مبتدی (مناسب برای درک مفهوم کلی مطلب) 

 اهداف تحقیق
رایانش ابری سلامت می تواند به بهبود اشتراک منابع کمک کند. این سیستم نظارت و مدیریت پزشکی بسیار مؤثری را ارائه می دهد و در عین حال هزینه های عملیاتی عظیم را کاهش می دهد. مبتنی بر ابر فناوری شناسایی فرکانس رادیویی ایمن، موثر و نظارت و مدیریت داده های پزشکی با کیفیت بالا. این می تواند به ارائه نتایج پیشرفته در انتقال، سلامت هوشمند کمک کند نظارت و قرار دادن دقیق IoT Cloud جدیدترین نوآوری است ترکیب چندین فناوری متصل به اینترنت برای ارائه راه حل های بلادرنگ در مکان ها و تنظیمات متعدد. ظهور اینترنت اشیا به هر نحوی کاربرد دارد، از مدیریت بیماری های مزمن گرفته تا اجتناب از آن مسائل مختلف بهداشتی، از بهداشت و درمان بسیار سود برده است. ابر و ادغام اینترنت در بهداشت و درمان چندین مزیت از جمله قابلیت اطمینان بالا، راندمان بالا، مجازی سازی و مقیاس پذیری را ارائه می دهد ، (Salih & Lilien, 2015, Ratnam & Dominic, 2014, Akrivopoulos et al., 2017). چهار هدف عمده این مقاله به شرح زیر است:
RQ1: – مطالعه رایانش ابری و نیاز آن به بهداشت و درمان و فن آوری کمک به رایانش ابری برای بهداشت و درمان؛
RQ2: – برای بحث در مورد مزایای کلیدی رایانش ابری برای صنعت بهداشت و درمان؛
RQ3: – مطالعه موانع و چالش‌ها در اتخاذ رایانش ابری برای بهداشت و درمان.
RQ4: – شناسایی و بحث در مورد کاربردهای مهم رایانش ابری برای بهداشت و درمان.

