نوع مقاله : مقاله پژوهشی
نویسنده
استادیار، مهندسی صنایع، گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه گرمسار، گرمسار، ایران
چکیده
مقدمه: فناوری بلاک‌چین به عنوان چهارمین انقلاب صنعتی در سال‌های اخیر ظهور کرده که از طریق ارائه یک زیرساخت جدید می‌تواند مدیریت و تبادل سوابق بیماران را تسهیل نماید. مرور ادبیات حاکی از کمبود مطالعات پیرامون عوامل مرتبط با پذیرش این فناوری در صنعت مراقبت‌های بهداشتی می‌باشد. بنابراین، هدف مطالعه حاضر، اولویت‌بندی عوامل مرتبط با پذیرش فناوری بلاک‌چین در نظام پرونده الکترونیک سلامت (Electronic Health Record: EHR) می‌باشد.
روش بررسی : در این پژوهش توصیفی، ابتدا با مروری بر متون علمی 15 عامل مرتبط با پذیرش بلاک‌چین در سیستم‌های EHR شناسایی شد. سپس این عوامل توسط 17 خبره که با روش نمونه‌گیری هدفمند انتخاب شده بودند، اعتبارسنجی شده و در پنج دسته: فناورانه، حقوقی، مالی، محیطی و سازمانی تقسیم شدند. در نهایت وزن هر معیار با روش بهترین-بدترین فازی تعیین و سازگاری نظرات خبرگان ارزیابی گردید.
یافته‌ها: با توجه به قضاوت‌های خبرگان، معیار حقوقی با 32 درصد به عنوان مهم‌ترین عامل در پذیرش فناوری بلاک‌چین در سیستم‌های EHR شناسایی شد. علاوه بر این، امنیت و حریم خصوصی ( 66/16 درصد)، رعایت الزامات قانونی (10/13 درصد)، انطباق‌پذیری با تغییرات در قوانین (22/12 درصد)، مشوق‌ها و پاداش‌ها (01/7 درصد) و استانداردسازی (87/6 درصد) به ترتیب به عنوان پنج زیرمعیار مهم در پذیرش این فناوری تشخیص داده شدند.
نتیجه‌گیری: به کمک عوامل شناسایی شده در این مطالعه و وزن‌های تعیین شده برای هر یک از آن‌ها می‌توان روشی برای ارزیابی سطح آمادگی مراکز ارائه‌دهنده خدمات مراقبت‌های بهداشتی در پذیرش فناوری بلاک‌چین در سیستم‌های EHR توسعه داد.
کلیدواژه‌ها
موضوعات
عنوان مقاله [English]
Prioritization of the Factors Related to the Adoption of Blockchain Technology in the Electronic Health Record Systems
نویسنده [English]
- Seyyed Mahdi Hosseini Sarkhosh
Assistant Professor, Industrial Engineering, Department of Industrial Engineering, Faculty of Engineering, Garmsar University, Garmsar, Iran; E-mail: sm.hosseini@fmgarmsar.ac.ir
چکیده [English]
Introduction: Blockchain technology has emerged as the fourth industrial revolution in recent years, which can facilitate the management and exchange of patient records by developing a new infrastructure. A review of the literature indicates the lack of studies and the need for further study of the factors affecting the adoption of this technology in the healthcare industry. Therefore, the aim of the present study is to prioritize the factors related to the adoption of blockchain technology in the Electronic Health Record (EHR) systems.
Methods: In this descriptive study, 15 factors related to blockchain adoption in EHR systems were identified by reviewing the scientific literature. Then, these factors were validated by 17 experts who were selected by targeted sampling method and divided into five categories: technological, legal, financial, environmental and organizational. Finally, the weight of each criterion was determined by the fuzzy best-worst method and the consistency of experts’ opinions was evaluated.
