فهرست مطالب

مجله انفورماتیک سلامت و زیست پزشکی
سال پنجم شماره 4 (پیاپی 18، زمستان 1397)

  • تاریخ انتشار: 1397/12/28
  • تعداد عناوین: 8
|
  • پرویز رشیدی خزاعی، جمشید باقرزاده، زهرا نیازخانی، حبیباللهپیرنژاد صفحات 423-434
    مقدمه
    به کارگیری موفقیت آمیز سیستم های تصمیم یار پزشکی مبتنی بر دانش در حوزه مراقبت از بیماران پیوند کلیه می تواند در اتخاذ بهترین تصمیمات ممکن، کاهش هزینه و افزایش کیفیت مراقبت موثر واقع شود. در این بین، علاوه بر چالش های به کارگیری آن ها در حیطه مراقبت های بیماران مزمن ، عدم وجود ساختار معماری مناسب چالشی است که به مرور زمان برجسته تر می گردد؛ لذا مطالعه حاضر با هدف پیشنهاد معماری مناسب برای این سیستم ها در حوزه پیوند کلیه انجام گردید.
    روش
    در این مطالعه موردی، از تجربه به دست آمده در طراحی سیستم مدیریت پیوند کلیه ارومیه استفاده شد و سپس با در نظر گرفتن زمینه های اصلی کاربرد این سیستم ها در حوزه پیوند کلیه و چالش های به کارگیری آن ها، ساختار معماری مناسبی برای آن ها با بهره گیری از آخرین پیشرفت ها درحوزه فناوری های توسعه نرم افزار در قالب میکروسرویس ها پیشنهاد شد.
    نتایج
    به ازای هر عملکرد مستقل این سیستم در حوزه پیوند کلیه، سه سرویس جداگانه جمع آوری داده ها، ساخت مدل بهینه و به کارگیری آن پیشنهاد شد. این سرویس ها با اجرا بر روی بسترهای فراهم شده می توانند به درخواست های مختلف کاربران پاسخ داده، دانش و اطلاعات مناسبی را تولید و در اختیار آنان قرار دهند.
    نتیجه گیری
    با بهره برداری از این ساختار، تیم های پزشکی و تحقیقاتی مختلف در سراسر کشور قادر خواهند بود فقط بر روی ساخت یک عملکرد خاص متمرکز شده و آن را به بهترین شکل ممکن انجام دهند. این ساختار پیشنهادی توسعه پذیر و مقیاس پذیر بوده و قادر است علیرغم افزایش حجم و نوع داده ها، افزایش کاربران و تعداد درخواست ها به راحتی پاسخگو باشد.
    کلیدواژگان: سیستم های تصمیم یار پزشکی، پیوند کلیه، میکروسرویس، معماری نرم افزار
  • سمیرا نوفرستی، نرگس شمشادی نژاد*، فاطمه حیدری صفحات 435-446
    مقدمه

    کم خونی، فقرآهن یکی از شایع ترین انواع کم خونی است که تشخیص افتراقی اصلی آن بتا-تالاسمی مینور می باشد. غربالگری سریع و دقیق بتا-تالاسمی مینور جهت مشاوره پزشکی قبل از ازدواج و جلوگیری از تولد نوزادان مبتلا به بتا-تالاسمی ماژور و تمایز آن از فقرآهن برای پیشگیری از تجویز نابه جای آهن برای درمان بتا-تالاسمی مینور از اهمیت ویژه ای برخوردار است. هدف مطالعه حاضر به کارگیری تکنیک های داده کاوی جهت افتراق فقر آهن از بتا-تالاسمی مینور بر اساس آزمایش های CBC به منظور افزایش سرعت تشخیص و کاهش هزینه های تشخیصی است.