5. مزایای کلیدی رایانش ابری برای بهداشت و درمان
در دنیای امروز، رایانش ابری دائماً در بهداشت و درمان متحول می شود. بر اساس دیدگاه بازارهای جهانی، ارزش بازار رایانش ابری بهداشت و درمان تا سال 2025 به 55 میلیارد دلار خواهد رسید. علاوه بر مقیاس پذیری و ذخیره سازی، کسب و کارهای بهداشت و درمان امروزی به طور فزاینده ای به فناوری ابر به دلیل قابلیت های چشمگیر آن مانند همکاری، دسترسی، کارایی و امنیت روی می آورند. ابتدا، به عنوان یک نرم‌افزار به عنوان سرویس (SaaS)، ابر ممکن است خدمات میزبانی شده بر اساس تقاضا را برای کسب‌وکارهای بهداشت و درمان ارائه کند، که امکان دسترسی فوری به برنامه‌های کاربردی تجاری و مدیریت ارتباط با مشتری (CRM) را فراهم می‌کند. زیر ساخت به عنوان سرویس (IaaS) می تواند امکانات پزشکی را با رایانش بر اساس تقاضا و ذخیره سازی عظیم فراهم کند. در نهایت، به عنوان یک پلتفرم به عنوان سرویس (PaaS، ابر می‌تواند محیطی امن برای خدمات مبتنی بر وب و استقرار برنامه‌های کاربردی ابری فراهم کند (الزوبیدی، 2016، گلی ملک‌آبادی و همکاران، 2016، پدهی و همکاران، 2012).
ارائه اطلاعات پزشکی از بسیاری از رایانه ها، در هر مکان و هر دستگاه تلفن همراه، در قلب سیستم های ابری است. تحول بهداشت و درمان همچنین در مورد مزایای مراکز پزشکی و کاربران ابری برای به اشتراک گذاشتن داده های سلامت بیمار از طریق اینترنت است. رایانش ابری در بهداشت و درمان مقرون به صرفه و آسان است
برای نصب، با بسیاری از مزایای دیگر که می توان از آنها به خوبی استفاده کرد. در نتیجه، سرویس‌های مبتنی بر ابر کمک ارزشمندی را ارائه می‌کنند و با در دسترس‌تر کردن داده‌ها و قابلیت همکاری، به بهبود زیرساخت‌های سلامت کمک می‌کنند. چندین مزیت فناوری های مبتنی بر ابر در مورد استفاده در سیستم های بهداشت و درمان وجود دارد (دواداس و همکاران، 2017، آستو و همکاران، 2020، جاوید و همکاران، 2020، کومار و همکاران، 2018). شکل 1 برخی از کلیدها را نشان می دهد که مزایای این فناوری ها فناوری‌ها و پروتکل‌های امنیتی پیچیده‌ای در دسترس هستند. سطوح امنیتی اضافی در رایانش ابری به منظور جلوگیری از اطلاعات حساس، ارائه دهندگان ابر باید به مقررات نظارتی پایبند باشند تعهدات مربوط به سوابق پزشکی الکترونیکی فناوری ابری می تواند ارائه بازخورد در مورد اطلاعات پزشکی، تجزیه و تحلیل آن در زمان واقعی، و در نهایت بهداشت و درمان بیمار محور و داده محور را افزایش می دهد. تجزیه و تحلیل داده های مبتنی بر ابر ممکن است به ایجاد بازاریابی دقیق و متمرکز کمپین ها و تبلیغات با استفاده از اطلاعات کسب و کار از چندین منبع کمک کند (الحربی و همکاران، 2016، کو و همکاران، 2011). پزشکان برای کار با بیماران توانسته‌اند برای هر بیمار که درمان می‌کنند یک پرونده پزشکی جداگانه نگهداری کنند که کار را بسیار آسان تر می کند. فناوری ابر این اطلاعات را در زمان واقعی در دفاتر همگام و توزیع می کند. این فناوری به ذخیره سازی بدون مشکل داده ها و مقیاس پذیری پشتیبان کمک می کند و در طول دوره های شلوغ روز کاهش می یابد. علاوه بر این، تاکتیک‌های فاصله‌گذاری اجتماعی نیاز به مشاوره از راه دور با بیماران خردسال دارد (علی و همکاران، 2018، بامیه و همکاران، 2012، رجبیون و همکاران، 2019).
استقرار و ارتقاء ابر سریعتر از نرم افزار میزبانی در محل است. مدیریت خدمات ابری هزینه نسبتاً کمتری دارد و باعث نمی شود مصرف کنندگان خدمات خود را متوقف کنند. ارائه دهندگان بهداشت و درمان و بیماران آنها با خدماتی با بالاترین پهنای باند و سرعت با خدمات سریعتر مواجه می شوند. پلتفرم‌های ابری شامل ML و AI هستند که به شرکت‌ها کمک می‌کنند تا حجم زیادی از داده‌های مشتری را مدیریت کنند و تجزیه و تحلیل داده‌ها را در نقاط تماس متعدد خدمات بهداشت و درمان انجام دهند (Tyagi et al., 2016, Abdelaziz et al., 2018, Seddon & Currie, 2013). استفاده عمومی از فناوری‌های ذخیره‌سازی داده مبتنی بر ابر در بهداشت و درمان پتانسیل افزایش نتایج مراقبت از بیمار را ایجاد کرده است. محققان ممکن است از ابر در زمان خود و با کسری از هزینه برای استفاده از قابلیت های تحلیل ابررایانه استفاده کنند. تمام داده‌هایی که قبلاً در پرونده‌های بایگانی در دسترس نبودند، با استفاده از پیچیده‌ترین الگوریتم‌های رایانه‌ای موجود با ورود رایانش ابری قابل جستجو و تجزیه و تحلیل هستند (Gavrilov & Trajkovik, 2012, Hoang & Chen, 2010.

