عنوان مقاله:
بهداشت و درمان 4.0 - مدیریت یک تحول کل نگر
Healthcare 4.0 – Managing a Holistic Transformation
سال انتشار: 2022
رشته: پزشکی - مدیریت
گرایش: انفورماتیک پزشکی - پزشکی عمومی - بهداشت عمومی - مدیریت منابع اطلاعاتی - مدیریت تحول - مدیریت استراتژیک
دانلود رایگان این مقاله:
دانلود مقاله مدیریت یک تحول کل نگر
مشاهده سایر مقالات جدید:
عنوان مقاله:
فناوری بلاک چین در مراقبت های بهداشتی: چالش ها و فرصت ها
Blockchain technology in healthcare: Challenges and opportunities
سال انتشار: 2022
رشته: پزشکی - مدیریت - مهندسی فناوری اطلاعات
گرایش: انفورماتیک پزشکی - پزشکی عمومی - بهداشت عمومی - مدیریت منابع اطلاعاتی - مدیریت پروژه - مدیریت سیستم های اطلاعاتی
دانلود رایگان این مقاله:
دانلود مقاله مراقبت های بهداشتی
مشاهده سایر مقالات جدید:
عنوان مقاله:
تأثیر اندازه بیمارستان بر اثربخشی سیستم اطلاعات مراقبت های بهداشتی: شواهد از تجزیه و تحلیل داده های مراقبت های بهداشتی
Impact of hospital size on healthcare information system effectiveness: evidence from healthcare data analytics
سال انتشار: 2022
رشته: پزشکی - مدیریت
گرایش: انفورماتیک پزشکی - پزشکی عمومی - بهداشت عمومی - مدیریت منابع اطلاعاتی
دانلود رایگان این مقاله:
مشاهده سایر مقالات جدید:
چکیده
اطلاعات بصری نقش مهمی در تقریبا تمام حوزه های زندگی ما ایفا می کنند. امروزه، بسیاری از این اطلاعات نشان داده می شود و به صورت دیجیتالی پردازش می شود. پردازش تصویر، با کاربردهایی اعم از تلویزیون (تلویزیون) تا توموگرافی کامپیوتری، از عکاسی تا چاپ، از رباتیک تا سنجش از راه دور و کاربردهایی پزشکی در همه جا حاضر است. سونوگرافی یکی از روش های مورد استفاده برای پزشکی است. این کاربرد به صورت بالینی استفاده می شود. مهم ترین فن آوری ها، شامل مبدل ها، تشکیل دهنده پرتو، عوامل تقابلی، تکنیک های فشرده سازی پالس برای اندازه گیری جریان خون و تصویربرداری سه بعدی هستند. تصویربرداری فراصوتی، کیفیت تصویربرداری باارزشی را برای ارائه ویژگی های زیر با سهولت استفاده، هزینه کم، بررسی امن، غیر تهاجمی و سریع فراهم می کند. این سیستم تصویربرداری فراصوت، راهی موثر برای بررسی بافت های مختلف بدن انسان از جمله تیروئید، پستان، اندام شکم، قلب، عضلات، تاندونها، شریانها و وریدها را فراهم می کند. هدف این مقاله، ارائه الگوریتم های تقسیم بندی فعلی مورد استفاده برای تصاویر پزشکی می باشد. هر نوع الگوریتم مورد بحث و همچنین زمینه های کاربرد اصلی آنها شناسایی می شوند. آزمایشاتی که این الگوریتم ها را برای بخش بندی تصاویر سونوگرافی اعمال می نمایند، برای بررسی بیشتر رفتار آنها در این مقاله ارائه می شوند.
چکیده
پردازش اطلاعات اساس ایمنی بیمار و کیفیت مراقبت های بهداشتی می باشد. در سیستم مراقبت بهداشتی فعلی، شکاف های اصلی در جمع آوری و انتقال اطلاعات حیاتی از بیماران به ارائه دهندگان مراقبت های بهداشتی وجود دارد . مشکلات جمع آوری اطلاعات به ویژه در بیماران فاقد ارتباطات کلامی یا تحت شرایط جدی دیگر به چالش کشیده شد. انتقال اطلاعات در میان کارکنان پزشکی نیز می تواند خطاهای انسانی را معرفی کند که ممکن است سلامت و زندگی بیمار را در معرض خطر قرار دهد. سامانه بازشناسی با امواج رادیویی (RFID) یک نوع شناسایی تکنولوژی الکترونیکی است که به طور گسترده ای در حال گسترش است. تکنولوژی RFID به اطلاعات شخصی مهم اجازه ذخیره در تراشه کم هزینه متصل به بیمار را می دهد. این تکنولوژی ابتکاری پتانسیل فوق العاده ای را برای بهبود وضعیت مراقبت های بهداشتی با حذف خطاهای انسانی و ابهام موجود در طول تعامل بیمار -پزشک و پزشک –پزشک ارائه می دهد.