    روش

    پژوهش حاضر از نوع گذشته نگر و بر روی داده های 1000 بیمار در آزمایشگاه دکتر حیدری شهرستان زاهدان انجام گرفت. برای انجام تحقیق از روش استاندارد CRISP-DM و الگوریتم های داده کاوی ماشین بردار پشتیبان، بیزین ساده، بگینگ، آدابوست و درخت تصمیم استفاده شد. برای تحلیل داده ها نرم افزار Weka به کار رفت.

    نتایج

    نتایج ارزیابی های انجام گرفته نشان می دهد که الگوریتم های بگینگ، درخت تصمیم، آدابوست، ماشین بردار پشتیبان و بیزین ساده در افتراق فقر آهن از بتا-تالاسمی مینور به ترتیب به دقت 95/73، 95/5، 94/6، 80/2، 76/6 درصد دست یافته اند.

    نتیجه گیری

    در این تحقیق روشی خودکار مبتنی بر تکنیک های داده کاوی برای افتراق فقر آهن از بتا-تالاسمی مینور ارائه شد. نتایج ارزیابی ها نشان می دهد که الگوریتم بگینگ در افتراق فقر آهن از بتا-تالاسمی مینور به دقت بالاتری در مقایسه با سایر الگوریتم های داده کاوی و شاخص های افتراقی دست یافت. همچنین به کمک درخت تصمیم ایجاد شده، قوانینی استخراج شده اند که می توانند در تشخیص به موقع دو بیماری مذکور توسط پزشک مورد استفاده قرار گیرند.