6. محرک های بالقوه رایانش ابری برای بهداشت و درمان صنعت
شکل 2 نمونه‌ای از محرک‌های مهم و بالقوه مختلف رایانش ابری برای افزایش عملکرد کلی حوزه بهداشت و درمان است. حرکت به ابر دو مزیت دارد بهداشت و درمان. هم پزشکان و هم بیماران از این موضوع بهره مند شده اند که از آن. در جنبه تجاری، رایانش ابری نشان داده شده است به کاهش هزینه های عملیاتی کمک می کند و در عین حال به ارائه دهندگان اجازه می دهد تا درمان با کیفیت بالا و متناسب را ارائه دهند. بیمارانی که دریافت درمان‌ها از این طریق است اکنون می‌توانند همان سطح مراقبت را از پزشک دریافت کنند و بخش سلامت حوزه های اصلی محرک های مشاهده شده مفاهیمی مانند کلان داده، یادگیری مصنوعی و ماشینی، تکنیک های بهداشت از راه دور، بالا تجزیه و تحلیل نیرومند و غیره است. رایانش ابری بیمار را بیشتر درمان کرده است که نتایج با افزایش مشارکت بیماران در برنامه های بهداشتی خود توسط ارائه دسترسی به داده های بهداشت و درمان آنها است (جیندال و همکاران، 2018، سینگ و همکاران،2017، جمال و همکاران، 2015، محمد و همکاران، 2014).
رایانش ابری بهترین راه حل ها را برای نیازهای بهداشت و درمان فراهم می کند که ارزان تر، سریع تر و شخصی تر هستند. به طور قابل توجهی می تواند کمک به تحقیقات پزشکی و اپیدمیولوژیک، پیش بینی بیماری، و آزمایشات بالینی تجزیه و تحلیل ابری از بیمارستان ها از طریق تجزیه و تحلیل ابری، تحلیل های پیش بینی، ابزارهای مبتنی بر هوش مصنوعی و منابع در تصمیم گیری های مبتنی بر شواهد پشتیبانی می کند. تجزیه و تحلیل ابری می تواند به طور مداوم نتایج را نظارت کند تا با تجزیه و تحلیل آنها از تجهیزات پزشکی مرتبط مختلف. بهداشت و درمان ارائه‌دهندگان راه‌حل ‌های مبتنی بر ابر را که می‌توانند برای بازاریابی، تجزیه و تحلیل/تشخیص، نظارت بر بیمار، پیشگیری و مدیریت استفاده شوند تا به اهداف خود برسند: (لیو و همکاران، 2018، نور و مون، 2012).
یک شرکت با یک کارمند از راه دور باید توسعه یابد تا افراد را از راه دور به سرعت مدیریت کند. همچنین مستلزم کاهش هزینه ها و ادامه فعالیت و رعایت قوانین سختگیرانه ایمنی و حفظ حریم خصوصی است. آنجا هیچ انعطافی برای رشد سریع و مؤثر زیرساخت های محلی موجود وجود نداشت و همچنین نمی توانست کاربران اضافی را در یک دوره قابل قبول گنجانده شود. کار استراتژیک شامل ایجاد یک مدل عملیاتی فناوری اطلاعات، ارزیابی پلت‌فرم‌ها و ابزارهای ابری و ایجاد مدرک قوی است. معماری ابری توسعه دهندگان را قادر می سازد تا به سرعت منابع و کار از راه دور، از جمله ایستگاه های کاری مجازی در فضای ابری را تامین کنند. که این کار دشواری مدیریت موجودی سخت افزار، تعمیرات و زیرساخت دسکتاپ مجازی را نیز برطرف می کند. E (Guo et al., 2012, Alshammari et al., 2020, Dzombeta et al., 2014).
ارائه دهندگان بهداشت و درمان لازم نیست نگران مدیریت داده های ابری خود باشند. پزشکان بهداشت و درمان ممکن است با کمک متخصصان توانمند فناوری اطلاعات که سیستم را نظارت و کنترل می کنند، بر زمینه های اساسی بهداشت و درمان تمرکز کنند. رایانش ابری نظارت بر پرداخت ها توسط ارائه دهندگان بهداشت و درمان را تسهیل می کند. علاوه بر این، سرمایه گذاری در زیرساخت های قابل توجه و پرهزینه ضروری نیست. انتخاب یک راه‌حل ابری می‌تواند بسیار مقرون‌به‌صرفه‌تر از ساختن سیستم‌های فیزیکی با شخصی‌سازی برنامه‌ای که مطابق با خواسته‌های آن‌ها باشد. سرورهای ابری می‌توانند اطلاعات را سریع‌تر آپلود، مبادله و بازیابی کنند تا متخصصان بهداشت و درمان، بیمارستان‌ها، تحقیقات و آژانس‌های مالی بتوانند بهتر همکاری کنند (Alphonsa & Amudhavalli، 2018، Agarwal & Sebastian، 2016، John & Shenoy، 2014)
حجم زیادی از داده های ایجاد شده در کسب و کار بهداشت و درمان با موفقیت در درایوهای مجازی ذخیره و قابل دسترسی است. رایانش ابری است برای ارائه خدمات و پلتفرم هایی استفاده می شود که به مدیریت مشتری کمک می کند. در نتیجه، بسیاری از شرکت ها یا سازمان هایی که خدمات بهداشت و درمان ارائه می دهند خدمات رایانش ابری به بیماران خود در نرم افزار، پلتفرم و زیر ساخت نیاز دارند. اینها امکان تبادل اطلاعات و رکورد را بهبود می بخشد و مدیریت و تخصیص منابع در موسسات بهداشتی را با رایانش ابری سرعت می بخشد و کار را برای متخصصان پزشکی ساده می کند تا با هم کار کنند و به صورت تیمی از طریق دستگاه های تلفن همراه درمان کنند واز ویدئو کنفرانس و نرم افزار طراحی شده برای شرکت های بهداشت و درمان استفاده کنند. ظرفیت پزشکان برای ارائه خدمات درمانی در سطح بالا به بیماران با حفظ ارتباط آنها با بیماران و همکاران افزایش یافته است (کازولا و همکاران، 2016، بامیه و همکاران، 2012، ایجاز و همکاران، 2021).

