تحقیقات عملیاتی چگونه می‌تواند تفاوت واقعی در مراقبت های بهداشتی ایجاد کند؟ چالش های اجرا

How can operational research make a real difference in healthcare? Challenges of implementation

چکیده
1 مقدمه
2 قهرمان
3 مسئله بحرانی
4 بینش فرهنگی
5 کیفیت داده
6 مدیریت انتظارات
7 بحث و نتیجه‌گیری
منابع

چکیده
این مقاله بر اساس سخنرانی اصلی ارائه‌شده توسط اولین نویسنده مقاله در EURO 2021 است. ما از تجربه خود در طول بیش از سه دهه برای تعریف چالش‌های بحرانی در حوزه بهداشت و درمان استفاده می‌کنیم. ما به مسائل مربوط به کیفیت فنی یک ‌راه‌حل نمی‌پردازیم، بلکه بر روی پنج ویژگی کلی مشکل تمرکز می‌کنیم که باید به‌دقت برای هر پروژه بهداشت و درمان که نیازمند اجراست در نظر گرفته شود. یک قهرمان درونی می‌تواند مشکل را حل کند. باید یک مسئله بحرانی فعلی وجود داشته باشد. باید پویایی فرهنگی سازمان را درک کرد و با آن سازگار شد. داده‌های مناسب وجود دارد و باید انتظارات را مدیریت کنیم. هرکدام را با مثال‌هایی از موفقیت‌ها، شکست‌ها و نتایج ترکیبی نشان می‌دهیم. درنهایت، خلاصه می‌کنیم که جامعه تحقیقاتی عملیاتی چه گام‌های کوتاه و بلندمدتی می‌تواند بردارد که هر یک از این حوزه‌ها را بهبود خواهد بخشید.

2 قهرمان
مدت‌ها است که در مطالعات نوآوری و پیاده‌سازی مشخص‌شده است که یک ایده بزرگ برای موفق شدن نیازمند یک قهرمان است تا آن ایده را به یک نوآوری موفق تبدیل کند (هاول و هیگینز، ۱۹۹۰). مطمئناً این مورد را دریافته‌ایم و اغلب به‌عنوان عامل کلیدی موفقیت در میان سایر محققان عملیاتی در مراقبت‌های بهداشتی ذکر می‌شود (برالسفورد، 2005؛ برالسفورد، بولت و همکاران، 2009، 2013؛ هارپر و پیت، 2004؛ جهانگیریان و همکاران، 2015). عملاً ثابت‌شده است که هنگام کار در مؤسسات مراقبت‌های بهداشتی همیشه به دنبال شرکای بالینی یا مراقبت‌های بهداشتی برای حمایت از اجرای موفق هستیم. اگر قهرمان غایب یا بی‌اثر باشد، اجرا بسیار چالش‌برانگیزتر و غیرقطعی می‌شود. قهرمانان مدافع داخلی پروژه هستند، سیاست‌های سازمانی را مدیریت می‌کنند، موانع قانونی و مبادلات را درک می‌کنند و اعتبار پروژه را به همکاران ارائه می‌دهند. هاول و همکاران، و هیگینز (۲۰۰۵) نشان داده اند که ویژگی های کلیدی یک قهرمان قوی شامل ابراز اشتیاق و اعتمادبه‌نفس در مورد موفقیت نوآوری، پافشاری تحت ناملایمات و مشارکت افراد مناسب است (ص. 641).

علاوه بر تأثیر کوتاه‌مدت روی پروژه در دست اجرا، قهرمانان می‌توانند به ایجاد اعتماد بلندمدت برای پروژه‌های آینده نیز کمک کنند. مدیر ارشد می‌تواند قهرمانی قوی باشد (جهانگیریان و همکاران، ۲۰۱۵) زیرا برای تأمین منابع موردنیاز و رفع موانع مناسب‌تر هست. اما قهرمانان مؤثر می‌توانند متخصص یا مدیر قابل‌احترام نیز باشند که می‌تواند به‌طور مؤثر همکاران را به سمت خود بکشاند و دیدگاه‌های مفید ارائه دهد. همچنین دیده‌ایم زمانی دسترسی به تحقیقات عملیاتی بیشتر است که رهبران فکری و تصمیم‌گیرندگان در سطح ملی یا منطقه‌ای بتوانند به‌عنوان حامی درگیر شوند (بارلو و بایر، ۲۰۱۱؛ برالسفورد، ۲۰۰۷؛ برالسفورد و همکاران، ۲۰۱۳).

علاوه بر این، پذیرفتن و صرف وقت برای شکاکان برای درک ارزش تحقیقات عملیاتی به‌جای تلاش ساده برای مدیریت آن‌ها می‌تواند سود زیادی را به همراه داشته باشد، زیرا گاهی اوقات شکاکان تبدیل‌شده قهرمانی بسیار مؤثر می‌شوند، دیگران را با خود همراه می‌کنند و به آن‌ها اجازه مشارکت می‌دهند. این موضوع را در چندین پروژه تجربه کرده‌ایم. به‌عنوان‌مثال، هنگام کار روی مدل زمان‌بندی جراحی قلب، با یک جراح بدبین کارکردیم تا به او نشان دهیم که چگونه مدل می‌تواند به وی در رسیدن به اهدافش کمک کند. او زمانی که سایر همکاران شکاکیت یا بدبینی خود را ابراز کردند از مدل دفاع کرد. موارد مشابه قبلاً در ادبیات گزارش‌شده است (برنشتاین و همکاران، 2007).