    کلیدواژگان: فقر آهن، بتا-تالاسمی مینور، تشخیص افتراقی، داده کاوی، الگوریتم یادگیری جمعی بگینگ
  • علیرضا خسروی، سید امین حسینی سنو صفحات 447-456
    مقدمه
    تعداد افراد سالمندی که نیاز به کمک در رفتارهای روزمره خود دارند به سرعت در حال افزایش است. بیماری زوال عقل یکی از مهم ترین علل ناتوانی در سالمندان است که شیوع آن هزینه های بسیار بالایی بر جوامع بشری تحمیل کرده است. هدف این تحقیق استفاده از فناوری خانه هوشمند برای نظارت بر رفتار سالمند، شناسایی رفتارهای غیرعادی و کشف علائم اولیه بیماری زوال عقل قبل از وقوع بیماری است. تشخیص زودهنگام بیماری زوال عقل در مراحل اولیه می تواند باعث بهبود بالا در درمان آن و منجر به تاخیر بیماری شود.
    روش
    این مقاله از نوع کاربردی و به روش توصیفی- تحلیلی انجام شد و با استفاده از تکنیک های یادگیری ماشین، رفتار های غیرعادی و علائم اولیه بیماری زوال عقل تشخیص داده شد. برای تشخیص رفتارهای غیرعادی از الگوریتم kmedoide و برای بررسی کیفیت خواب به عنوان علائم اولیه بیماری زوال عقل، از پرسشنامه معتبر PSQI و برای پیاده سازی از نرم افزار Matlab نسخه 2012 استفاده شد.
    نتایج
    نتایج در بخش رفتارهای غیرعادی نشان می دهد الگوریتم های خوشه بندی کارآیی بالایی در تشخیص رفتارهای غیرعادی در خانه هوشمند داشته و همچنین نتایج در بخش بررسی علائم اولیه منجر به تشخیص خواب ضعیف فرد سالمند در پرسشنامه PSQI به عنوان علائم اولیه بیماری زوال عقل گردید.
    نتیجه گیری
    با استفاده از فناوری سیستم تحت نظارت خانه هوشمند می توان رفتار سالمندان را تشخیص داد. رفتارهای غیرعادی آن ها را شناسایی کرد و علائم اولیه بیماری هایی نظیر زوال عقل را کشف نمود.
    کلیدواژگان: خانه هوشمند، یادگیری ماشین، الگوریتم خوشه بندی، تشخیص رفتار غیرعادی، بیماری زوال عقل
  • سیده راحیل موسوی، محمد مهدی سپهری صفحات 457-468
    مقدمه
    بیماری‏های قلبی- عروقی در حال تبدیل‏شدن به اصلی‏ترین عامل مرگ ومیر و ناتوانی بشر در اغلب کشورهای دنیا هستند. هدف از انجام این پژوهش، پیش‏بینی انواع بیماری‏های قلبی جهت تشخیص دقیق‏تر به وسیله تکنیک‏های داده‎‏کاوی و شبکه عصبی می‏باشد.
    روش
    این پژوهش به صورت کاربردی-پیمایشی انجام و پس از پیش‏پردازش داده‏ها از سه رویکرد شبکه عصبی، درخت تصمیم‏گیری و الگوریتم ساده بیزی برای پیش‏بینی و تشخیص در نرم افزار Rapid miner و از مدل شبکه عصبی مصنوعی برای پیش‏بینی در نرم‏افزار Matlab استفاده شد.
    نتایج
    از الگوریتم ژنتیک برای انتخاب متغیرهای موثر و برای پیش‏بینی انواع بیماری قلبی، در داده‏کاوی از مدل‏های شبکه عصبی مصنوعی، درخت تصمیم‏گیری و الگوریتم ساده بیزی استفاده شد. همچنین از مدل AHP برای تعیین مدل با بهترین عملکرد پیش‏بینی انواع بیماری‏های قلبی استفاده شد.
    نتیجه گیری
    شبکه عصبی عملکرد بسیار بهتری نسبت به مدل‏های داده‏کاوی دیگر ارائه‏ شده در تشخیص انواع بیماری‏های قلبی در این پژوهش دارد. همچنین در تشخیص بیماری به وسیله شبکه عصبی مصنوعی، مدل با دقت بالای 80 درصد، خوب و مورد قبول واقع شد.
    کلیدواژگان: داده کاوی، شبکه عصبی، درخت تصمیم، بیماری قلبی، تشخیص
  • بهاره جاوید، فرانک فتوحی قزوینی، فهیمه سادات ذاکری صفحات 469-480
    مقدمه
    بیماری دیابت از جمله بیماری هایی است که در جوامع امروزی رشد بسیار زیادی داشته است. افراد مبتلا به دیابت بایستی به صورت مستمر قند خون خود را اندازه گیری نمایند. در روش های متداول اندازه گیری قند خون، اندازه گیری مستمر قند خون دردناک و سخت می باشد. از طرفی برای دسترسی هر چه بیشتر بیماران به پزشک و برخورداری از خدمات پزشکی از راه دور، تلفن همراه می تواند ابزاری مفید در این زمینه باشد. هدف این پژوهش ارائه یک سیستم مراقبت پزشکی برای نظارت سیار بر بیماری دیابت می باشد.
    روش
    این مطالعه یک مطالعه کاربردی است و سیستم ارائه شده شامل یک حسگر غیرتهاجمی برای اندازه گیری قند خون با استفاده از روش طیف سنجی مادون قرمز نزدیک و یک برنامه کاربردی اندروید است. برای ارزیابی سیستم آزمایش هایی بر روی محلول گلوکز و بر روی بدن انجام شد. در این آزمایش ها هم حالت عبور و هم حالت بازتاب بررسی شدند.
    نتایج
    نتایج نشان داد با افزایش غلظت گلوکز در حالت عبور ولتاژ خروجی سنسور افزایش و در حالت بازتاب کاهش می یابد. در آزمایش های روی بدن و میانگین درصد خطا در حالت عبور 34/14 و در حالت بازتاب 35/9 به دست آمد. همچنین در این مطالعه بررسی ها نشان دادند در صورت استفاده ترکیبی از حالات اندازه گیری عبور و بازتاب نتایج بهتری به دست می آید. در این حالت میانگین درصد خطا 8/27 و خطای جذر میانگین مربعات، 18/52میلی گرم بر دسی لیتر به دست آمد.
    نتیجه گیری
    در نهایت می توان گفت روش طیف سنجی مادون قرمز نزدیک می تواند در آینده به عنوان جایگزینی برای روش های تهاجمی اندازه گیری قند خون مورد استفاده قرار بگیرد. همچنین با استفاده از تلفن همراه می توان خدمات پزشکی از راه دور را به بیماران دیابتی ارائه نمود.
    کلیدواژگان: پزشکی از راه دور، گلوکز خون، طیف سنجی مادون قرمز نزدیک، برنامه کاربردی اندروید، دیابت
  • زهرا قنبری، محسن یوسفی نژاد، نیما جعفری نویمی پور، مهدی حسین زاده * صفحات 481-494
    مقدمه