آگاهی دانشجویان پرستاری از نابرابری در بهداشت و درمان – یک چشم انداز متقاطع

Nursing students’ awareness of inequity in healthcare — An intersectional perspective

Abstract

Objective: The overall aim of the present study was to explore awareness of inequity in healthcare and the intersection between different structures of power among nursing students. Another aim was to delineate the knowledge and use of Swedish Healthcare Direct in this group.

Design: The study had a descriptive design with a quantitative approach.

Participants: The sample consisted of 157 nursing students from three universities in central Sweden.

Methods: The students filled out a study specific questionnaire in class. The questionnaire consisted of short descriptions of twelve fictive persons who differed in gender, age, and ethnicity, with questions about their life situation. The mean was calculated for each assessed fictive person for every item. In the next step, the assessments were ranked from the lowest probability to the highest probability. A ‘Good life-index’ consisting of quality of life, power over own life, and experience of discrimination, was also calculated. Free text comments were analysed qualitatively.

Results: People with Swedish names were assessed to have the highest probability of having a good life. Among those with Swedish names, the oldest woman was assessed as having the lowest probability of a good life. All students had knowledge about Swedish Healthcare Direct, but more female students had used the service compared to male students.

Conclusions: The results indicate that the nursing students had awareness of how power and gender, ethnicity and age, are related. Based on the free text comments, the questions and the intersectional perspective seemed to evoke some irritation which points to their sensitive nature. Therefore, the questionnaire could be used as a tool to start a discussion of equity in healthcare and in interventions where the aim is to raise awareness of inequality and intersectionality.

1 Introduction

Nursing students are the future healthcare workforce. Their perceptions and awareness of inequity and intersectional perspectives of health and healthcare are therefore important to study. One way to decrease the disparity of care for vulnerable and minority groups is awareness of such perspectives. Equal care and good health for all citizens are stipulated by the Swedish Health Care Act (1982:763) and the Patient Act (2014:821), and has for decades been the guiding principle for healthcare in Sweden. Behind these laws lay the UN Declaration of Human Rights and, especially, Article 12 in the International Convention on Economic, Social and Cultural Rights, which have been ratified by the Swedish government. Previous research has, however, found that equal care is not always achieved in a Swedish context. Women are less likely to get expensive medicines and are less prioritized in healthcare (Smirthwaite, 2014). Women, elderly and people with low income have also been reported to receive liver surgery due to colon cancer to a lower extent (Norén et al. 2016). There are also gender related patterns in people’s health seeking behaviour. Women tend to seek healthcare more actively than men and they are also more eager to contact healthcare services on behalf of others (Höglund & Holmström, 2008; Kraemer, 2000).

تحویل مراقبت در کنار بستر: ادراک مدیران و ارائه دهندگان مراقبت های بهداشتی از ظرفیت های تغییر در خودشان

Transforming Care at the Bedside: Managers’ and Health Care Providers’ Perceptions of Their Change Capacities

Abstract

Background: The Transforming Care at the Bedside (TCAB) project engages frontline health care providers as the leaders of change and improvement efforts in their work environment. This study explored how health care providers and managers from three TCAB units in a university-affi liated health care center perceived the development of their change capacities following their involvement in this program. Method: This descriptive, qualitative study involved focus groups and individual interviews. Results: Participants learned to work as a team and to expand their outlook. They had access to processes and tools to learn new skills. New relationships also developed among the various players, and they shared new roles, which enabled them to translate the desired changes into action and make the results visible. Conclusion: The study showed the TCAB program helps develop health care providers’ and managers’ change capacities.

As the nursing shortage escalates, improving the efficiency of the nurse’s workflow is becoming increasingly important. According to Runy (2008), the best way to address this issue is to ask nurses about the efficiency challenges they confront in their work environment, create work environments that facilitate communication and teamwork, and minimize wasteful work. The pace of rising care expenditures is not sustainable and demands an improvement in the network’s performance and the reestablishment of balance in public finances (Government of Quebec, 2010). Within this context, strategies must be identified for optimizing effective practices and eliminating waste to reduce costs within a reasonable period of time (Grossmeier, Terry, Cipriotti, & Burtaine, 2010; McGhan et al., 2009). One such strategy developed by the Institute of Healthcare Improvement (2014) is the Transforming Care at the Bedside (TCAB) program. TCAB engages frontline staff in leading process improvement efforts aimed at enhancing value-added work processes, patient outcomes, and work environments (Hassmiller & Bolton, 2009). Through TCAB, nurses develop core skills that enable them to change the work they perform (Thompson, 2009). Despite evidence supporting thevalue added by the TCAB program, little evidence exists about managers’ and health care providers’ perceptions regarding the development of their change capacities.