اینترنت اشیا در مراقبت های بهداشتی: تحلیل علم سنجی

IoT in healthcare: A scientometric analysis

چکیده

1- مقدمه

2- بازنگری مطالعات

3- مواد و روشها

4- نتایج

5- نتیجه گیری

منابع

چکیده

     این پژوهش، مقالات و اختراعات ثبت شدۀ علمی با موضوع اینترنت اشیاء (IoT) در حوزه بهداشت و درمان را مورد بازبینی قرار میدهد. هدف، بررسی همزمان دامنه تحقیق و یکی از تجربیات عملی در این حوزه میباشد. ما رشد سالانه، تولیدات کشوری، و موضوعات متداول نشریات علمی و اختراعات ثبت شده را از طریق تمرکز بر متناسب ترین مضامین IoT در صنعت بهداشت و درمان مقایسه میکنیم. آنالیز ما با انتخاب نشریات و اختراعات ثبت شدۀ منتشرشده در دوره 2020-2015 آغاز میگردد. از آنجا که این تحلیل تطبیقی بین داده های علم سنجی در حوزه بهداشت و درمان، امری تازه و بدیع است، یافته های این مطالعه، مبنایی برای مطالعات آینده جهت تعیین فرصتهای پژوهشی نوین درباره IoT خواهند بود. این مطالعه درک بهتری از پژوهش IoT در حوزه بهداشت و درمان برای پژوهشگران فراهم آورده و بطور همزمان، آگاهی از فرصتهای کارآفرینی در این حوزه را توسعه میدهد. دست اندرکاران میتوانند از این بازنگری برای درک فرصتهای جدیدی بهره مند شوند که کمتر به آنها پرداخته شده است.

بازنگری مطالعات
IoT در حوزه بهداشت و درمان
     IoT در سال 1999 متولد شد زمانیکه Kevin Ashton تلاش کرد اشیاء را از طریق برچسبهای RFID (که برای مدیریت آسانتر اشیاء توسط کامپیوترها طراحی شده بودند)، به اینترنت متصل کند (Ashton, 1999; Bandyopadhyay and Sen, 2011; Ma, 2011; Da Xu et.al, 014; Li et.al, 2015). تعاریف متعددی از IoT در مطالعات وجود دارند. برخی از آنها نوع اتصال (شناسایی فرکانس رادیویی، شبکه حسگر بی سیم) را ترجیح میدهند که اشیای مختلف را به هم متصل میسازد، و سایرین بر نوع شیء (سرویسها و برنامه های کاربردی) و دامنه کاربرد آنها (شهرهای هوشمند، ازدحام ترافیک، مدیریت پسماندها، بهداشت ساختاری، امنیت، خدمات اضطراری، لجستیک، خرده فروشیها، کنترل صنعتی، و مراقبت بهداشتی) تمرکز میکنند.

     IoT پیش از این در چندین حوزه کاربرد داشته است اما در بخش بهداشت و درمان موضوع کاملاً جدیدی بشمار میرود. که احتمالاً بدان علت است که موسسات درمانی در بخشهای بسیار قانونمندی فعالیت میکنند. وسایل بهداشتی متفاوت بر مبنای IoT بخاطر پیشرفت مستمر ابزارکهای پوشیدنی و تلفنهای هوشمند، سیستم بهداشتی سنتی را به سیستمی هوشمندتر و نزدیکتر به نیاز بیماران تبدیل کرده اند. این سیستم هوشمند، نوآوریهای IoT را اهرم بندی میکند تا تجربه قدیمی متمرکز بر بیمارستان را کنار گذاشته و یک روش عملیاتی جدید متمرکز بر بیمار ایجاد نماید. Bhatt و Bhatt (2017) ادعا کردند که IoT با فراهم نمودن فرصتهای جدید برای خدمات سلامت الکترونیک و خدمات سلامت همراه شخصی سازی شده، صنعت بهداشت و درمان را متحول نموده است.

     بنابراین در حوزه درمان، IoT بعنوان شبکه ای از ابزار حسگری هوشمند و اشیای فیزیکی تعریف میشود که برای جمع آوری، پایش و کنترل داده های سلامت، اتصالی دیجیتالی برقرار میکنند. در واقع بوسیله حسگرهای تشخیصی جاسازی شده در اشیایی که آنها را میپوشیم (مثل دستکشها، ساعت مچی، عینک، و …) که از طریق شبکه های سیمی یا بی سیم به تبلت ها یا تلفنهای هوشمند متصل میشوند داده های بیمار بلافاصله بوسیله پزشکان و خود بیماران مورد ارزیابی و مشاوره قرار میگیرند (Farahani et.al, 2018; Mital et.al 2018).

استراتژی بازاریابی الکترونیکی در مراقبت های بهداشتی با استفاده از اینترنت اشیا و یادگیری ماشینی

E marketing strategy in health care using IoT and Machine Learning

چکیده

۱. مقدمه

۲. مقدمه کوتاه درباره یادگیری ماشینی در مراقبتهای بهداشتی

۳. برنامه های یادگیری ماشینی مراقبت های بهداشتی

۳.۱. شناسایی و تشخیص یک بیماری

۳.۲. جراحی با استفاده از ربات ها

۳.۳. دارویی که برای فرد سفارشی سازی می شود

۳.۴. وظایفی برای پشتیبان رباتیک بیمار

۳.۵. تشخیص تصویربرداری پزشکی

۴. معرفی مختصر از اینترنت اشیا در سیستم های بهداشت و درمان

۵. چگونه بازاریابی دیجیتالی می‌تواند به بخش مراقبت های بهداشتی با استفاده از یادگیری ماشینی و اینترنت اشیا کمک کند و این بخش را تشویق کند

۶. مزایای بازاریابی دیجیتالی مراقبت های بهداشتی در یادگیری ماشینی و اینترنت اشیا چیست؟