    واکسن آنفولانزا یکی از چالش های بحث برانگیز در جوامع امروزی است. با توجه به اهمیت استفاده از واکسن آنفولانزا در پیشگیری از انتشار ویروس آنفولانزا و شبکه اجتماعی توییتر به عنوان منبع غنی داده ای، شرایط مناسبی برای پژوهش در این زمینه فراهم است تا به بررسی نگرش افراد مختلف پرداخت. این پژوهش از یکسو به مقامات بخش سلامت کمک می کند تا با آگاهی از نگرش افراد نسبت به واکسن آنفولانزا بتوانند تصمیمات جامع تری در برنامه های بلندمدت سازمان های سلامتی اتخاذ نمایند و از سوی دیگر مورد توجه داده کا وان می باشد.

    روش

    در این پژوهش مروری در بازه حدودا یک ماهه 1.220.539 توییت از شبکه اجتماعی توییتر جمع آوری شد و با استفاده از نرم افزار ملت خوشه بندی شد. دسته بندی کاربران و جداسازی توییت ها با تقریب مناسب انجام شد، سپس به تحلیل محتوایی و احساسات توییت های انتخابی و بررسی موقعیت مکانی توییت کنندگان پرداخته شد.

    نتایج

    تحلیل احساسات توییت ها نشان می دهد که 76/28 درصد از توییت ها دارای بار مثبت، 1/08 درصد خنثی و 19/68 درصد دارای بار منفی است که بیانگر نگرش مثبت نسبت به واکسن آنفولانزا است. بررسی موقعیت مکانی توییت کنندگان نشان می دهد که بالاترین نرخ ارسال توییت متعلق به کشورهای کانادا، انگلیس و آمریکا است و کشورهای آسیایی و به طور خاص ایران درصد بسیار کمی از آن را به خود اختصاص داده اند.

    نتیجه گیری

    بالاترین نرخ ارسال توییت های موافق مربوط به گروه افراد عادی و سپس سازمان ها و گروه های مرتبط با حوزه سلامتی و اخبار بود که نشان دهنده پذیرش جهانی واکسن آنفولانزا و موفقیت سازمان های بهداشت جهانی در مورد واکسیناسیون می باشد.