عنوان مقاله:
پیش‌بینی امید به زندگی برای هدف غربالگری سرطان با استفاده از داده‌های کلنیکی پرونده الکترونیک سلامت
Predicting Life Expectancy to Target Cancer Screening Using Electronic Health Record Clinical Data
سال انتشار: 2022
رشته: پزشکی - روانشناسی
گرایش: انفورماتیک پزشکی - آنکولوژی - روانشناسی بالینی
دانلود رایگان این مقاله:
دانلود مقاله پیش‌بینی امید به زندگی
مشاهده سایر مقالات جدید:
DISCUSSION
We developed and internally validated a life expectancy prediction calculator using structured data from the VA EHR; our final model included 93 predictors and had an iAUC of 0.816. As expected, diseases and demographics were the strongest contributors to high discrimination. Our model demonstrated good calibration overall and across demographic subgroups. Our life expectancy calculator performs comparably to other long-term mortality risk tools that had C-statistics around 0.8,12–14,16,39 but has two notable differences. First, our life years);39,40 only a few predict ≥10-year mortality risk, which is needed for cancer screening.13,16,18 Of other indexes, only the Lee index predicts life expectancy.15 Remaining life expectancy is difficult to predict because it requires extended follow-up time and relatively high cumulative mortality to generate accurate predictions. The benefit is that life expectancy is more intuitive for patients and provides a more complete picture than mortality risk at a single time.
Our model had better discrimination among females, who were approximately 3% of the study sample, compared to males. We believe this may be due to the fact that women in our VA population were substantially younger than men (mean age 63 vs. 68 for men). Previous studies have shown that measures of discrimination are higher for mortality indexes in younger populations compared to older populations.41 Ultimately, it is reassuring that the model performs well in women, even though they were only 3% of the data, suggesting that our life expectancy predictions can be used to target breast cancer screening.
Consistent with other mortality prediction tools, we did not incorporate race/ethnicity into our life expectancy calculator.12,14,16 While non-white individuals tend to have shorter life expectancies,29,30 prediction algorithms incorporating race/ethnicity may perpetuate and exacerbate existing disparities and racism in the medical system.31 However, excluding race/ethnicity from algorithms can still lead to racially biased models,42 and machine learning approaches may be particularly prone to encode racial/ethnic bias in the healthcare system.43–45 We took numerous steps to minimize potential racial bias, including manual variable cleaning and specification (e.g., assigning all laboratory values to one of five categories). We welcome the development of “algorithmic stewardship” that will advance the equitable development and use of prediction tools in clinical medicine.46,47
(دقت کنید که این بخش از متن، با استفاده از گوگل ترنسلیت ترجمه شده و توسط مترجمین سایت ای ترجمه، ترجمه نشده است و صرفا جهت آشنایی شما با متن میباشد.)
بحث
ما یک ماشین حساب پیش‌بینی امید به زندگی را با استفاده از داده‌های ساخت‌یافته از VA EHR ایجاد و اعتبارسنجی کردیم. مدل نهایی ما شامل 93 پیش بینی و دارای iAUC 0.816 بود. همانطور که انتظار می رفت، بیماری ها و جمعیت شناسی قوی ترین عوامل ایجاد تبعیض بالا بودند. مدل ما کالیبراسیون خوبی را به طور کلی و در بین زیر گروه‌های جمعیتی نشان داد. ماشین حساب امید به زندگی ما در مقایسه با سایر ابزارهای خطر مرگ و میر درازمدت عمل می کند که دارای آمار C در حدود 0.8،12-14،16،39 بودند، اما دو تفاوت قابل توجه دارند. اول، سالهای زندگی ما)؛ 39،40 تنها تعداد کمی خطر مرگ و میر 10 ساله را پیش بینی می کنند، که برای غربالگری سرطان مورد نیاز است. 13،16،18 از سایر شاخص ها، تنها شاخص لی امید به زندگی را پیش بینی می کند. پیش‌بینی دشوار است زیرا برای ایجاد پیش‌بینی‌های دقیق به زمان پیگیری طولانی و مرگ و میر تجمعی نسبتاً بالایی نیاز دارد. مزیت این است که امید به زندگی برای بیماران شهودی تر است و تصویر کامل تری نسبت به خطر مرگ و میر در یک زمان ارائه می دهد.