۷. ML و IOT در چالش ها و مشکلات بهداشت و درمان

۷.۱. حسگر ها میزان زیادی از اطلاعات را تولید میکنند

۷.۲. خصوصی سازی محاسبات

۷.۳. مصرف انرژی برنامه های نقطه پایانی

۸. نتیجه گیری

منابع

چکیده

اینترنت اشیا (IOT) و یادگیری ماشینی (ML)، کاربرد های گسترده ای در زمینه های مختلف دارند که سیستم مراقبت های بهداشتی یکی از آنها است. رشد سریع و بهبود سریع وب باعث نابودی روش های سنتی مراقبت از بیمار و جایگزینی آنها با سیستم های الکترونیکی مراقبت‌های بهداشتی شده است. فناوری های اینترنت اشیا (IOT)، بروز ترین اکوسیستم تجهیزات پزشکی ممکن را در اختیار متخصصان مراقبت های بهداشتی و بیماران قرار می دهند. اشیای متصل به اینترنت اشیا (IOT) و یادگیری ماشینی در دسته بندی های مختلف از کنترل از راه دور محیط امروزی تا خودکارسازی مکانیکی مفید هستند. اغراق کردن درباره اهمیت بازاریابی دیجیتالی در ارائه خدمات بهداشتی غیر ممکن است. پزشکان و متخصصان پزشکی در حال حاضر فرصتی برای تبلیغ خدمات خود به تمام افراد در سراسر جهان نه فقط در منطقه نزدیک خودشان از طریق بازاریابی دیجیتالی دارند. بازاریابی دیجیتالی به متخصصان حوزه سلامت این امکان را میدهد تا شایستگی های خود را به بیماران احتمالی نشان دهند و حوزه حرفه ای خود را گسترش دهند و نمای صنعت مراقبت های بهداشتی را بهبود دهند. علاوه بر این، برنامه های درمانی پزشکی تمایل زیادی به اشیا در اینترنت اشیا نشان می دهند، زیرا آنها هزینه کمتری دارند، درک آنها آسان تر است و باعث افزایش شادی فردی بیماران می شوند. در توسعه اتصال شبکه بدنی پوشیدنی و کاشتنی در حوزه سلامت تعدادی مشکل وجود دارد که در این تحقیق به تفصیل درباره آن توضیح داده شده است. در این مقاله، نمای کلی از اینترنت اشیا و یادگیری ماشینی با تمرکز بر مراقبت های بهداشتی به صورت خاص ارائه شده است و سپس فهرستی از برنامه های کاربردی که در مراقبت های بهداشتی استفاده می شوند و شامل یادگیری ماشینی و اینترنت اشیا هستند، ارائه می شود و همچنین تمام مسائل و مشکلاتی مطرح می شود که ممکن است با استفاده از این برنامه یا گوشی برای سیستم مراقبت های بهداشتی و همچنین کاربرد قابل توجه آنها به وجود بیاید.

۸. نتیجه گیری

در بازار فعلی، مراقبت های بهداشتی از سریع ترین صنایع در حال رشد است. نیاز افراد به مراقبت در حال افزایش است و این مورد گران تر می شود. هزینه های دولت برای مراقبت های بهداشتی به بالاترین حد خود رسیده است، اما نیاز ضروری برای روابط بهتر بیمار با پزشک مشخص شده است. فناوری های رایانش ابری و یادگیری مصنوعی این پتانسیل مراقبت بهتر و قیمت پایین تر را برای ارائه به بیماران و تامین کنندگان دارند. ما در این بحث به صورت مختصر درباره یادگیری ماشینی در مراقبت های بهداشتی و کاربرد آن بحث کردیم و پس از آن معرفی مختصری درباره سیستم های مراقبت های بهداشتی ارائه می دهیم و سپس در مورد  این موضوع بحث می‌کنیم که چگونه بازاریابی دیجیتال می‌تواند با استفاده از ML به بخش مراقبت‌های بهداشتی کمک کند و این بخش را تشویق کند و پس از آن درباره مزایای بازاریابی دیجیتالی مراقبت های بهداشتی در یادگیری ماشینی و اینترنت اشیا بحث می کنیم و در آخر در این مطالعه درباره یادگیری ماشینی و اینترنت اشیا در مسائل و چالش‌های مراقبت‌های بهداشتی بحث می‌کنیم. 

Abstract

The Internet of Things (IoT) and Machine Learning (ML) have broad applications in a variety of fields, with healthcare system being one of them. The fast growth and enhancement of the web has resulted in the demise of traditional patient care methods and the replacement of them with electronic healthcare systems. The Internet of Things (IoT) technologies provides healthcare professionals and patients with the most up-to-date medical equipment ecosystem possible. Things connected to the Internet of Things (IoT) and machine learning are useful in a variety of categories, ranging from long-distance monitoring of the contemporary environment to mechanical automation. It is impossible to overstate the significance of digital marketing in the delivery of healthcare services. Doctors and medical experts now have the chance to promote their services to people all over the globe via digital marketing, rather than only in their immediate area. Digital marketing enables health professionals to demonstrate their competence to potential patients, to expand their professional area, and to improve the image of the healthcare industry. Furthermore, medical treatment applications have shown a strong desire in Internet of Items (IoT) things since they are less expensive, easier to comprehend, and enhance the personal happiness of patients. In the development of a wearable and implanted healthcare body network connection, a number of difficulties were encountered, which are detailed in this research. It is presented in this paper that an overall view of IoT and Machine Learning focused on healthcare is given in specifics, and then a list of applications that are used in health care that incorporate Machine Learning (ML) and the Internet of Things (IoT) is provided, along with all problems and difficulties that may arise by using this application or handset for healthcare system, as well as their significant application.

