opinion. Performance, aesthetics, information, information quality were evaluated based on important accuracy and precision indices.</span> <pre> <span style="font-family:times new roman;"><strong>Results:</strong> Decision tree elements were derived from valid guides in the field of pneumonia. Confusion matrix was used to determine the accuracy of a physician&#39;s diagnosis and to compare it with the system. The data of 60 patients were entered into the system and the physician&#39;s diagnosis was compared with the system. Electronic Guideline is capable of classifying the severity and severity of pneumonia and predicting the mortality rate and type of drug prescribed and drug interactions in each class.</span></pre> <pre> <span style="font-family:times new roman;"><strong>Conclusion:</strong> The findings showed that the designed system was useful and effective in assessing the severity and determination of the pneumonia treatment process. Therefore, Iran is among the countries with high prevalence of pneumonia. The use of information and technologies such as information systems and clinical decision support help physicians in the evaluation and treatment of pneumonia and improve the quality of services. The use of information and technologies such as information systems and clinical decision support physicians in the evaluation and treatment of pneumonia and improve the quality of services.</span></pre> گایدلاین,پنومونی,مدل های تصمیم بالینی pneumonia,guidlines,decision support system 63 75 http://zanko.muk.ac.ir/browse.php?a_code=A-10-402-1&slc_lang=fa&sid=1 shahla damanabi شهلا دمنابی damanabi46@gmail.com 10031947532846004037 10031947532846004037 Yes Tabriz University of Medical Sciences دانشکده مدیریت و اطلاع رسانی پزشکی دانشگاه علوم پزشکی تبریز shady ghaderkhany شادی قادرخانی taha.soltany@gmail.com 10031947532846004038 10031947532846004038 No Tabriz University of Medical Sciences دانشکده مدیریت و اطلاع رسانی پزشکی دانشگاه علوم پزشکی تبریز taha Samad-Soltani طاها صمد سلطانی Shady.q827@yahoo.com 10031947532846004039 10031947532846004039 No Tabriz University of Medical Sciences دانشکده مدیریت و اطلاع رسانی پزشکی دانشگاه علوم پزشکی تبریز ezat rahimi عزت الله رحیمی ezatrahimi258@gmai.com 10031947532846004040 10031947532846004040 No kurdestan university of medical science دانشگاه علوم پزشکی کردستان