BACKGROUND

Initiated in 2003, the TCAB program was developed through a partnership between the Robert Wood Johnson Foundation and the Institute for Healthcare Improvement (2014). The TCAB program was created to promote changes originating at the point of care as well as to engage frontline staff in developing innovations and changes directly aimed at improving work processes and patient care. The framework underlining the TCAB project is largely based on Rogers’ theory of innovation (1962, 2003), which suggests that the diffusion of an innovation is influenced by four elements: the innovation itself, the communication channels, the time required for the innovation–decision process, and the social system. Also according to Rogers’ theory of innovation, the adoption process occurs through five stages: first exposure to innovation (knowledge), increasing interest in the innovation (persuasion), acceptance or rejection of the innovation (decision), implementation and test of the innovation, and a final decision (confirmation). Thus, the TCAB project engages frontline staff in the development and spreading of innovations that will provide improvement to work processes and patient care. Since 2003, more than 81 hospitals throughout the United States have been involved in the TCAB program, and the program has spread to other countries as well (Needleman & Hassmiller, 2009), including Canada. The TCAB program has five foundational elements where change is targeted (Institute of Healthcare Improvement, 2014): ● Safe and reliable care. ● Vitality and teamwork. ● Patient-centered care. ● Value-added work processes. ● Transformational leadership. The aim of the TCAB program is to encourage frontline staff and hospital leaders to initiate changes that will lead to improvements in these five domains. The TCAB program has been found to facilitate positive results for a variety of reasons. It creates a work culture that promotes improved performance and value-added activities (Bolton & Aronow, 2009). It further encourages frontline staff to use their knowledge and experience as well as to work as teams to identify, implement, and test changes that will likely lead to improvements. Reviews of hospitals and nursing units participating in the TCAB program showed that a large number of innovations were suggested, adopted, and spread, resulting in patient care improvements and high vitality and teamwork among staff (Needleman et al., 2009; Pearson et al., 2009). The TCAB program represents a powerful mechanism for improving the human capital of a health care organization (Dearmon et al., 2013). The TCAB program encourages frontline staff to adopt new roles and new responsibilities, allowing them to become the drivers of change in their units. The hope is that by encouraging nurses and managers to identify, implement, and test changes that could improve their work practices and environments, they will intrinsically accept and eventually spread these changes. As suggested by Mintzberg, Ahlstrand, and Lampel (1998), changes must occur in an organization’s culture, its modes of functioning, and long-term competencies. These are the elements that should be improved first to initiate and sustain change. Thus, to facilitate changes, an organization should move from a culture of “change management” to a culture of “capacities for change” (Rondeau, 2008). Rondeau (2008) described changes in organizations as a learning or evolution process, which suggests that to develop change capacities, all members of an organization must have access to the competencies, tools, and resources that make changes possible. It is important to explore change capacities as they contribute to an organization’s ability to successfully implement and sustain change. Research in this area can generate new evidence contributing to an understanding of how best to transform work processes (Dearmon et al., 2013). The aim of this study was to describe managers’ and health care providers’ perceptions of the development of their change capacities with the TCAB program in a university-affiliated health care organization.