مدل ما در میان زنان، که تقریباً 3 درصد از نمونه مورد مطالعه را تشکیل می‌دادند، در مقایسه با مردان، تبعیض بهتری داشت. ما معتقدیم که این ممکن است به دلیل این واقعیت باشد که زنان در جمعیت VA ما به طور قابل‌توجهی جوان‌تر از مردان بودند (میانگین سن 63 در مقابل 68 سال برای مردان). مطالعات قبلی نشان داده اند که معیارهای تبعیض برای شاخص های مرگ و میر در جمعیت های جوان تر در مقایسه با جمعیت های مسن تر است. پیش‌بینی انتظار می‌تواند برای هدف قرار دادن غربالگری سرطان پستان استفاده شود.
عنوان مقاله:
تعیین اثرات مولکولی و مسیرهای مشترک در بافت‌های مغزی اختلال طیف اوتیسم: بینش‌هایی از رویکرد جامع بیوانفورماتیک
Determination of molecular signatures and pathways common to brain tissues of autism spectrum disorder: Insights from comprehensive bioinformatics approach
سال انتشار: 2022
رشته: پزشکی
گرایش: ژنتیک پزشکی - مغز و اعصاب - انفورماتیک پزشکی
دانلود رایگان این مقاله:
دانلود مقاله اختلال طیف اوتیسم
مشاهده سایر مقالات جدید:
4. Discussions
ASD is a complicated and medically diverse condition distinguished by a wide range of symptoms. Doctors, educators, and support organizations all around the world have documented substantial growth in the number of children diagnosed with ASD. Despite extensive study, molecular signatures and pathways of this disorder remained unclear, hence the number of ASD sufferers is expanding bit by bit [83]. While ASD mostly impacts the operation of the brain, notably its effects on social functionality and comprehension, we do not know the full extent to which other organisms and processes are affected by it. The published studies have revealed extensive alterations both in systemic and intracellular immune systems of children with autism [36]. ASD brain samples show evidence of severe, continuing inflammation, as well as changes in immunological transmission of gene pathways. Furthermore, several genetic investigations have found a connection between autism and genes involved in both the neurological and immunological systems [84]. Both systems can be affected by the changes in these pathways. To discover these pathways and molecular signatures that might serve as possible treatment targets or biomarkers for ASD, we analyzed regulatory patterns, molecular key pathways, PPI interactions, TFs-DEGs interactions, miRNAs-DEGs interactions to look at differential gene expression of this disorder.
We worked with differentially expressed genes which were common between the two datasets. From there, we identified some substantial GO terms in the biological process including cellular response to type I interferon, negative regulation of cellular protein, and atrioventricular valve morphogenesis. These were the top GO terms. The synthesis of type I interferon is a frequent cellular response to viral infections and connects to a common, heterodimeric cellular receptor and triggers the production of antibodies through signaling pathways [85,86]. Then, negative regulation of cellular protein can appear under different types of physiological complications [87]. The atrioventricular valves divide atria and ventricles from each other and control blood flow during the heart pump [88]. Then in the section of cellular component, we determined the major GO terms which were an integral component of the plasma membrane and MHC class I protein complex. Here, plasma membrane functions like power and metabolic capacitor [89], and MHC class I protein complex functions effectively in the immune response [90]. Moreover, the most important molecular activities in the DEGs were delayed rectifier potassium channel activities, activities of voltage-gated cation channels, and alpha-adrenergic receptor activity. Mutations in the potassium channel might play a pivotal part in ASD etiology [91]. It is proven that genes associated with voltage-gated cation channel activity have been linked to different types of neurodevelopmental disorder [92]. Furthermore, alpha-adrenergic receptors are commonly utilized as a stimulant to boost the stimulant's effectiveness [93]. It controls the neurotransmission process and central nervous system by engaging and stimulating norepinephrine and epinephrine hormones [94].
On the other hand, we also identified KEGG and Reactome pathways. Pathway studies demonstrate how the organism reacts to its intrinsic changes. Pathway analysis is a model approach for illustrating the interplay of multiple illnesses via fundamental molecular or biological mechanisms. To find out a systematic investigation of genetic functions, the KEGG pathway database can hold a higher level of functional information [95]. Again, the Reactome pathway connects human proteins to their molecular activities. It enables the creation of a resource that serves as both a repository for living organisms as well as a technique for identifying unanticipated functional connections in datasets like gene regulation surveys [96]. The KEGG pathway analysis revealed the majority of the pathways were associated with Epstein-Barr virus infection, oxidative phosphorylation, and natural killer cell-mediated cytotoxicity. The Epstein-Barr virus is a human pathogen. It is one of the most prevalent viruses. This viral infection can cause cerebellitis encephalitis, radiculopathy, meningitis, and other brain disorders [97].
(دقت کنید که این بخش از متن، با استفاده از گوگل ترنسلیت ترجمه شده و توسط مترجمین سایت ای ترجمه، ترجمه نشده است و صرفا جهت آشنایی شما با متن میباشد.)