    کلیدواژگان: آنفولانزا، واکسن سرماخوردگی، شبکه اجتماعی، توییتر
  • مریم خراسانی، شیرین شهبازی، رضا مهدیان صفحات 495-506
    مقدمه
    با توجه به محدودیت های تست تشخیصی رایج سرطان پروستات، معرفی بیومارکرهای با ویژگی بالاتر جهت تشخیص دقیق تر و به هنگام سرطان پروستات مورد توجه می باشد. هدف از انجام این مطالعه، بررسی بیوانفورماتیکی خانواده miR-200 (miR-200a, miR-200b, miR-200c, miR-141, miR-429) و پیش بینی هدف های ژنی این خانواده، جهت بررسی بیشتر تحت عنوان بیوماکر تشخیصی بود.
    روش
    این تحقیق از نوع تئوری و بر پایه بررسی بیوانفورماتیکی میکرو RNA بود که به منظور جستجوی ژن های هدف خانواده miR-200 در مسیرهای سیگنالینگ شناخته شده در پاتوژنز سرطان پروستات از پایگاه DIANA TOLLS-mirPath v.3 استفاده شد. سپس به تایید ژن های معرفی شده توسط ابزارهای پیشگویی کننده آنلاین مانند MiRWalk, Targetscan, RNAhybrid, پرداخته شد. در انتها نقش عملکردی ژن های هدف معرفی شده توسط پایگاه بیوانفورماتیک DAIVID بررسی شد.
    نتایج
    با توجه به نتایج حاصل از این بررسی ژن E2F3 هدف مشترک تمام اعضای خانواده miR-200 است، BCL2 به عنوان هدف مشترک miR-200b/c/429 و CCNE2 به عنوان هدف مشترک miR-200a/141 بودند. همچنین miR-200c با هدف قرار دادن CDKN1B و miR-429 با هدف قرار دادن KRAS می تواننند در ایجاد سرطان پروستات مداخله کنند.
    نتیجه گیری
    نتایج حاصل از این مطالعه نشان داد که اعضای خانواده miR-200 با هدف قرار دادن ژن های دخیل در پروسه های بیولوژیکی مهم و مسیرهای مولکولی دخیل در پاتوژنز سرطان پروستات احتمالا می توانند تحت عنوان بیومارکر تشخیصی در مطالعات آتی مورد بررسی بیشتر قرار بگیرند.
    کلیدواژگان: سرطان پروستات، خانواده miR-200، پیشبینی بیوانفورماتیک
  • حسین رفعتی، یاسمین مولوی طالقانی * صفحات 507-519
    مقدمه

    پزشکی از راه دور به عنوان جزء لاینفک مدیریت خدمات بهداشتی- درمانی و مدیریت سیستم های اطلاعات بهداشتی و درمانی است؛ بنابراین این مطالعه با هدف مرور مطالعات در رابطه با اهداف و کاربردهای پزشکی از راه دور در کشورهای مختلف و ارائه پیشنهاد برای نظام سلامت ایران انجام شد.

    روش

    این مطالعه مروری نظام مند، با بهره گیری از کلید واژه های فارسی « پزشکی از راه دور»، «سلامت الکترونیک»، «سلامت از راه دور»، «مراقبت سلامت»، «سسیستم»، «تکنولوژی و برنامه» و کلید واژه های انگلیسی "tele medicine"، "electronic health" ،"tele health"، "health care"، "system" ،"technology"، "program"، "tele medical" در پایگاه های اطلاعاتی موجود در کتابخانه ملی دیجیتال پزشکی ایران در بازه زمانی سال 2000 تا 2017 انجام شد.

    نتایج

    پس از اعمال معیارهای ورود و ارزیابی کیفیت مطالعات، تعداد 70 مقاله انتخاب شد. مبهم بودن زیر ساختار فناوری اطلاعات، مشکل فرهنگ سازی و آموزش، تغییرات سریع مدیران، ناتوانی در جذب نیروی متخصص و ماهر فناوری اطلاعات، نبودن ساز و کار مشخص برای تامین منابع مالی نظام سلامت الکترونیک و عدم تدوین استانداردهای فنی، به عنوان موانع عمده استقرار سلامت الکترونیک در کشور ایران شناخته شدند.

    نتیجه گیری

    پزشکی از راه دور در صورتی در کشور ایران از فاز پایلوت خارج و وارد جریان اصلی پایدار می گردد که مقرون به صرفه باشد. پیشنهاد می شود، توجه کافی توسط متولیان نسبت به مسائلی چون تخصیص دادن بودجه کافی، آشنا نمودن مسئولین با الزامات زیر ساختی و ایجاد انگیزش و حس همکاری با استفاده از جلسات توجیهی و آموزشی انجام گردد.