 مقاله انگلیسی رایگان

ترجمه فارسی رایگان 

Introduction From 1850s, medical tariff began in California by using coding method. First results of this information were published in 1956. In this method, a three- number code with a special listing was used for the classification of medical services (1, 2). Regarding weaknesses in tariff method in the late 1980s, most hospitals made their tariff’s calculating method based on” Diagnosis Related Groups (DRG)”. In this method, instead of fixed tariffs, cost price of hospital services was calculated based on the opinion of expert (3). In the recent decade, by increasing varieties of complex activities and the importance of cost price in hospitals for managers and governments, understanding these changes and evaluating their effects on cost price is very important. Traditional costing methods, especially methods used in hospitals cannot practically meet these expectations. These methods determine cost price of offered services based on fixed price regardless of conditions in hospitals (1). Therefore, using proper and effective methods of costing is a fundamental necessity. For this purpose, “Activity Based Costing” (ABC) is introduced for calculation of cost price. ABC is one of the new costing methods with an increasing application throughout the world. Abstract Background: Activity Based Costing (ABC) is one of the new methods began appearing as a costing methodology in the 1990’s. It calculates cost price by determining the usage of resources. In this study, ABC method was used for calculating cost price of remedial services in hospitals. Methods: To apply ABC method, Shahid Faghihi Hospital was selected. First, hospital units were divided into three main departments: administrative, diagnostic, and hospitalized. Second, activity centers were defined by the activity analysis method. Third, costs of administrative activity centers were allocated into diagnostic and operational departments based on the cost driver. Finally, with regard to the usage of cost objectives from services of activity centers, the cost price of medical services was calculated. Results: The cost price from ABC method significantly differs from tariff method. In addition, high amount of indirect costs in the hospital indicates that capacities of resources are not used properly. Conclusion: Cost price of remedial services with tariff method is not properly calculated when compared with ABC method. ABC calculates cost price by applying suitable mechanisms but tariff method is based on the fixed price. In addition, ABC represents useful information about the amount and combination of cost price services. Keywords: Activity Based Costing, Remedial services, Cost price, Iran *Corresponding Author: Tel: +98-917-7138627, Email: araiabi53@yahoo.co.uk www.Prozhe.com www.Prozhe.com Downloaded from http://journals.tums.ac.ir/ on Friday, October 26, 2012 Rajabi and Dabiri.: Applying Activity Based Costing … 101 These methods, in calculating the cost price, apply complexity, variety, and specific features. A distinct feature of this method is the ability to diagnose exact costs and to present the non-financial information to improve the performance and efficiency of activities (4). In addition, by applying ABC method, organizational unused capacity resources can be diagnosed and decreased (5). After the remarkable development and success of ABC method in industry, its application has been considered in other parts, especially in healthcare centers and hospitals since early 1990s. Kaplan had a key role in the development of this method (5). Meanwhile, by introducing ABC, the accuracy of calculated costs in health systems became so important for hospital managers, physicians, investors and governments, that over 20% hospitals in America and Canada used this method in 1990s (6). In “General Zonal Hospital” in Argentina ABC method was used to determine costs of patient care in in 1998. This hospital provides services to 190,000 patients in 26 treatment units. Finally, cost price of services was calculated based on the kind of disease, it was very different from the available methods at that time (7). 

آنالیز استراتژیک کیفیت خدمات الکترونیک در صنعت مراقبت های بهداشتی بر اساس مدل ترکیبی AHP و TOPSIS فازی

A combined fuzzy AHP and fuzzy TOPSIS based strategic analysis of electronic service quality in healthcare industry

Abstract

Service sector is under pressure to deliver continuing performance and quality improvement while being customer-focused. In recent terms, there exists web based or electronic service quality (e-sq) concept. With the birth of electronic commerce, it has become important to be able to monitor and enhance e-sq. Therefore, this study will examine the e-sq concept and determine the key components of e-sq. The e-sq framework is employed by the aid of service quality (SERVQUAL) methodology as the theoretical instrument. Finally, proposed e-sq framework is illustrated with a web service performance example of healthcare sector in Turkey by using a combined multiple criteria decision making (MCDM) methodology containing fuzzy analytic hierarchy process (AHP) and fuzzy technique for order performance by similarity to ideal solution (TOPSIS). The work presented in this paper shows the applicability of the e-sq framework in explaining the complexity of aspects observed in the implementation of healthcare services via internet.

1 Introduction

From now on, firms must compete not only with internal firms, but also with external firms in today’s global conditions. It is very important to get the whip hand of competition by providing the congruity of the services to the expectations of consumers. It is also important to achieve a desirable, qualified service because quality is achieved when the needs and expectations of the customer are met. By the meaning, the qualities of the services should be measured. Also in recent terms there exists web based or e-service quality (e-sq) concept. With the birth of electronic commerce (e-commerce), it has become important to be able to monitor and enhance e-sq. So in this study, e-sq concept and the accompanying e-sq of healthcare sector are researched and analyzed. There are many affords to measure e-sq, but service quality (SERVQUAL) methodology (Brown, Churchill, & Peter, 1993; Cronin & Taylor, 1992; Parasuraman, Zeithaml, & Berry, 1985) is chosen because it is the most used and preferred methodology. Our aim is to adapt the SERVQUAL instrument to assess healthcare e-sq. While a significant body of academic literature exists on service quality in healthcare industry (Babakus & Mangold, 1992; Bakar, Akgün, & Al Assaf, 2008; Bowers & Kiefe, 2002; Chae, Kim, Tark, Park, & Ho, 2003; Chang, Hsiao, Huang, & Chang, 2011; Isaac, Zaslavsky, Cleary, & Landon, 2010; Lee, Delene, Bunda, & Kim, 2000; Li, 1997), little is known about e-sq (Bilsel, Büyüközkan, & Ruan, 2006; Bose, 2003; Chang, 2007; Chou & Chou, 2002; Gruca & Wakefield, 2004; Hadwich, Georgi, Tuzovic, Büttner, & Bruhn, 2010; Provost, Koompalum, Doong, & Martin, 2006). To effectively evaluate e-sq, both qualitative and quantitative factors must be considered. Thus, e-sq performance measurement is a kind of multiple criteria decision making (MCDM) problem. This study includes a combined fuzzy analytic hierarchy process (AHP) (Saaty, 1980) and fuzzy technique for order performance by similarity to ideal solution (TOPSIS) (Hwang & Yoon, 1981) methods to measure e-sq performance. Fuzzy set theory aids (Zadeh, 1965) in measuring the ambiguity of concepts that are associated with human being’s subjective judgment. Since the performance evaluations are done with decision makers’ preferences, its evaluation must therefore be conducted in an uncertain, fuzzy environment. Also by applying AHP in obtaining criteria weight and TOPSIS in ranking, the comprehensiveness and reasonableness of the e-sq measurement process is strengthened. The paper is organized as follows: In the second section, the background of e-sq is examined by literature survey. Then in the third section, e-sq concept is discussed in healthcare industry. After expressing the methodology of the study in section four, section five presents the case study. Finally, the sixth section concludes the paper.