4. بحث و گفتگو
ASD یک بیماری پیچیده و متنوع از نظر پزشکی است که با طیف گسترده ای از علائم متمایز می شود. پزشکان، مربیان و سازمان های حمایتی در سراسر جهان رشد قابل توجهی در تعداد کودکان مبتلا به ASD ثبت کرده اند. علیرغم مطالعه گسترده، امضاهای مولکولی و مسیرهای این اختلال نامشخص باقی مانده است، از این رو تعداد مبتلایان به ASD ذره ذره در حال افزایش است [83]. در حالی که ASD بیشتر بر عملکرد مغز تأثیر می گذارد، به ویژه تأثیرات آن بر عملکرد و درک اجتماعی، ما نمی دانیم که تا چه حد سایر ارگانیسم ها و فرآیندها تحت تأثیر آن قرار می گیرند. مطالعات منتشر شده تغییرات گسترده ای را در سیستم ایمنی سیستمیک و درون سلولی کودکان مبتلا به اوتیسم نشان داده است [36]. نمونه های مغز ASD شواهدی از التهاب شدید و مداوم و همچنین تغییرات در انتقال ایمونولوژیک مسیرهای ژنی را نشان می دهد. علاوه بر این، چندین تحقیق ژنتیکی ارتباط بین اوتیسم و ژن‌های دخیل در هر دو سیستم عصبی و ایمنی را پیدا کرده‌اند [84]. هر دو سیستم می توانند تحت تأثیر تغییرات این مسیرها قرار گیرند. برای کشف این مسیرها و امضاهای مولکولی که ممکن است به عنوان اهداف درمانی یا نشانگرهای زیستی احتمالی برای ASD عمل کنند، الگوهای تنظیمی، مسیرهای کلیدی مولکولی، برهمکنش‌های PPI، برهمکنش‌های TFs-DEGs، برهمکنش‌های miRNAs-DEGs را برای بررسی بیان ژن‌های متفاوت این اختلال تجزیه و تحلیل کردیم.
ما با ژن‌های متفاوتی که بین دو مجموعه داده مشترک بودند کار کردیم. از آنجا، ما برخی از اصطلاحات قابل توجه GO را در فرآیند بیولوژیکی از جمله پاسخ سلولی به اینترفرون نوع I، تنظیم منفی پروتئین سلولی و مورفوژنز دریچه دهلیزی شناسایی کردیم. اینها بهترین اصطلاحات GO بودند. سنتز اینترفرون نوع I یک پاسخ سلولی مکرر به عفونت های ویروسی است و به یک گیرنده سلولی هترودیمری مشترک متصل می شود و باعث تولید آنتی بادی ها از طریق مسیرهای سیگنالینگ می شود [85،86]. سپس، تنظیم منفی پروتئین سلولی می تواند تحت انواع مختلف عوارض فیزیولوژیکی ظاهر شود [87]. دریچه‌های دهلیزی، دهلیزها و بطن‌ها را از یکدیگر تقسیم می‌کنند و جریان خون را در طول پمپ قلب کنترل می‌کنند [88]. سپس در بخش اجزای سلولی، اصطلاحات اصلی GO را که جزء جدایی ناپذیر غشای پلاسمایی و کمپلکس پروتئین کلاس I MHC بودند، تعیین کردیم. در اینجا، غشای پلاسما مانند قدرت و خازن متابولیک [89] و کمپلکس پروتئین کلاس I MHC به طور موثر در پاسخ ایمنی عمل می کند [90]. علاوه بر این، مهم‌ترین فعالیت‌های مولکولی در DEGs، فعالیت‌های کانال پتاسیم یکسوکننده تاخیری، فعالیت کانال‌های کاتیونی دارای ولتاژ و فعالیت گیرنده آلفا آدرنرژیک بود. جهش در کانال پتاسیم ممکن است نقش مهمی در علت ASD ایفا کند [91]. ثابت شده است که ژن‌های مرتبط با فعالیت کانال کاتیونی با ولتاژ با انواع مختلف اختلالات رشد عصبی مرتبط هستند [92]. علاوه بر این، گیرنده های آلفا آدرنرژیک معمولاً به عنوان یک محرک برای افزایش اثربخشی محرک استفاده می شوند [93]. فرآیند انتقال عصبی و سیستم عصبی مرکزی را با درگیر کردن و تحریک هورمون های نوراپی نفرین و اپی نفرین کنترل می کند [94].
عنوان مقاله:
هوش مصنوعی در دانش قلب شناسی (کاردیولوژی)
Artificial Intelligence in Cardiology
سال انتشار: 2018
رشته: مهندسی کامپیوتر - پزشکی
گرایش: هوش مصنوعی - انفورماتیک پزشکی - قلب و عروق
دانلود رایگان این مقاله:
دانلود مقاله هوش مصنوعی در قلب شناسی
مشاهده سایر مقالات جدید:
