فهرست مطالب

مجله انفورماتیک سلامت و زیست پزشکی
سال چهارم شماره 2 (پیاپی 12، تابستان 1396)

  • تاریخ انتشار: 1396/07/30
  • تعداد عناوین: 8
|
  • مریم ورزش نژاد، محبوبه نم نباتی، فریبا طالقانی صفحات 71-83
    مقدمه
    امروزه با توجه به توسعه روز افزون علم پرستاری و افزایش تقاضا برای بهبود و ارتقای کیفیت مراقبت های پرستاری، ضرورت تلفیق علم انفورماتیک با علم پرستاری، به جهت مدیریت صحیح اطلاعات پرستاری، بیش از پیش خود نمایی می کند؛ بنابراین مطالعه حاضر با هدف توسعه سیستم الکترونیک اطلاعات پرستاری به عنوان گامی در راستای تلفیق علم انفورماتیک با علم پرستاری ، انجام شد.
    روش
    مطالعه با استفاده از رویکرد اقدام پژوهی تکنیکی انجام شد. مراحل مطالعه شامل توسعه سیستم الکترونیک اطلاعات پرستاری، اجرا و ارزشیابی آن بود. سیستم در بخش مراقبت ویژه نوزادان با مشارکت پرستاران در سال 1395 اجرا شد. نتایج کمی ارزشیابی سیستم با استفاده از روش های آمار توصیفی و داده های کیفی حاصل از مصاحبه ها با استفاده از روش تحلیل محتوا و کد گذاری قراردادی مورد تجزیه و تحلیل قرار گرفت.
    نتایج
    نتایج پرسشنامه های رضایت سنجی حاکی از رضایت پرستاران از اجزا و کاربرد سیستم الکترونیک بود. سطح اطلاعات دارویی و اطلاعات مربوط به فرآیند پرستاری پرستاران نیز بعد از استفاده از سیستم افزایش یافت. تحلیل محتوای یافته های کیفی نیز منجر به استخراج طبقات اصلی ارتقاء کیفیت مراقبت ها، بهبود فرآیند مستندسازی، ارتقاء حرفه ای، آموزش و یادگیری مداوم، تلفیق تئوری و عمل در کاربرد فرآیند پرستاری، موانع انسانی و تجهیزاتی شد.
    نتیجه گیری
    نتایج مثبت مطالعه حاضر نشان داد که توجه به مواردی مثل طراحی سیستم الکترونیک بومی مبتنی بر نیازهای پرستاران و مشارکت فعال ذینفعان در همه مراحل انجام مطالعه، توانست گامی هرچند کوچک ولی موفق به سوی کاربرد موثر از علم انفورماتیک در علم پرستاری بردارد.
    کلیدواژگان: سیستم الکترونیک اطلاعات پرستاری، اقدام پژوهی، مراقبت ویژه نوزادان، پرستاری، انفورماتیک
  • مریم اقبالی زارچ، رضا توکلی مقدم، محمد مهدی سپهری، فاطمه اصفهانیان، امیر آذرون صفحات 84-97
    مقدمه
    ابتلا به بیماری دیابت و تاثیر آن بر روی عملکردهای فردی و اجتماعی بیماران، هزینه های بالایی برای جوامع ایجاد می کند. با کنترل قندخون بیماران دیابتی می توان از بروز عوارض ناگوار این بیماری جلوگیری نمود. مطالعه پیش رو با هدف بهینه سازی درمان دارویی بیماری دیابت نوع 2 انجام شده است.
    روش
    در این مطالعه کاربردی- پیمایشی، زمان بندی و توالی درمان های دارویی کنترل قندخون با رویکرد فرآیند تصمیم گیری مارکوف مدل می شود. برای نزدیکی مدل به واقعیت، مباحث هزینه ای، ارزش زمانی پول و تورم در نظر گرفته می شود تا درمان دارویی بیماری دیابت، به صورت اقتصادی برنامه ریزی شود. مصرف داروهای ضد دیابت، باعث بروز هایپوگلیسمی در بیماران دیابتی با سنین بالا می شود. از این رو، رویکرد پیشگیری از هایپوگلیسمی در سنین بالا، بر روی مدل پیشنهادی اعمال و تاثیر آن مورد تجزیه و تحلیل قرار داده شد. عملکرد مدل پیشنهادی و کارآیی سیاست بهینه حاصل، با گایدلاین های بالینی مورد مقایسه قرار گرفت. به منظور بررسی رفتار مدل، تجزیه و تحلیل حساسیت بر روی پارامترهای هزینه ای نیز صورت پذیرفته است.