پیشرفتهای اخیر در هوش مصنوعی ، دانش مهندسی و پایگاه های داده TempR – PDM : یک مدل مفهومی موقتی برای مدیریت داده های بیمار

مبتدی (مناسب برای درک مفهوم کلی مطلب)

F1903

از این رو بسیاری از کارها در حوزه پژوهش از پایگاه داده های موقتی با توجه به مدل داده های نسبی به خاطر ساختار قوی آن انجام داده است. جدول 1 برخی از مدل های مهم در رابطه با کار ارائه شده در این مقاله را ذکر نموده است. مدل های موقتی داده می توانند به صورت نشانه گذاری شده زمانی چندتایی یا نشانه گذاری شده زمان ویژگی ها ، FNF یا NFNF ، زمان معتبر یا زمان معامله طبقه بندی می شوند [21] 3 تجزیه و تحلیل مورد نیاز: گردش کار برای مدیریت اطلاعات بیماران
3.1 هستی شناختی
برای توسعه مفهومی هستی شناختی که اطلاعات پزشکی و بیمارستانی را پوشش می دهد به منظور توسعه سیستم PDM [33] مورد نیاز است. توسعه تجزیه و تحلیل الزامات PDM: گردش کار در سیستم یک بیمارستان / بالینی شامل یکپارچه سازی پایگاه دانش هستی شناختی با سیستم اطلاعات موجود است. این امر مستلزم ایجاد موضوعات هستی شناختی بر اساس اطلاعات موجود در پایگاه داده های بیمار در بیمارستان دارد. برای جزئیات بیشتر در مورد هستی شناختی در بهداشت و درمان [33]. را ببینید
جنبه موقتی به طور قابل توجهی در زمینه های مختلف مهم است و این می تواند بسیار مفید در تجزیه و تحلیل و درک عملکرد دامنه باشد. ما جریان کار تجزیه و تحلیل الزامات را برای مدیریت اطلاعات بیمار در بیمارستان پیشنهاد می دهیم. هدف از این مدل تجزیه و تحلیل اهمیت داده های بیمار به منظور بهبود خدمات سازمان بهداشت و درمان است.
شکل 2 جریان کار مدیریت اطلاعات بیمار را با برجسته کردن و طبقه بندی اطلاعات مهم و مفید بیمار در محیط بیمارستان ارائه می دهد. ایده اساسی مدلسازی موقعیتی است که در آن ما می توانیم اجزای داده های موقتی و غیرموقتی را تشخیص دهیم. اطلاعات درمان با ساعت در مدل نشان داده می شود، با برجسته سازی این واقعیت که اطلاعات درمان بذات موقتی هستند. درمان ممکن است با گذشت زمان تغییر می کند و ما باید برای اطلاعات را هنگام نیاز مدیریت و بازیابی نماییم، چون زمان یکی از مهم ترین ویژگی ها است در حالی که ما می خواهیم فرآیند مراقبت از سلامت را بهبود ببخشیم.
به همین ترتیب اطلاعات مربوط به پزشکان که بعد از بیمار به دنبال آن هستند و کارکنان پزشکی که در مورد بیماران بستری انجام وظیفه می نمایند باید در پایگاه داده حفظ شوند. این روابط با خطوط نقطه چین و با نماد ساعت نمایش داده میشود. این ارتباطات به عنوان روابط موقتی نامیده می شوند [21]. پذیرش بیماران در بخش ها نیز عاملی مهم است ، چرا که وقتی بیمار به بند می آید و هنگامی که او را به بخش دیگری می برند و مربوط به اطلاعات می شود. این رابطه همچنین به عنوان رابطه موقتی دسته بندی می شود. مدل جریان اطلاعات را در یک بیمارستان را نشان می دهد و نیز نشان دهنده ایستگاه های مهم کار و جریان اطلاعات برای پایگاه داده بیمار و سرویس دهنده ها ، با هدف یکی کردن ویژگی هایی است که در مدل پایگاه داده های بیمار تناسب به بهترین نحو تناسب یافته اند [18].
4 مفهومی مدل پیشنهادی : TempR – PDM
در حال حاضر مدل نسبی موثرترین روش برای سازماندهی مقادیر عظیمی از اطلاعات است و هنوز هم این تکنولوژی به طور گسترده ای در میان کمپانی ها در سراسر جهان پذیرفته شده است. داده های موقتی دارای معانی خاص خود هستند و سازماندهی چنین اطلاعاتی نیاز به برخی تغییرات در مدل نسبی دارد [4]. ویژگیها در رابطه می توانند ویژگی های متغیر یا نامتغیر با زمان باشند. ارتباط درمانی ارتباطی موقتی است ، زیرا تغییرات درمان با گذشت زمان و شکل سابقه درمان، رابطه معکوس دکتر یک رابطه غیر موقتی است زیرا با ویژگی ارتباط دارد که غیر متغیر با زمان است