Results: According to the judgments of experts, the legal criterion with 32 percent was identified as the most important factor in the adoption of blockchain technology in EHR systems. In addition, security and privacy (16.66 percent), compliance with legal requirements (13.10 percent), compliance with changes in laws (12.22 percent), incentives and rewards (7.01 percent) and standardization (6.87 percent) were identified as five most important sub-criteria in the adoption of the technology, respectively.
Conclusion: With the help of the factors identified in this study and the weights determined for each of them, a method can be developed to assess the level of readiness of healthcare providers in adopting blockchain technology in EHR systems.
کلیدواژه‌ها [English]
- Blockchain
- Technology Adoption
- Electronic Health Record
- Multi-Criteria Decision Making
in Oceans of Data: The Future of Co-Created eHealth. IOS Press; 2018. p. 636–40.
2. Seh AH, Zarour M, Alenezi M, Sarkar AK, Agrawal A, Kumar R, et al. Healthcare data breaches: insights and implications. In: Healthcare.
Multidisciplinary Digital Publishing Institute; 2020. p. 133.
3. Siyal AA, Junejo AZ, Zawish M, Ahmed K, Khalil A, Soursou G. Applications of blockchain technology in medicine and healthcare: Challenges
and future perspectives. Cryptography. 2019;3(1):3.
4. Reisman M. EHRs: the challenge of making electronic data usable and interoperable. Pharm Ther. 2017;42(9):572.
5. Lyu H, Xu T, Brotman D, Mayer-Blackwell B, Cooper M, Daniel M, et al. Overtreatment in the united states. PLoS One. 2017;12(9):e0181970.
6. Skinner J, Chandra A. Health care employment growth and the future of US cost containment. Jama. 2018;319(18):1861–2.
7. McGhin T, Choo K-KR, Liu CZ, He D. Blockchain in healthcare applications: Research challenges and opportunities. J Netw Comput Appl.
2019;135:62–75.
8. Vlachos A, Christodoulou K, Iosif E. An algorithmic blockchain readiness index. In: Multidisciplinary Digital Publishing Institute Proceedings. 2019. p. 4.
9. Katuwal GJ, Pandey S, Hennessey M, Lamichhane B. Applications of blockchain in healthcare: current landscape & challenges. arXiv Prepr
arXiv181202776. 2018;
10. Clohessy T, Acton T, Rogers N. Blockchain adoption: Technological, organisational and environmental considerations. In: Business
transformation through blockchain. Springer; 2019. p. 47–76.
11. Sadhya V, Sadhya H. Barriers to adoption of blockchain technology. 2018;
12. Kumar T, Ramani V, Ahmad I, Braeken A, Harjula E, Ylianttila M. Blockchain utilization in healthcare: Key requirements and challenges. In:
2018 IEEE 20th International conference on e-health networking, applications and services (Healthcom). IEEE; 2018. p. 1–7.
13. Pawczuk L, Massey R, Schatsky D. Breaking Blockchain: Open Deloitte’s 2018 Global Blockchain Survey. Deloitte Consult Denver, CO, USA. 2018.
14. Batubara FR, Ubacht J, Janssen M. Challenges of blockchain technology adoption for e-government: a systematic literature review. In:
Proceedings of the 19th Annual International Conference on Digital Government Research: Governance in the Data Age. 2018. p. 1–9.
15. Kshetri N. Blockchain and electronic healthcare records [cybertrust]. Computer (Long Beach Calif). 2018;51(12):59–63.
16. Guo S, Zhao H. Fuzzy best-worst multi-criteria decision-making method and its applications. Knowledge-Based Syst. 2017;121:23–31.
17. Ahmad WNKW, Rezaei J, Sadaghiani S, Tavasszy LA. Evaluation of the external forces affecting the sustainability of oil and gas supply chain
using Best Worst Method. J Clean Prod. 2017;153:242–52.
18. Ozturan M, Atasu I, Soydan H. Assessment of blockchain technology readiness level of banking industry: Case of Turkey. Int J Bus Mark
Manag. 2019;4(12):1–13.
)