    نتایج
    مدل پیشنهادی عملکرد بهتری نسبت به گایدلاین بالینی بیماری دیابت برای کنترل قندخون نشان داده است. مباحث هزینه ای بر روی برنامه درمانی تاثیرگذار بوده و لازم است که برای برنامه ریزی اقتصادی درمان دارویی بیماری دیابت لحاظ شود.
    نتیجه گیری
    با بهینه سازی تصمیم های درمان دارویی بیماری دیابت می توان نه تنها دوره عمر با کیفیت بیماران را بهبود بخشید، بلکه از هزینه های بالای آن بر روی نظام سلامت کشورها جلوگیری نمود.
    کلیدواژگان: تصمیم گیری درمان پزشکی، دیابت نوع 2، هایپوگلیسمی، بهینه سازی، فرآیند تصمیم مارکوف
  • نجمه ناظری، سارا دری، علیرضا آتشی صفحات 98-107
    مقدمه
    امروزه استفاده از فناوری اطلاعات در آموزش به جهت برخورداری از مزایای بسیار از جمله امکان استفاده در هر زمان و مکان، از مهم ترین اهداف بسیاری از موسسات آموزشی در سراسر جهان و ایران می باشد. جهاد دانشگاهی واحد علوم پزشکی تهران به عنوان یکی از برگزارکنندگان دوره های آموزشی تخصصی، اقدام به برگزاری برخی دوره های آموزشی الکترونیکی نموده است. در این پژوهش سعی داشتیم که نقش هر یک از عوامل موثر در آموزش الکترونیکی را در میزان موفقیت این نوع آموزش مورد بررسی قرار دهیم.
    روش
    در این پژوهش توصیفی میزان تاثیر هریک از این شش عامل از دیدگاه چهار گروه از شرکت کنندگان دوره ها، اساتید، کارکنان و مدیران جهاد دانشگاهی، با استفاده از پرسشنامه محقق ساخته شامل 39 سوال در مقیاس لیکرت، در سال تحصیلی 90-1389 مورد بررسی قرار گرفته است. پرسشنامه از طریق پست الکترونیک برای 420 نفر ارسال شد و در مجموع 188 نفر در این پژوهش مشارکت کردند. داده های جمع آوری شده با استفاده از نرم افزار SPSS و روش های آمار توصیفی و استنباطی تحلیل شدند.
    نتایج
    نتایج به دست آمده از دیدگاه چهار گروه مشارکت کننده بیانگر اهمیت بالای کلیه عوامل مورد بررسی در پژوهش به ترتیب مدیریت، محتوای آموزشی، امکانات مورد نیاز، یاد دهنده، قوانین و مقررات و یادگیرنده می باشد.
    نتیجه گیری
    هرچند که تفاوت بین عوامل موثر ناچیز است؛ اما همت مضاعف مسئولان در برطرف کردن کاستی های و نقاط ضعف سه عامل اصلی و موثر مدیریت، محتوای آموزشی و امکانات مورد نیاز در موفقیت آموزش الکترونیک مورد نیاز است.
    کلیدواژگان: یادگیری الکترونیکی، آموزش الکترونیکی، عوامل موفقیت
  • رضا اسماعیلی گوهری، الهام اسماعیلی گوهری، مهدی شفیعی صفحات 108-121
    مقدمه
    با شروع فصل تابستان، بیماری بین انسان و حیوان، یعنی تب کریمه کنگو به سرعت شیوع پیدا می کند. تشخیص این بیماری با استفاده از آزمایش های لازم، در کمترین حالت زمانی حدود یک هفته به طول می انجامد. روش های داده کاوی و یادگیری ماشین متعددی برای ایجاد مدل های پیشگویی کننده جهت شناسایی افراد در معرض خطر وجود دارد. در این پژوهش از درخت تصمیم C4.5 به دلیل سادگی و کارآمدی اش به منظور تشخیص این بیماری استفاده شده است.