    کلیدواژگان: پزشکی از راه دور (تله مدیسین)، سلامت از راه دور، سلامت الکترونیک، فناوری اطلاعات
|
  • Parviz Rashidi Khazaee, Jamshid Bagherzadeh, Zahra Niazkhani, Habibollah Prinejad Pages 423-434
    Introduction
    Development and successfully implementation of knowledge based clinical decision support system (KBCDSS) in kidney transplantation (KT) could support decision-making, reduce cost and improve quality of care. For practical use of these systems, however, many challenges have to be met. Besides to well-recognized challenges of design and implementation of information systems in healthcare domain, designing an appropriate architecture for KBCDSS that can address requirements of complex and multidisciplinary chronic care, is a new growing challenge.
    Method
    This case study was done based on the experience achieved in design of kidney transplantation management system in Urmia. Then, considering main applications and challenges of development and implementation of KBCDSS in Kidney transplantation and using the latest advancements in software technology field, appropriate software architecture based on micro-services has been proposed.
    Results
    For each function (process) of the KBCDSS, three different micro-services of data gathering, optimal model designing and its application were proposed. These services, through implementation on provided backgrounds, can respond to different requests of patients and provide them with adequate knowledge and information.
    Conclusion
    Use of this architecture makes it possible for different research teams with different skills and knowledge throughout the country to focus on designing a specific function and doing it in a best way. The proposed architecture can be extended and scaled. Moreover, in spite of increase in size and type of data, users and requests, it can respond well.
    Keywords: Decision Support Systems, Clinical, Kidney Transplantation, Microservices, Software Architecture
  • Samira Noferesti, Narges Shemshadi Nejad, Fatemeh Heydari Pages 435-446
    Introduction

    One of the most common types of anemia is Iron deficiency anemia that its main differential diagnosis is β-thalassemia minor. The rapid and accurate screening of β-thalassemia minor has particular importance for pre-marriage medical counseling and the prevention of the birth of neonates with β-thalassemia major and differentiating it from iron deficiency anemia to avoid unnecessary prescription of iron. The aim of this study was to apply data mining techniques to differentiate iron deficiency anemia from β-thalassemia minor based on CBC test in order to increase the diagnostic speed and to reduce diagnostic costs.

    Method

    The present study was a retrospective study and was performed on 1000 patients referred to Dr. Heidari laboratory of Zahedan city. To conduct research, CRISP-DM standard methodology and support vector machine data mining algorithms, naive Bayes, Bagging, Adaboots and decision tree have been used. WEKA software was used to analyze the data.

    Results

    The results of the evaluations show that Bagging, Decision tree, Adaboots, support vector machine, and naive Bayes algorithms had respectively 95.73%, 95.5%, 94.6%, 80.2% and 76.6% accuracy in differentiating iron deficiency anemia from β-thalassemia minor.

    Conclusion

    In this study, an automatic method based on data mining techniques for differentiation of iron deficiency anemia from β-thalassemia minor is presented. The results of the evaluations show that Bagging algorithm has higher accuracy compared to other data mining algorithms and differential indices. Also, with the help of the decision tree, rules have been extracted that can be used by the physician in timely diagnosis of the two diseases.