4.1 ساختار زمانی
ما از ساختار زمان مجموعه ای به T <را ، <> ، که در آن T مجموعه ای قابل شمارش است و < مرتبه خطی در T ، یعنی برای هر بار دو t1 و t2 ، t1 = t2 یا ، t2 ≤ t1 ، ≤ t1 t2 . در مدل ما، ما با زمان به صورت گسسته و متناظر با اعداد طبیعی برخورد می کنیم چون هر دامنه عملی که ما ممکن است برای ویژگی های زمانی در مدل ارائه شده تعریف کنیم حداکثر دارای مجموعه قابل شمارش از اسامی برای لحظه های زمان و یا فواصل زمانی است.
رویکرد چندتایی با برچسب زمان برای تعریف یک مدل موقتی اتخاذ شده است. دلیل این کار این سادگی و حفظ فرض 1NF و لزوم مدل نسبی است. مدل داده موقتی منطقی پیشنهاد شده (شکل 3) از سه قسمت اصلی تشکیل شده یعنی ساختار ، مقوله (موقتی یا غیرموقتی) ، ویژگی ها(ویژگی های متغیر با زمان و نامتغیر با زمان و زمان جزئی) و سوم نوع رابطه میان مقوله ها به صورت موقتی و غیر موقتی طبقه بندی شده اند.
در زیر برخی از محدودیت ها برای اطمینان از سازگاری از طرح های مفهومی وجود دارد:
• مشخصات کاملا موقتی توسط یک مقوله مجزا به نام مقوله موقتی هدایت خواهد شد.
• مقوله به صورت و موقتی و غیرموقتی طبقه بندی می شود
• نوع مقوله موقتی باید دارای راهنمای ترکیبی اولیه متشکل از ویژگی های متغیر یا نامتغیر با زمان باشد. زمان شروع .فعال سازی بخشی کلیدی است.
4.2 مشخصات موقتی نشان دهنده :
در حال حاضر اصطلاح جدید به عنوان شروع و پایان فعال سازی معرفی می شود تا زمان معتبر معرفی شده به این دلیل که اعتبار به خودی خود دارای بسیاری از انواع است و ایجاد پیچیدگی می کند در حالیکه مقوله را تعریف می کند.
• این نشان دهنده واقعیت های موقتی در نقاط زمانی و و همچنین در فواصل است.
• زمان به روز رسانی به جای هم زمان تبادل معرفی شده است. یک .بروز رسانی اشاره به تغییر در داده ها (چندتایی) از هر نوع (درج، حذف یا تغییر) دارد.
• زمان فعال سازی می تواند با ذره ذره بودن زمان های مختلف [12] از جمله سال، ماه، هفته، روز، ساعت، دقیقه و ثانیه و حتی فراتر از آن نشان داده شود. تبدیل از یک لحظه زمانی [31] به دیگری توسط توابع تبدیل انجام شده است.
4.3 طرح رابطه موقتی
طرح یک رابطه موقتی TR=<A,K> یک جفت مرتب از مجموعه ای محدود از A={A1,A2,….An}، شروع فعال سازی، پایان فعال سازی زمان بروز رسانی} است. هر رابطه موقتی دارای حالت فعلی و حالات تغییر یافته است (آینده و گذشته). طرح منطقی از یک پایگاه داده بیمار به شرح زیر است.