رضا صفدری؛ ملیحه کدیور؛ مهناز نظری؛ محبوبه محمدی
دوره 13، 7 (ویژه نامه همایش ملی فنآوری اطلاعات سلامت) ، اسفند 1395، ، صفحه 446-452
چکیده
مقدمه: کاتترهای مرکزی که از طریق یک ورید محیطی ایجاد میشوند PICC (Peripherally inserted central catheters)، به عنوان وسیلهای برای دسترسی به عروق در NICU (Neonatal intensive care units) معرفی شدهاند. PICCs در مقایسه با کاتترهای وریدی محیطی و مرکزی، به میزان قابل توجهی عوارض را کاهش دادهاند و میتوانند عامل ایجاد عفونت گردش خون ناشی از کاتتر CRBSI (Catheter-related bloodstream infection) ...
بیشتر
مقدمه: کاتترهای مرکزی که از طریق یک ورید محیطی ایجاد میشوند PICC (Peripherally inserted central catheters)، به عنوان وسیلهای برای دسترسی به عروق در NICU (Neonatal intensive care units) معرفی شدهاند. PICCs در مقایسه با کاتترهای وریدی محیطی و مرکزی، به میزان قابل توجهی عوارض را کاهش دادهاند و میتوانند عامل ایجاد عفونت گردش خون ناشی از کاتتر CRBSI (Catheter-related bloodstream infection) باشند. هدف از انجام پژوهش حاضر، ایجاد سیستم خبره فازی تشخیص زود هنگام عفونت کاتتر PICC در نوزادان بود.روش بررسی: این مطالعه توصیفی- کاربردی در سال 1388 انجام شد. جامعه آماری پژوهش شامل پرونده پزشکی نوزادان مرکز طبی کودکان تهران و نمونهگیری به روش در دسترس بود. ابزار تحقیق، چکلیست و پرسشنامه بود. عوامل مؤثر در تشخیص عفونت با کمک پرسشنامه و بر اساس نظر پزشکان فوق تخصص تعیین گردید. طراحی سیستم با استفاده از نرمافزار C# و پایگاه داده SQL Server به صورت دو زبانه (فارسی و انگلیسی) انجام شد. خروجی سیستم، درصد احتمال ابتلا به عفونت بود. ارزیابی سیستم با استفاده از دادههای پروندههای نوزادان یکی از بیمارستانهای تهران انجام گرفت. دادهها در نرمافزار Excel تجزیه و تحلیل گردید.یافتهها: پس از ارزیابی سیستم و مقایسه تشخیص سیستم با تشخیص ثبت شده متخصصان، میزان حساسیت سیستم 95 درصد و دقت و صحت سیستم به ترتیب 88 و 91 درصد محاسبه گردید. این شاخصها بیانگر توانایی مناسب سیستم در تشخیص زود هنگام عفونت بود.نتیجهگیری: غیر اختصاصی بودن علایم بالینی و یافتههای آزمایشگاهی عفونت خونی نوزادی، تشخیص آن را مشکل و غیر قطعی کرده است. به کارگیری از سیستم خبره طراحی شده میتواند در تشخیص عفونت خونی ناشی از کاتتر مؤثر باشد.
رضا صفدری؛ لیلا شاهمرادی؛ مجتبی جواهر زاده؛ میرمیکائیل میرحسینی
دوره 13، شماره 6 ، بهمن 1395، ، صفحه 399-404
چکیده
مقدمه: آپاندیسیت حاد، شایعترین علت مراجعه بیماران با دردهای شکمی به اورژانس بیمارستانها و آپاندکتومی، شایعترین عمل جراحی اورژانس میباشد. با وجود پیشرفتهای چشمگیر در تشخیص این بیماری، آپاندکتومی منفی همچنان میزان قابل توجهی را به خود اختصاص داده است. در پژوهش حاضر، شبکه عصبی مصنوعی جهت کمک به تشخیص آپاندیسیت حاد طراحی ...
بیشتر
مقدمه: آپاندیسیت حاد، شایعترین علت مراجعه بیماران با دردهای شکمی به اورژانس بیمارستانها و آپاندکتومی، شایعترین عمل جراحی اورژانس میباشد. با وجود پیشرفتهای چشمگیر در تشخیص این بیماری، آپاندکتومی منفی همچنان میزان قابل توجهی را به خود اختصاص داده است. در پژوهش حاضر، شبکه عصبی مصنوعی جهت کمک به تشخیص آپاندیسیت حاد طراحی و ارزیابی گردید.روش بررسی: این مطالعه به صورت توصیفی انجام شد و در ابتدا ویژگیهای مؤثر تشخیصی، با مطالعه متون تخصصی و منابع مربوط جمعآوری شد. سپس در قالب چکلیست دستهبندی و توسط متخصصان جراحی عمومی ارزیابی و اولویتبندی گردید. حجم نمونه تعیین شده جهت آموزش و ارزیابی عملکرد شبکه عصبی، 181 مورد انتخاب شد. پایگاه داده با استفاده از پرونده بیمارانی که طی سال 1394 در بیمارستان شهید مدرس تهران آپاندکتومی شده بودند، جمعآوری گردید. سپس معماریهای مختلف از شبکه عصبی مصنوعی پرسپترون چندلایه MLP (Multilayer perceptron) جهت تعیین بهینهترین عملکرد تشخیصی در نرمافزار MATLAB پیادهسازی و مقایسه گردید. برای ارزیابی شبکه نیز شاخصهای مشخصه، حساسیت و صحت مورد استفاده قرار گرفت.یافتهها: بر اساس مقایسه بهینهترین خروجی MLP با نتایج پاتولوژی، حساسیت، مشخصه و صحت به ترتیب 8/68، 0/82 و 5/78 درصد گزارش گردید. بر اساس استانداردهای موجود و طبق نظر متخصصان جراحی عمومی و مقایسه با نتایج پاتولوژی، یافتهها بیانگر بهبود صحت تشخیصی در مورد آپاندیسیت حاد بود.نتیجهگیری: MLP طراحی شده میتواند عملکرد فرد متخصص را با دقت قابل قبولی مدل کند. استفاده از شبکه مذکور در سیستمهای تصمیمیار بالینی تشخیص آپاندیسیت حاد، با هدف کاهش ارجاعات منفی به مراکز درمانی، تشخیص به موقع، جلوگیری از آپاندکتومی منفی، کاهش مدت بستری بیمار و هزینههای درمانی مفید خواهد بود.