    Keywords: Iron deficiency anemia, ?-thalassemia minor, Differential diagnosis, Data mining, Bagging ensemble learning algorithm
  • Alireza Khosravi, Amin Hosseini Seno Pages 447-456
    Introduction
    The number of elderly people who need help in their daily routines is increasing rapidly. Dementia is one of the most important causes of disability in elderly people and its outbreak has been a major burden on human societies. The purpose of this research was using intelligent home technology to monitor elderly behaviors, identify abnormal behaviors, and discover the initial signs of dementia before the onset of the disease. Early diagnosis of dementia at an early stage can lead to a high improvement in its treatment and delay the disease.
    Method
    In this applied, descriptive-analytic study, the abnormal behavior and early symptoms of dementia were identified using machine learning techniques.  The kmedoide algorithm was used to analyze abnormal behaviors and to assess the quality of sleep as the primary symptoms of dementia, the valid PSQI questionnaire was used. Matlab 2012 was used for implementation.
    Results
    The results in the abnormal behavioral section indicated that clustering algorithms have high efficacy in detecting abnormal behavior in smart home, and also results in early symptom examinations led to poor sleep recognition in the PSQI as a primary symptom of dementia.
    Conclusion
    The behavior of the elderly, their abnormal behavior and early signs of diseases such as dementia can be recognized using the technology of the system under the supervision of the smart home.
    Keywords: Smart Home, Machine Learning, Clustering Algorithm, Abnormal Behavior, Dementia
  • Raahil Mousavi Seyedeh, Mohammad Mehdi Sepehri Pages 457-468
    Introduction
    cardiovascular diseases are becoming the main cause of mortality and morbidity in most countries. This research goal was to predict the types of heart diseases for more accurate diagnosis by data mining and neural network technics.
    Method
    This research was an applied-survey study and after data preprocessing, three approaches of neural network, decision making tree and Bayes simple algorithm were used to predict and recognize in Rapidminer software and neural artificial network model was used for prediction in Matlab software.
    Results
    Genetic algorithm was used for selection of effective variables and neural artificial network models, decision making tree and Bayes simple algorithm were used to predict types of heart diseases in data mining. AHP model was used to determine a model with the best performance for predicting types of heart diseases.
    Conclusion
    Neural network had much better performance than other data mining models used to diagnose types of heart diseases in this research. Also, in detecting disease by artificial neural network, the model with accuracy of more than 80 percent was verified as good and acceptable
    Keywords: Data mining, Neural network, Decision tree, Heart disease, Diagnosis
  • Bahareh Javid, Faranak Fotouhi, Ghazvini, Fahimeh Sadat Zakeri Pages 469-480
    Introduction
    Diabetes mellitus is one of the diseases that have grown dramatically in today's societies. People with diabetes should continuously measure their blood glucose level. Continuous blood glucose measurement by commonly used methods is painful and difficult. On the other hand, mobile phone can be a useful tool for accessing physicians and telemedicine services more easily. The aim of this study was to provide a medical care system for mobile monitoring of diabetes.
    Method
    This study is an applied study and the proposed system includes a non-invasive sensor for measuring blood glucose using the near-infrared spectroscopy and an Android application. To evaluate the system, experiments were performed on glucose solution and on the body. In these experiments, both the transmittance and the reflectance modes were examined.
    Results
    It was observed that with increasing glucose concentrations, the output voltage of sensor increased in the transmittance mode and decreased in reflectance mode. When testing on the body, the mean error rate was 34.14 in the transmittance mode and 35.9 in the reflectance mode. The results indicated that by combining transmittance and reflectance modes, better results were obtained. In this case, the mean percentage of error was 8.27 and RMSE was 52.18mg/dl.
    Conclusion
    Finally, it can be inferred that near-infrared spectroscopy can be used in the future as an alternative for invasive methods in measuring blood glucose levels. There is also the possibility of providing remote medical services to diabetics using mobile phones.
    Keywords: Telemedicine, Blood Glucose, Near-infrared Spectroscopy, Android Application, Diabetes
  • Zahra Ghanbari, Mohsen Yousefi Nejad, Nima Jafari Navimipour, Mehdi Hosseinzadeh Pages 481-494
    Introduction

    The influenza vaccine is one of the controversial challenges in today's societies. Considering the importance of using the flu vaccine in preventing the spread of influenza virus, the Twitter network, as a rich source of data, provides suitable conditions for research in this field to examine the attitudes of different people about this vaccine. The results in one hand will help health authorities to make more comprehensive decisions on long-term health plans for people with an awareness of the attitude of individuals towards the flu vaccine; on the other hand, it is concerned with data miners.