8. Conclusion

Healthcare is among the quickest growing industries in current marketplace; increasing individuals need care, and it is getting more expensive. Government spending on health care has reached an all-time high, but the critical need for better patient-physician relationships has become clear. Cloud computing and artificial learning technologies, for example, have the potential to offer both patients and suppliers with better care and lower prices. In this topic we briefly discussed about the machine learning in healthcare and its application after that we examine the brief introduction to it in the healthcare system after that we discussing about the how could digitally marketing assist and encourage the healthcare sector using ml and it after that we discussing about the benefits of health – care digital marketing in ml and Iot and last in this study we discuss about the ML and IoT in healthcare Issues and challenges.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

استراتژی بازاریابی الکترونیکی در مراقبت های بهداشتی با استفاده از اینترنت اشیا و یادگیری ماشینی

E marketing strategy in health care using IoT and Machine Learning

یکپارچگی و استخراج داده های پزشکی چند منبعی برای ارائه خدمات مراقبت سلامت

Multi-Source Medical Data Integration and Mining for Healthcare Services

چکیده
1- مقدمه
2- کارهای مرتبط
A- رمزنگاری
B- حریم خصوصی تفاضلی
C- بی نام سازی
3- انگیزش
4- رویکرد
(1) گام 1: تصویر سازی یا طرح ریزی داده های IoH برمبنای LSH-
(2) گام 2: ایجاد (ساخت) جداول هش بدون نگرانی در مورد حریم خصوصی-
(3) گام 3: جستجو و کاوش داده های مشابه IoH بر مبنای جداول هش
5- آزمایشات
A- پیکره بندی
B- مقایسه ها
C- بحث های آتی
6- نتیجه گیری

چکیده

با ظهور عصر و دوره اینترنت سلامت (IoH)، سرویس های پزشکی یا سلامت سنتی به تدریج به وب یا اینترنت مهاجرت کرده و داده های پزشکی قابل توجهی در ارتباط با بیماران، پزشکان، دارو، زیرساخت پزشکی و غیره تولید کرده اند. ترکیب و تحلیل موثر داده های IoH، بر تشخیص حوادث و سوانح علمی و سرویس های مراقبت پزشک، تاثیر مثبتی می گذارد. با این حال، داده های IoH اغلب ار میان دپارتمان های مختلف توزیع شده و محتوی حریم خصوصی جزئی (ناقص) کاربر هستند. بنابراین، یکپارچگی یا کاوش موثر داده های حساس IoH، درطول مدتی که حریم خصوصی کاربر افشا نشده است، وظیفه ای چالش برانگیز می باشد. برای غلبه بر مشکل فوق، راه حل یکپارچگی و کاوش داده های پزشکی چند منبعی جدیدی برای سرویس های مراقبت سلامت بهتر، به نام PDFM مطرح می کنیم. از طریق PDFM، پرونده های پزشکی مشابه را به شیوه زمانی کارآمد و با حفظ حریم خصوصی جستجو نموده و سر ویس های پزشکی و سلامت (بهداشتی) بهتری به بیماران عرضه می نماییم. برای تشریح امکان سنجی پیشنهاد مطرح شده در این کار، گروهی از آزمایشات وضع و پیاده گردید.

1- مقدمه

با افزایش شهرت فناوری اطلاعات و پذیرش تدریجی نرم افزار دیجیتال در حوزه های پزشکی یا سلامتی، دپارتمان ها یا آژانس های پزشکی مختلف، داده های تاریخی قابل ملاحظه ای جمع آوری نموده اند (مثلاً، پرونده های پزشکی بیماران، راه حل های درمان سالم و غیره)، که منبع اصل کلان داده های اینترنت سلامت (IoH) را تشکیل می دهند [1]. درجه بهره برداری از چنین داده های IoH، معیاری کلیدی برای ارزیابی و تعیین سطح اطلاعات واحدها یا دپارتمان های پزشکی یا سلامتی به حساب می آید [2].

6- نتیجه گیری

ترکیب و تحلیل های موثر داده های IoH به عنوان روشی موثر و مهم برای تشخیص حوادث علمی و سرویس های مراقبت سلامت شناخته می شود. با این حال، داده های IoH تولید شده توسط بیماران، اغلب در میان دپارتمان های مختلف توزیع شده، و محتوی حریم خصوصی جزئی بیمار هستند. بنابراین، یکپارچه سازی یا کاوش موثر داده های حساس IoH بدون افشاء حریم خصوصی بیمار، وظیفه ای چالش برانگیز به حساب می آید. برای حل این چالش، راه حل جدیدی به نام PDFM برای یکپارچه سازی و کاوش داده های پزشکی چند منبعی مطرح می کنیم تا به این طریق بتوانیم به سرویس های مراقبت سلامت بهتری دست یابیم. از طریق PDFM، پرونده های پزشکی مشابه را به شیوه زمانی کارآمد و با حفظ حریم خصوصی جستجو نموده و سرویس های پزشکی و سلامتی بهتری به بیماران عرضه می گردد. آزمایشات انجام شده برروی مجموعه داده واقعی، امکان سنجی PDFM را اثبات می کنند.

Abstract

With the advent of Internet of Health (IoH) age, traditional medical or healthy services are gradually migrating to the Web or Internet and have been producing a considerable amount of medical data associated with patients, doctors, medicine, medical infrastructure and so on. Effective fusion and analyses of these IoH data are of positive significances for the scientific disaster diagnosis and medical care services. However, IoH data are often distributed across different departments and contain partial user privacy. Therefore, it is often a challenging task to effectively integrate or mine the sensitive IoH data, during which user privacy is not disclosed. To overcome the above difficulty, we put forward a novel multi-source medical data integration and mining solution for better healthcare services, named PDFM (Privacy-free Data Fusion and Mining). Through PDFM, we can search for similar medical records in a time-efficient and privacy-preserving manner, so as to offer patients with better medical and health services. A group of experiments are enacted and implemented to demonstrate the feasibility of the proposal in this work.