    روش
    این پژوهش از نوع کاربردی و توصیفی است. در این پژوهش از داده های مربوط به افراد مظنون به بیماری تب کریمه کنگو استفاده شد. این داده ها در یک دوره 4 ساله از سال 1393 از مراکز درمانی کشور جمع آوری شد. این پایگاه داده شامل 965 رکورد و 28 ویژگی است. ابتدا با استفاده از روش انتخاب ویژگی برنامه نویسی درجه دو، متغیرهای موثر و تاثیرگذار بر مدل انتخاب و سپس درخت تصمیم C4.5 با به کارگیری متغیرهای ورودی و تعیین متغیر هدف ایجاد گردید. تجزیه و تحلیل داده ها به کمک نرم افزار Matlab صورت گرفت.
    نتایج
    با توجه به مدل مشخص شد که متغیرهایی همچون تب، خون ریزی، شروع ناگهانی علائم، افزایش آنزیم های کبدی، افزایش بیلی روبین توتال، کاهش هموگلوبین، Hematuria، Leukocytosis، Proteinuria و Leukopenia بیشترین تاثیر را در تشخیص به این بیماری دارند.
    نتیجه گیری
    نتایج نشان می دهد که معیار حساسیت مدل پیشنهادی، 95 % و معیار تشخیص آن 50 % است که در مقایسه با مطالعات انجام شده دیگر در حوزه داده کاوی پزشکی، از اثربخشی قابل قبولی در تشخیص این بیماری برخوردار است.
    کلیدواژگان: سیستم تصمیم یار پزشکی، تشخیص بیماری، تب کریمه کنگو، درخت تصمیم C4، 5
  • رضا محمدی، مینا لازم، سارا قلنه، نسیم اصلانی، علی گراوند صفحات 122-131
    مقدمه
    با توجه به اهمیت واحد مدیریت اطلاعات سلامت در بهبود ارائه خدمات بهداشتی و درمانی مطالعه حاضر با هدف بررسی عملکرد بخش مدیریت اطلاعات سلامت بیمارستان ولیعصر (عج) شهر تهران در سال 1396 انجام گردیده است.
    روش
    مطالعه حاضر یک مطالعه کاربردی از نوع کمی-کیفی است که در سال 1396 انجام شد. برای جمع آوری داده ها در بخش کمی از یک چک لیست روا و پایا استفاده گردید و در بخش کیفی تعداد 8 مصاحبه انجام گردید. برای تحلیل داده های بخش کمی از نرم افزارExcel و برای بخش کیفی از نرم افزار MAXQDA استفاده گردید.
    نتایج
    نتایج مطالعه نشان داد که واحد کدگذاری عملکرد ضعیف تری نسبت به سایر واحد ها داشته است (2/37 از 3 ). مشکلات بخش مدیریت اطلاعات سلامت بیمارستان ولیعصر(عج) نیز در پنج دسته اصلی سازمانی، نیروی انسانی، مالی، زیرساختی و سخت افزاری و دانش و تخصصی طبقه بندی می شوند، از مهم ترین اقدامات انجام شده هم می توان به اسکن کردن اوراق اصلی اشاره نمود.
    نتیجه گیری
    با توجه به نتایج مطالعه حاضر پیشنهاد می شود مسئولین امر در توجه ویژه و داشتن دید تخصصی به بخش مدیریت اطلاعات سلامت اهتمام ورزند.
    کلیدواژگان: عملکرد، مدیریت اطلاعات سلامت، پرونده پزشکی
  • ملیکا بابایی، حسام کریم، شراره رستم نیاکان صفحات 132-141
    مقدمه
    با توجه به اهمیت فشارخون بالا، کنترل و ثابت نگه داشتن سطح فشارخون در حالت نرمال بسیار حائز اهمیت است. هدف از این پژوهش، طراحی سیستم برای کنترل و تنظیم فشارخون موثر شریانی با استفاده از داروی سدیم نیتروپروساید به کمک کنترلر فازی است.
    روش
    پژوهش حاضر از نوع کاربردی است که به روش مقطعی انجام شد. برای انجام این پژوهش ابتدا مطالعات مرتبط در حوزه طراحی مدل های ریاضی برای تنظیم فشارخون بررسی شدند. سپس با بررسی نتایج این مطالعات، بهترین مدل انتخاب شده و تغییرات لازم بر روی آن اعمال گردید. در مرحله آخر کنترلر فازی برای تنظیم فشارخون طراحی گردید، تمام عملیات طراحی و اجرای سیستم فازی در محیط نرم افزار متلب نسخه 2010 انجام شد.
    نتایج
    در مرحله اول با اعمال کنترلر فازی، خروجی تغییرات سریع و ناگهانی داشت؛ لذا با اعمال اصلاحات در جهت بهبود کنترلر، سیستم توانست فشارخون بیمار را در زمان حدود 3 دقیقه، کنترل و به حالت نرمال خود برگرداند؛ اما بازهم خروجی کنترلر دارای تغییرات سریعی بود، لذا با اعمال یک کنترلر فیلتر شده، نتایج نشان داد که فرکانس های بالا کنترل و در زمان حدود 1 دقیقه فشارخون، تنظیم و ثابت ماند.
    نتیجه گیری
    با استفاده از کنترل فازی و استفاده از مدل های ریاضی معتبر، می توان فشارخون بیمار را تنظیم و ثابت نگه داشت. روش های کلاسیک در برخورد با سیستم های بیولوژیکی وابستگی شدید به پارامترهای مدل دارند؛ اما کنترل فازی در برخورد با عدم قطعیت، پاسخ و سرعت عمل قابل قبولی را ارائه می دهد.
    کلیدواژگان: فشارخون، کنترلر فازی، سدیم نیترو پروساید، انفورماتیک پزشکی
  • منصوره نکویی، حسین نظام ابادی پور، عصمت راشدی صفحات 142-153
    مقدمه
    بازشناسی فعالیت های مختلف حسی- حرکتی در سامانه های واسط مغز و رایانه با مباحث بازشناسی الگو در ارتباط است. یکی از مسائل مهم در طراحی یک سامانه موثر واسط مغز و رایانه، چگونگی کاهش تعداد ویژگی های استخراج شده از سیگنال های مغزی است. استفاده از الگوریتم های انتخاب ویژگی یکی از مهم ترین مراحل در زمینه بازشناسی الگو می باشد. کاهش تعداد ویژگی ها می تواند در بهبود دقت و کارایی طبقه بند ها و در نتیجه کاهش هزینه ها موثر واقع شود.
    روش
    در این مقاله انتخاب ویژگی با استفاده از دو الگوریتم جستجوی گرانشی باینری بهبود یافته و بهینه ساز جمعیت مورچگان باینری پیشرفته بر روی مجموعه داده های مربوط به سیگنال های مغزی 9 فرد سالم جهت تفکیک تصور حرکت دست چپ و راست، صورت گرفت. ویژگی ها در 6 زیر باند مختلف استخراج شده اند. دو طبقه بند ماشین بردار پشتیبان و k نزدیک ترین همسایه با استفاده از ویژگی های انتخاب شده بر روی نمونه ها اعمال شد. داده ها در محیط متلب و توسط جعبه ابزار EEGLAB پردازش شده است.
    نتایج
    نرخ طبقه بندی در سیستم پیشنهادی بالای 80 درصد است. با استفاده از روش های انتخاب ویژگی، باندهای فرکانسی و ویژگی های موثر جهت طبقه بندی حرکت دست چپ و راست استخراج شده اند.
    نتیجه گیری
    نتایج نشان دهنده بهبود نتایج پس از اعمال الگوریتم جستجوی گرانشی باینری بهبود یافته و طبقه بند نزدیک ترین همسایه می باشد.
    کلیدواژگان: الگوریتم، گرانشی باینری بهبود یافته، ماشین بردار پشتیبان
  • مصطفی لنگری زاده*، اعظم اروجی صفحات 154-167
    مقدمه
    پرونده الکترونیک سلامت حاوی اطلاعات بالینی زیادی است که برای فعالیت هایی چون پایش بهداشت عمومی، بهبود کیفیت و تحقیقات مورد استفاده قرار می گیرد. همچنین پرونده الکترونیک سلامت شامل اطلاعات سلامت قابل شناسایی است و همین موضوع اشتراک و استفاده ثانویه از پرونده ها را محدود می کند. شناسه زدایی یکی از رایج ترین روش های حفظ محرمانگی اطلاعات بیماران است. این مقاله مروری نظام مند بر تحقیقات اخیر می باشد، که به حذف تمامی شناسه ها از پرونده الکترونیک سلامت با استفاده از انواع روش های شناسه زدایی مبتنی بر یادگیری ماشین پرداخته اند.
    روش
    این مقاله به صورت مروری نظام مند در بازه زمانی 2016 - 2006 در پایگاه های PubMed و Science direct انجام شد. مقالات با استفاده از چک لیست CASP و سپس توسط دو ارزیاب به طور مستقل بررسی و ارزشیابی شدند. در نهایت 12 مقاله با معیارهای ورود مطالعه همخوانی داشتند.
    نتایج
    مقالات منتخب بر اساس روش و منابع دانش مورد استفاده، انواع شناسه ها، نوع اسناد بالینی، چالش ها و نتایج حاصل بررسی شده اند. نتایج نشان داد که در زمان انتشار داده های بالینی برای اهداف ثانویه شناسه زدایی مبتنی بر یادگیری ماشین راهکاری مناسب برای حفظ حریم خصوصی بیماران است. همچنین ترکیب الگوریتم های یادگیری ماشین و روش هایی چون تطابق الگو و عبارات منظم می تواند نیاز به داده آموزش را کاهش دهد.
    نتیجه گیری
    در پرونده های پزشکی اطلاعات شناسایی زیادی وجود دارد. این مطالعه نشان داد که روش های شناسه زدایی مبتنی بر یادگیری ماشین می توانند به طرز چشمگیری خطر افشای این اطلاعات را کاهش دهند.
    کلیدواژگان: محرمانگی، حریم خصوصی، شناسه زدایی، یادگیری ماشین، پرونده الکترونیک سلامت
|
  • Maryam Varzeshnejad, Mahboobeh Namnabati, Faribai Taleghani Pages 71-83
    Introduction
    Nowadays, due to the increasing development of nursing science and demand for improving and enhancing the quality of nursing care, the necessity of integrating informatics with Nursing Science for proper management of nursing information flaunts more than ever. Therefore, the present study aimed to develop the electronic information system of nursing as a step towards the integration of informatics science with nursing science.
    Methods
    The present study was conducted using technical action research approach. The main stages of the study were the development of a nursing electronic information system, its implementation, application and evaluation in a neonatal intensive care unit in 2016. Descriptive statistics was used for the analysis of quantitative data and qualitative data obtained from interviews were analysed using content analysis and coding.
    Results
    The results of Satisfaction Scale Questionnaire showed satisfaction of nurses with the components and applications of the electronic system. Nurse's information about drugs and the process of nursing increased after using the system. Content analysis of qualitative findings also led to exploit the main categories of enhancing the quality of care, improving the documentation process, professional development, continuing education and learning, the integration of theory and practice in the application of the nursing process, human and equipment barriers.
    Conclusion
    According to the obtained results, paying attention to the design of a native system based on the needs of nurses and the participation of the beneficiaries could take a small but successful step toward effective use of informatics science in nursing.
    Keywords: Electronic Nursing Information System, Action Research, Neonatal Intensive Care, Nursing, Informatic
  • Maryam Eghbali-Zarch, Reza Tavakkoli Moghaddam, Mohammad Mehdi Sepehri, Fatemeh Esfahanian, Amir Azaron Pages 84-97
    Introduction
    Type 2 diabetes (T2D) imposes high expenses on societies, due to its effects on individual and social functions of patients. Adverse complications of this disease can be prevented through controlling patient's blood sugar level. The purpose of this study was to optimize the medication treatment of type 2 diabetes.
    Methods
    In this applied survey, Markov decision process (MDP) was used to model the scheduling and sequencing of T2D medication treatments. In order to have a model close to reality, expense issues, time value of money (TVM) and inflation were considered and it was tried to plan a cost-effective treatment program. Since anti-diabetic drugs cause hypoglycemia in elderly patients, a hypoglycemia preventive approach was applied on the proposed model and its effect was analyzed. The function of proposed model and efficiency of the obtained optimal policy were compared with clinical guidelines. Moreover, in order to address the model behavior, sensitivity analysis on parameters related to treatment costs was also conducted.
    Results
    The proposed model showed better performance in glycemic control compared to clinical guidelines. Treatment cost parameters affected treatment program.
    Conclusion
    In general, optimizing the medication treatment of T2D not only can improve patient's life period with quality, but also can decline high costs imposed on societies’ healthcare systems.
    Keywords: Medical decision making_Type 2 Diabetes_Hypoglycemia_Optimization_Markov decision process
  • Najme Nazeri, Sara Dorri, Alireza Atashi Dr Pages 98-107
    Introduction
    Today, the use of information technology in education, is one of the most important goals of many educational institutions around the world and Iran, due to its advantages including the possibility to be used at any time and place. ACECR branch of Tehran University of Medical Sciences, as one of the organizers of specialized training courses, has already organized some e-learning courses. In this research, we tried to examine the role of each of the effective factors in e-learning in the success rate of this type of education.
    Methods
    In this descriptive study, the effect of six factors, from the perspective of the four groups of participants, professors and ACECR (Iranian academic center for education, culture and research) staff and managers, was measured in 2010-2011, through using a researcher-made questionnaire including 39 questions on Likert scale. The questionnaire was sent via e-mail to 420 people and a total of 188 people participated in this study. The collected data were analyzed through SPSS software and using descriptive statistics and inferential statistics.
    Results
    The results indicated the importance of all studied factors with the order of management, educational content, facilities, teachers, rules and learner.
    Conclusion
    Although the difference between the effective factors is negligible, the extra effort of authorities to remove the shortcomings and weaknesses of the three main and effective factors of management, educational content and facilities needed for the success of e-earning is required
    Keywords: E-learning, E-Training, Success Factors
  • Reza Esmaeeli Gohari, Elham Esmaeeli Gohari, Mehdi Shafiei Pages 108-121
    Introduction
    The prevalence of Crimean-Congo fever, a common disease between human and animal, shows an increasing rate by coming summer season. Detection of this disease by the use of necessary tests, lasts at least about one week. There are several data mining and machine learning techniques to create predictive models for identifying at risk people. In this study, C4.5 decision tree method has been used due to its simplicity and efficiency.
    Methods
    In this applied descriptive study, data related to suspected cases of Crimean-Congo fever were used. These data have been collected from health centers of Iran in a four-year period since 2014 and contained 965 records with 29 features. First, by using the quadratic programming feature selection method, the variables which were effective on the model were selected and then, the C4.5 decision tree model was created through using input variables and determining the target variable. Data analysis was performed through Matlab software.
    Results
    According to the applied model, it was found that fever, bleeding, sudden onset of symptoms, increased liver enzyms, increased total Bilirubin, decreased Hemoglobin, Hematuria, Leukocytosis, Proteinuria and Leukopenia have the greatest impact in the diagnosis of this disease.
    Conclusion
    According to the obtained results, the sensitivity of the proposed model is 95% and its specificity is 50%. Therefore, this model showed acceptable efficiency in diagnosing this disease in comparison with other studies done in medical data mining field.
    Keywords: Medical decision support system, Disease diagnosis, Crimean-Congo hemorrhagic fever, C4.5 Decision tree
  • Reza Mohammadi Dr, Mina Lazem, Sara Ghalane, Nasim Aslani, Ali Garavand Pages 122-131
    Introduction
    With regard to the importance of Health Information Management in improvement of health care services, this study was done to determine the performance of Health Information Management Department of Valiasr hospital of Tehran city in 2017.
    Methods
    This mix-method study was done in 2017. For data collection in quantitative study, a valid and reliable check list and in qualitative study, 8 interviews were used. Excel 2013 and MAXQDA were used for the analysis of quantitative and qualitative data respectively.
    Results
    According to the results, medical coding ward had poorer performance than other wards (2.37 out of 3). The problems of Health Information Management Department of Valiassr hospital were categorized in five main categories including organizational, human resources, financial, infrastructural and hardware and knowledge and professional categories. Also, scan of main sheets was the most important performed activity.
    Conclusion
    With regard to the results of the present study, it is suggested that policy makers pay special attention to Health Information Management.
    Keywords: Performance, Health information management, Medical records
  • Melika Babaei, Hesam Karim, Sharareh R. Niakan Pages 132-141
    Introduction
    According to the importance of hypertension, the control and stabilization of blood pressure level is very important. The purpose of this study was to design a system for controlling and regulating arterial blood pressure by using sodium nitroprusside through a fuzzy controller.
    Methods
    This is an applied study done through cross-sectional method. At first, related studies in the field of designing mathematical models for regulation of blood pressure were investigated. Then, by surveying the results of these studies, the best model was selected and necessary changes were made. In the final phase, the fuzzy controller was designed for blood pressure regulation. All processes of designing and implementation of Fuzzy system were performed in 2010 version of MatLab software.
    Results
    In the first phase, the fuzzy controller caused rapid and sudden changes in output. Therefore, by modifying the controller to improve the system, the system was able to control the blood pressure after about 3 minutes and returned it to the normal level. But, again, the output of the controller had quick changes. So, by applying a filtered controller, high frequencies were controlled and blood pressure remained constant within about 1 minute.
    Conclusion
    By using fuzzy control and valid mathematical models, blood pressure can be controlled and stabilized. Classical methods in dealing with biological systems are highly dependent on model parameters. But, fuzzy control, in facing uncertainty, provides an acceptable response with an acceptable speed.
    Keywords: Blood pressure, Fuzzy controller, Sodium Nitroproside, Medical Informatics
  • Mansoureh Nekoei, Hossein Nezamabadi-Pour, Esmat Rashedi Pages 142-153
    Introduction
    Pattern recognition field is necessary for the recognition of different sensorimotor tasks in Brain Computer Interface systems. Reducing the number of features is an important step in Brain Computer Interface systems and it can improve the accuracy and efficiency of the classification and reduce the costs.
    Methods
    In this paper, features selection was performed through using Improved Binary Gravitational search algorithm and Advanced Binary Ant Colony Optimization on data related to brain signals of nine normal subjects for imagination of left and right hand movements. Features were extracted from six different frequency bands. Two classifiers including support vector machine and k- nearest neighbor were applied to separate the classes. Data were processed by EEGLAB toolbox and through matlab software.
    Results
    The classification rate of the proposed method is 84.21%. Using feature selection methods, effective frequency bands and features for left and right hand movement classification were extracted.
    Conclusion
    The results show the improvement in the classification rate by using Improved Binary Gravitational search algorithm and nearest neighbor classification.
    Keywords: Algorithm, Advanced Binary Optimization, Support Vector Machine
  • Mostafa Langarizadeh, Azam Orooji Pages 154-167
    Introduction
    Electronic Health Record (EHR) contains valuable clinical information that can be useful for activities such as public health surveillance, quality improvement, and research. However, EHRs often contain identifiable health information that their presence limits the use of the records for sharing and secondary usages. De-identification is one of the common methods for protecting the confidentiality of patient information. This systematic review has focused on recently published studies on the usage of de-identification methods based on Machine Learning (ML) approaches for removing all identifiable information from electronic health records.
    Methods
    A systematic review was performed in electronic databases like PubMed and ScienceDirect between 2006 and 2016. Studies were assessed for adherence to the CASP checklists and reviewed independently by two investigators. Finally, 12 articles were matched with inclusion criteria.
    Results
    The selected studies have been discussed in terms of used methods and knowledge resources, types of identifiers detected, types of clinical documents, challenges and achieved results. The results showed that ML-based de-identification is a widely invoked approach to protect patient privacy when disclosing clinical data for secondary purposes, such as research. Also, the combination of the ML algorithms and some techniques such as pattern matching and regular expression matching could decrease need to train data.
    Conclusion
    There is a lot of identifiable information in medical records. This study showed ML- based de-identification methods can intensively reduce the disclosure risk of information.
    Keywords: Confidentiality, Privacy, De-identification, Machine Learning