    Method

    In this review study, approximately 1.220.539 tweets have been gathered from the Twitter social network during a one month period and have been clustered by using Mallet software. Categorizing users and separating tweets have done with an appropriate approximation. The content and sentiments of the selected tweets were analyzed and the locations of the users were checked.

    Results

    In sentiments analysis, 76.28% of the tweets had a positive weight, 1.87% was neutral, and 19.68% had negative weight, indicating a positive attitude about the influenza vaccine. The location of users showed the highest rate of sending tweets from Canada, Britain and the United States, and Asian countries, and in particular, Iran, had a very small percentage of it.

    Conclusion

    The highest rate of positive tweets were respectively sent by ‘individual’, ‘health’, and ‘organization’ groups indicating the global acceptance of the influenza vaccine and the success of the global health organizations on vaccination.

    Keywords: Social Network, Twitter, Influenza, Flu, Influenza vaccine
  • Maryam Khorasani, Shirin Shahbazi, Reza Mahdian Pages 495-506
    Introduction
    Considering the limitations of the common diagnostic test for prostate cancer prostate cancer, the introduction of higher-specific biomarkers for a more accurate and timely diagnosis of prostate cancer is desired. In this study, we aimed to investigate the miR-200 family (miR-200a, miR-200b, miR-200c, miR-141, and miR-429) and their target genes using bioinformatics prediction tools in order to propose potential diagnostic biomarkers for prostate cancer.
    Method
    In this theoretical study, based on bioinformatics study of micro RNA, the DIANA TOLLS-mirPath v.3 database was used to search the target genes of the miR-200 family in the signaling pathways known in prostate cancer pathogenesis. Then, we confirmed the suggested genes by the online predictive tools such as MiRWalk, Targetscan and RNAhybrid. Finally, the functional role of target genes was investigated on the DAIVID bioinformatics database.
    Results
    According to the results of this study, the E2F3 gene is the target of all family members of miR-200, BCL2 is the common target of miR-200b / miR-200c / miR-429 and CCNE2 is the common target of miR-200a / miR-141 subsets. Also, miR-200c and miR-429 can modulate the pathogenesis of prostate cancer by targeting CDKN1B and KRAS genes, respectively.
    Conclusion
    The results of this study showed that members of the miR-200 family targeting the genes involved in important biological processes and molecular pathways of prostate cancer pathogenesis are likely to be effective diagnostic biomarkers in future experimental studies.
    Keywords: Prostate cancer, miR-200 family, Bioinformatics
  • Hossein Rafati, Yasamin Molavi Taleghani Pages 507-519
    Introduction

    Telemedicine is considered as an integral part of the management of health care services and health information systems. This study aimed to review the studies on the goals and applications of telemedicine in different countries and to present a suggestion for the health system of Iran.

    Method

    In this systemic study using keywords of tele-medicine, electronic health، tele health, health care, system, technology, program and tele medical, the related studies in databases of Iranian National Medical Digital Library were reviewed from April 2000 to April 2017.

    Results

    After applying the entry criteria and evaluating the quality of the studies, 70 eligible papers were selected. The main identified obstacles to the establishment of electronic health in Iran were vagueness and complexity of the IT infrastructure, cultural and educational problems, frequent changes of managers, inability to attract skilled IT staff in the field of electronic health, lack of a specified mechanism for funding electronic health systems and failure to develop technical standards.

    Conclusion

    Telemedicine in Iran can transfer from the pilot phase to a stable major phase provided that it be cost-effective. Therefore, it is suggested that sufficient attention be paid by custodians to issues such as allocating adequate funding, raising the awareness of authorities regarding the necessary infrastructure requirements, and creating motivation and cooperation feeling using briefing and training sessions.

    Keywords: Telemedicine, Tele health, Electronic health, Information technology