I- INTRODUCTION

With the ever-increasing popularity of Information Technology and the gradual adoption of digital software in medical or healthy domains, various medical departments or agencies have accumulated a considerable amount of historical data (e.g., patients’ medical records, healthy treatment solutions and so on), which form a main source of big Internet of Health (IoH) data [1]. The utilization degree of such IoH data is a key criterion to evaluate and quantify the information level of medical or healthy units or departments [2].

VI- CONCLUSION

Effective fusion and analyses of IoH data are of positive significances for scientific disaster diagnosis and medical care services. However, the IoH data produced by patients are often distributed across different departments and contain partial patient privacy. Therefore, it is often a challenging task to effectively integrate or mine the sensitive IoH data without disclosing patient privacy. To tackle this challenge, we bring forth a novel multi-source medical data integration and mining solution for better healthcare services, named PDFM. Through PDFM, we can search for similar medical records in a time-efficient and privacy-preserving manner, so as to provision patients with better medical and health services. The experiments on a real dataset prove the feasibility of PDFM.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

یکپارچگی و استخراج داده های پزشکی چند منبعی برای ارائه خدمات مراقبت سلامت

Multi-Source Medical Data Integration and Mining for Healthcare Services

استرس شغلی و سندرم فرسودگی شغلی میان کارکنان قسمت مراقبت های بهداشتی بحرانی

Job Stress and Burnout Syndrome among Critical Care Healthcare Workers

چکیده
1- مقدمه
2- جامعه آماری و روش های انجام پژوهش
1- 2 – ابزار پژوهش
2- 2 – تجزیه و تحلیل آماری
3- 2 – مجوز اخلاقی
3- نتایج
1- 3- مشخصات اجتماعی و کاری در جامعه مورد مطالعه
2- 3- سندرم فرسودگی شغلی در میان کارکنان بخش مراقبت های بهداشتی مورد
3 -3- استرس شغلی در میان کارکنان بخش مراقبت های بهداشتی مورد مطالعه
4- 3- ارتباط بین مقیاس های فرعی NIOSH – GJSQ و نمره خستگی روحی
5- 3- ارتباط بین مقیاس های فرعی NIOSH-GJSQ و نمره انحصارگرائی
6- 3- ارتباط بین مقیاس های فرعی NIOSH-GJSQ و نمره دستاوردهای فردی
4- بحث و بررسی
5- محدودیت های پژوهش
6- نتیجه گیری
تضاد منابع تحقیق
منابع

چکیده

پیشینه پژوهش: در میان حرفه های مربوط به مراقبت های بهداشتی،کارکنان بخش مراقبت های بهداشتی بحرانی (HCWs ) یکی از استرس زاترین مشاغل را دارند. پژوهش حاضر به منظور تعيين ارتباط بين استرس شغلي و سندرم فرسودگي شغلي(BOS) در پرستاران و تکنسين هاي مراقبت هاي بهداشتي بخش اورژانس جراحي و واحد مراقبت های ویژه بخش مراقبت های بحرانی در بیمارستان دانشگاه الکساندر انجام شد. روش انجام پژوهش: یک رویکرد مقطعی از اکتبر 2014 تا مارچ 2015 انجام شد. هشتاد و دو پرستار و تکنسین مراقبت های بهداشتی در این تحقیق شرکت کردند (میزان پاسخ دهی٪ 80.39 بود). داده ها توسط پرسشنامه مصاحبه با استفاده از مقیاس های فرعی انتخاب شده از پرسشنامه استرس شغلی عمومی نایوش ورپرسشنامه فرسودگی شغلی خدمات بهداشتی و انسانی مازلاک جمع آوری گردید. ارتباط بین سندرم فرسودگی شغلی و استرس شغلی با استفاده از تجزیه و تحلیل دومتغیره و چند متغیره مورد بررسی قرار گرفت.
نتایج: با اينكه اکثریت شركت كنندگان میزان متغیری از حجم کار (84.15٪)، میزان کار بیش از حد (76.8٪)، مسئولیت جان افراد (69.5٪) و فاقد کنترل درک شده (63.41٪) را گزارش دادند، با این وجود، 85.4٪ از کار خود راضی بودند. علاوه بر این، میزان بالای خستگی روحی توسط اکثریت افراد (80٪) گزارش شد، در حالیکه کمتر از یک سوم، میزان بالایی از زوال شخصیت یا پایین بودن سطوح قلمروهای عملکرد فردی سندرم فرسودگی شغلی را گزارش نمودند.
در تجزیه و تحلیل رگرسیون چند متغیره، بهره گیری کم از مهارت، تغییر در حجم کار و درگیری های درون گروهی ارتباط معکوسی با حوزه های سندرم فرسودگی شغلی نشان دادند. در حالیکه، رضایت شغلی و مسئولیت جان افراد رابطه مثبتی با قلمروهای عملکرد فردی سندرم فرسودگی شغلی را نشان دادند.
نتيجه گيري: کارکنان بخش مراقبت های بهداشتی بحرانی، سندرم فرسودگی شغلی زیادی داشتند. از این پژوهش نتیجه گیری می شود که کاهش درگیری های درون گروهی، بهبود بکارگیری مهارت ها و افزایش رضایت شغلی برای کاهش سندرم فرسودگی شغلی در میان کارکنان بخش مراقبت های بهداشتی بحرانی ضروری است. توجه و حمایت روانی بیشتر برای کارکنان بخش مراقبت های بهداشتی بحرانی توصیه می شود.

6- نتیجه گیری

اکثریت پرستاران و تکنسین های مراقبت های بهداشتی در بخش مراقبت های ویژه و بخش مراقبت های ویژه(ICU) در بیمارستان دانشگاه الکساندر سطح بالای خستگی روحی ناشی از سندرم فرسودگی شغلی را گزارش نمودند. استرس های شغلی بالقوه به طور معناداری با سندرم فرسودگی شغلی ، بهره گیری کم از مهارت ها، درگیری درون گروهی، تغییر در حجم کار و نارضایتی شغلی ارتباط داشتند. این مطالعه به این نتیجه رسیده است که کاهش درگیری های درون گروهی، بهبود عدم بهره گیری از مهارت ها و افزایش رضایت شغلی برای کاهش سندرم فرسودگی شغلی در میان مراقبت های ویژه ضروری هستند. مطالعات بیشتر شامل نمونه های بیشتر از مردان و زنان در سطوح مختلف مراقبت ضروری است. توجه بیشتر و حمایت روانشناختی بیشتری باید به افرادی که در بخش مراقبت های بهداشتی مشغول به کار هستند(به ویژه با افزایش نیازهای بهداشتی در منطقه) مبذول گردد.

Abstract

Background Among healthcare professions, critical care healthcare workers (HCWs) have one of the most stressful jobs. This study was conducted to determine the relationship between job stress and burnout syndrome (BOS) among nurses and healthcare technicians at the surgical emergency department and intensive care unit of Critical Care department at the Alexandria University Hospital.
Methods A cross-sectional approach was conducted from October 2014 to March 2015. Eighty-two nurses and healthcare technicians participated in the research (response rate = 80.39%). Data was collected by an interview questionnaire using selected subscales of NIOSH Generic job stress Questionnaire and Maslach Burnout Inventory of Health and human service Questionnaire. The relationship between BOS and job stress was examined using bivariate and multivariate analyses.
Results Although majority of participants reported variation of workload (84.15%), quantitative overload (76.8%), responsibility for peoples’ life (69.5%) and lack of perceived control (63.41%), yet, 85.4% were satisfied with their job. Moreover, high levels of emotional exhaustion was reported by the majority of participants (80%), while less than one third reported either high levels of depersonalization or low levels of personal accomplishment domains of BOS. In multiple regression analysis, skill underutilization, variation in workload, and intragroup conflicts were negatively associated with BOS domains. While, job satisfaction and responsibility for peoples’ life were positively associated with personal accomplishment domain of BOS.
Conclusion Critical care HCWs had high BOS. The study concluded that reducing intragroup conflict, improving skills utilization, and raising job satisfaction are crucial to reduce BOS among critical care HCWs. More attention and psychological support is recommended to critical care HCWs.

6- Conclusion

The majority of nurses and healthcare technicians at the surgical ED and ICU of Critical Care department at the AUH reported high levels of emotional exhaustion of BOS. Potential job stressors that were significantly associated with BOS were skill underutilization, intragroup conflict, variation in workload, and job dissatisfaction. The study concluded that reducing intragroup conflict, improving skills utilization, and raising job satisfaction are crucial to reduce BOS among critical care HCWs. More studies involving larger samples of both males and females in multiple levels of care are required. More attention and psychological support should be given to those working in the healthcare sector especially with increasing healthcare demands in the region.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

استرس شغلی و سندرم فرسودگی شغلی میان کارکنان قسمت مراقبت های بهداشتی بحرانی

Job Stress and Burnout Syndrome among Critical Care Healthcare Workers

سیستم بلاک چین مراقبت های بهداشتی به وسیله قرارداد هوشمند برای نظارت خودکار از راه دور بیمار

Healthcare Blockchain System Using Smart Contracts for Secure Automated Remote Patient Monitoring

چکیده

معرفی

کارهای مرتبط

طراحی سیستم

پیاده سازی

تجزیه و تحلیل های سیستم

مقایسه با سیستم های سنتی

آنالیزهای امنیتی

محدودیت ها

نتیجه گیری و کار آتی

چکیده

در حالیکه، ابزارهای اینترنت اشیاء (Internet of Things) (IoT) و دیگر سیستم های نظارت بر بیمار از راه دور، محبوبیت بیشتری می یابد، نگرانی های امنیتی درباره انتقال و ثبت شدن تراکنش داده ها، افزایش می یابد. در جهت بکار بردن اطلاعات بهداشتی(مربوط به سلامتی) حفاظت شده (PHI)، تولید شده توسط این ابزارها، ما به کار بردن قراردادهای هوشمند برپایه ی زنجیره ی بلوکی (blockchain-based smart contracts)، را برای تسهیل تحلیل های ایمن و مدیریت حسگرهای پزشکی، پیشنهاد می دهیم. ما با استفاده از یک زنجیره ی بلوکی بر پایه ی پروتکل اتیریم اختصاصی (blockchain based on the Ethereum protocol)، یک سیستم که در آن حسگرها با یک ابزار هوشمند که قراردادهای هوشمند نام دارد، و تمام گزراش های (رکوردها) اتفاقات را بر یک زنجیره ی بلوکی می نویسد، ساختیم. این سیستم قرارداد هوشمند، نظارت و مداخلات پزشکی به موقع بیمار را، در حینی که یک گزارش ایمن را از اینکه چه کسی این فعالیت ها را آغاز کرده است حفظ می کند، با فرستادن اخطار به بیماران و متخصصان پزشکی، تقویت می کند. این سیستم می تواند بسیاری آسیب پذیری های امنیتی همراه با نظارت از راه دور بیمار و خودکار کردن انتقال اخطارها به همه ی بخش های درگیر را، در یک روش سازگار با HIPAA (قانون قابلیت انتقال و مسئولیت بیمه سلامت)، برطرف کند.

نتیجه گیری و کار آتی

درجهت مشخص کردن نگرانی های امنیتی درباره ی انتقال و ورود تراکنش های داده ها در یک سیستم مراقبت های پزشکی IoT، ما برای اجرای آنالیز و ورود تراکنش های ابرداده به موقع(بی درنگ)، برای حسگرهای پزشکی در یک WBAN، به کارگیری قراردادهای هوشمند برپایه ی زنجیره ی بلوکی را، پیشنهاد می دهیم. سیستم ما یک زنجیره بلوکی مدیریت شده به صورت مشارکتی مجاز، را برای اجرای (execute) قراردادهای هوشمند که اطلاعات جمع آوری شده توسط ابزار مراقبت پزشکی IoT یک بیمار برپایه ی مقادیر آستانه ای مختص به هر شخص(سفارشی)، را ارزیابی می کنند، به کار می گیرد. قراردادهای هوشمند، به همان خوبی که جزئیات مربوط به تراکنش روی زنجیره بلوکی را برای تأیید EHRs، ثبت می کند در صورت نیاز، هشدارها برای بیمار و ارائه دهندگان مراقبت های پزشکی فعال می کند. به عنوان اثبات مفهوم، ما قراردادهای هوشمند را، به زبان Solidity رمزنگاری(کدنویسی) کردیم، تا جریان داده ها در سیستم را به نمایش بکشیم.

Abstract

As Internet of Things (IoT) devices and other remote patient monitoring systems increase in popularity, security concerns about the transfer and logging of data transactions arise. In order to handle the protected health information (PHI) generated by these devices, we propose utilizing blockchain-based smart contracts to facilitate secure analysis and management of medical sensors. Using a private blockchain based on the Ethereum protocol, we created a system where the sensors communicate with a smart device that calls smart contracts and writes records of all events on the blockchain. This smart contract system would support real-time patient monitoring and medical interventions by sending notifications to patients and medical professionals, while also maintaining a secure record of who has initiated these activities. This would resolve many security vulnerabilities associated with remote patient monitoring and automate the delivery of notifications to all involved parties in a HIPAA compliant manner.

Conclusion and future work

In order to address security concerns about the transfer and logging of data transactions in an IoT healthcare system, we proposed utilizing blockchain-based smart contracts to perform real-time analysis and log transaction metadata for medical sensors in a WBAN. Our system would utilize a permissioned, consortium-managed blockchain to execute smart contracts that would evaluate information collected by a patient’s IoT healthcare devices based on customized threshold values. The smart contracts would trigger alerts for the patient and healthcare providers as appropriate, as well as recording details about the transaction on the blockchain for verification of EHRs. As a proof-of-concept, we coded smart contracts in Solidity to demonstrate the flow of data in the system.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

سیستم بلاک چین مراقبت های بهداشتی به وسیله قرارداد هوشمند برای نظارت خودکار از راه دور بیمار

Healthcare Blockchain System Using Smart Contracts for Secure Automated Remote Patient Monitoring

یک سیستم مدیریت کیفیت مراقبت های بهداشتی با استفاده از مدل 3-E و کاربرد آن در یک بیمارستان جدید و عالی در استرالیا

A healthcare quality management system underpinning the 3-E model and its application in a new tertiary hospital in Australia

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

سیستم مدیریت کیفیت مراقبت های بهداشتی با مدل E-3 و استفاده آن در بیمارستان جدید در استرالیا

A healthcare quality management system underpinning the 3-E model and its application in a new tertiary hospital in Australia

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

یک سیستم خبره برای ارزیابی عملکرد مالی ساختارهای مراقبت های بهداشتی بر اساس مجموعه های فازی و KPI

An expert system for financial performance assessment of health care structures based on fuzzy sets and KPIs

چکیده

1. مقدمه

2. مرور مقالات و هدف مطالعه

1.2. KPIها و ارزیابی عملکرد مراقبت بهداشتی

2.2. چارچوب های KPI بنیان ارزیابی عملکرد

3.2. سیستم های تخصصی به عنوان چارچوبی برای ارزیابی عملکرد KPI بنیان

4.2. مجموعه های فازی برای ارزیابی عملکرد

5.2. اهداف مطالعه

3. مواد و روش ها

1.3. سیستم تخصصی فازی برای ارزیابی عملکرد

4. مطالعه موردی: سیستم تخصصی فازی

1.4. مجموعه داده

2.4. سیستم فازی

3.4. پیش بینی

5. نتیجه گیری

چکیده

علاقه به زمینه ارزیابی عملکرد ساختارهای مراقبت بهداشتی در دهه های اخیر رشد قابل توجهی داشته است. در حقیقت احتمال تعیین عملکردهای کلی ساختارهای مراقبت بهداشتی نقش کلیدی در بهینه سازی تخصیص منابع و برنامه ریزی سرمایه گذاری دارد زیرا به کاهش عدم قطعیت عملکرد آینده کمک می کند. در این زمینه، ابزارهای شاخص کلیدی عملکرد (KPI) تهیه شدند تا عملکرد ساختارهای مراقبت بهداشتی از دیدگاه پروسه، سازمانی ، هزینه، مالی و خروجی ارزیابی شود. در عمل آن ها به صورت دوره ای محاسبه می شوند و اثر چندین KPI روی عملکرد کلی ساختار مراقبت بهداشتی توسط مدیریت از طریق قضاوت انسانی یا نرم افزار تعیین می شود که داشبوردهای ترکیبی ایجاد می کند. ارزیابی و پیش بینی عملکرد با توجه به ماهیت ناپایدار خود، معمولا با بکارگیری مدلهای انطباقی کنترل می شود اما این رویکردها نمی تواند ماهیت کل گرای خود عملکرد را منعکس کند یا اثر KPIها روی عملکردهای کلی را دربرگیرد. به منظور غلبه بر این کمبودها، این مطالعه سیستم تخصصی را ارائه می کند که موتور آن بر مجموعه های فازی تکیه دارد و در آن روابط ورودی-خروجی و همبستگی ها از طریق قوانین استنتاج براساس الگوهای سری زمانی مدل سازی شده اند. تمرکز بر ارزیابی عملکرد مالی ساختار مراقبت بهداشتی مثل بیمارستان است. این رویکرد از نوع چندعلمی است زیرا چندین شاخص به عنوان ورودی در نظر گرفته می شوند که به KPIهای خروجی، پروسه و هزینه و اثر آن ها روی سنجش خروجی ارتباط دارند و از نوع مالی می باشند (مثلا بازپرداخت کل). سنجش خروجی که توسط سیستم تخصصی سنجش می شود با آنچه تنها توسط مدل های پیش بینی انطباقی پیش گویی شده مقایسه گردیده و خطا با توجه به مقدار واقعی تعیین شد. نتایج نشان داد که سنجش ها انجام شده با استنتاج فازی توانایی مدل سازی کارآمد روابط واقعی ورودی-خروجی را داشته و از مدل های انطباقی بهتر عمل کردند.

5. نتیجه گیری

یابی عملکرد مراقبت های بهداشتی مبتنی بر KPI موضوعی است که مورد توجه است زیرا شامل در نظر گرفتن رفتار KPI ناپایدار و ماهیت کل نگر عملکردهای مراقبت بهداشتی است. در این مطالعه سیستم تخصصی ارزیابی عملکرد مالی طراحی شد که بر مجموعه های فازی به عنوان موتور استنتاج تکیه دارد. برخلاف سیستم های تصمیم گیری سنتی که معمولا برای تعیین مجموعه KPI با ترکیب کردن قضاوت های انسانی به کار می روند، رویکرد فازی اجازه می دهد اثر همزمانی که چندین KPI می توانند روی عملکردهای مراقبت بهداشتی داشته باشند تعیین شود و همچنین همبستگی بین متغیرهای ورودی و خروجی را نیز در نظر می گیرد. به منظور تست بازدهی روش پیشنهادی مقایسه هایی بین پیش بینی موتور استنتاج فازی و مدل های انطباقی سنتی صورت گرفت. نتایج نشان داد که رویکرد جامع، مثل آنچه پیشنهاد شد، برای حداقل سازی MAD و MAPE سنجش ها از روش های پیش بینی انطباقی پیشی می گرفت زیرا همبستگی بین متغیرها و اثر آن ها روی متغیر خروجی را در نظر می گیرد. روش پیشنهادی می تواند به اندازه کافی کلی در نظر گرفته شود زیرا متغیرهای جدید ورودی-خروجی می توانند به منظور انعکاس بهتر مشخصات واقعی سیستم افزوده شوند.

Abstract

Interest in the field of performance assessment of health care structures has grown in recent decades. In fact, the possibility of determining overall performances of health care structures plays a key role in the optimization of resource allocation and investment planning, as it contributes to reducing the uncertainty of future performance. In this context, key performance indicator (KPI) tools have been developed to assess the performance of health care structures from process, organizational, cost, financial, and output points of view. In practice, they are periodically calculated, and the effect of several KPIs on the overall performance of health care structures is determined by management through human judgment or software that provides synthetic dashboards. Given their non-stationary nature, performance assessment and forecasting are generally tackled by employing adaptive models, but these approaches cannot reflect the holistic nature of performance itself, nor take into account the impact of KPIs on the overall performances. In order to overcome these shortcomings, this study presents an expert system whose engine relies on fuzzy sets, in which the input–output relations and correlations have been modeled through inference rules based on time-series trends. The focus is on the financial performance assessment of a health care structure, such as a hospital. The approach is of an interdisciplinary kind, as several indicators were taken as inputs that relate to output, process, and cost KPIs, and their impact on the output measure, which is of a financial kind (namely the total reimbursement). The output measure calculated by the expert system was then compared with that predicted using only adaptive forecasting models, and the error with respect to the actual value was determined. Results showed that measures determined by fuzzy inference, able to effectively model actual input–output relations, outperform those of adaptive models.

5. Conclusions

KPI-based health care performance assessment is a topic of relevant interest, as it involves considering non-stationary KPI behavior and the holistic nature of health care performances. In this study, an expert system for financial performance assessment was designed, relying on fuzzy sets as an inference engine. Unlike traditional decision-making systems, which are used to determine a KPI panel synthesized by human judgments, the fuzzy approach allows us to determine the simultaneous impact that several KPIs can have on health care performances, taking into account the correlation between input variables and the output variable. In order to test the effectiveness of the proposed methodology, a comparison between fuzzy inference engine forecasting and traditional adaptive models was made. The results showed that a comprehensive approach, such as that proposed, outperforms adaptive forecasting methods in minimizing MAD and MAPE of measures, as it takes into account the correlation between variables and their effect on the output variable. The methodology proposed can be considered sufficiently general, as new input–output variables can be added in order to better reflect the real system characteristics.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

یک سیستم خبره برای ارزیابی عملکرد مالی ساختارهای مراقبت های بهداشتی بر اساس مجموعه های فازی و KPI

An expert system for financial performance assessment of health care structures based on fuzzy sets and KPIs

چگونگی اصلاح سیستم پرداخت مراقبت غربی بر اساس گفته پزشکان، سیاست گذاران، مدیران بهداشت و درمان و محققان: یک آزمایش انتخابی گسسته

How to reform western care payment systems according to physicians, policy makers, healthcare executives and researchers: a discrete choice experiment

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 تحقیقات خدمات بهداشتی BMC 

BMC Health Services Research

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

چگونگی اصلاح سیستم پرداخت مراقبت غربی بر اساس گفته پزشکان، سیاست گذاران، مدیران بهداشت و درمان و محققان: یک آزمایش انتخابی گسسته

How to reform western care payment systems according to physicians, policy makers, healthcare executives and researchers: a discrete choice experiment

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

نوآوری زنجیره تامین و عملکرد سازمانی در صنعت مراقبت های بهداشتی

Supply chain innovation and organizational performance in the healthcare industry

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

نوآوری زنجیره تامین و کارایی سازمانی در صنعت مراقبت بهداشتی

Supply chain innovation and organizational performance in the healthcare industry

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.