N. Zadeh, Saber Soori, Zahra Rostami, Golnoosh Aghili-Dehkordi
مقدمه: خطاهای دارویی از شایع ترین خطاهای پرستاری بوده و تلاش برای شناسایی و آشکارسازی این خطاها مهم است. مطالعه حاضر با هدف بررسی وقوع و گزارش خطاهای دارویی پرستاران در بیمارستان آموزشی درمانی شهر اصفهان انجام شد. روش ها: پژوهش حاضر یک مطالعه توصیفی-تحلیلی بود که به صورت مقطعی در سال ۱۳۹۶ انجام شد. دیدگاه ۲۲۰ نفر از پرستاران شاغل در ۳۵ بخش بیمارستان آموزشی منتخب درباره فراوانی و نوع گزارش خطاهای دارویی با استفاده از پرسش نامه دو قسمتی شامل اطلاعات دموگرافیک، نوع خطاهای دارویی و گزارش آن گردآوری شد. سپس داده ها در نرم‌افزار آماری SPSS نسخه ۲۲ وارد شدند. تحلیل داده ها با استفاده از آزمون های آماری تحلیلی مجذور کای و من-ویتنی انجام شد. یافته ها: میانگین وقوع خطاهای دارویی ۸/۶۶ درصد، گزارش دهی رسمی ۲۲ درصد و گزارش دهی غیر رسمی ۳/۵۵ درصد بود. بیشترین میزان خطاها مربوط به دادن دارو دیرتر یا زودتر از زمان مقرر (۷۰ درصد)، بیشترین گزارش رسمی عدم رعایت زمان مناسب دارو ( ۸ درصد) و بیشترین گزارش غیر رسمی مخلوط کردن دو یا چند میکروست دارو بدون توجه به تداخلات (۲۹ درصد) بود. بین وقوع خطاهای دارویی با جنس (۰۱۴/۰=P )، وضعیت استخدامی(۰۳۱/۰=P ) و سابقه کار (۰۲۴/۰=P ) رابطه آماری معناداری وجود داشت. نتیجه گیری: به منظور ترویج شناسایی و گزارش خطاهای دارویی، بهتر است از ایجاد فضای سرزنش کننده در بیمارستان جلوگیری شود. در گام بعد، آموزش در خصوص انواع خطاها، تشویق پرستاران به ارائه و تسهیل گزارش خطاهای دارویی می‌تواند برنامه ریزی و اقدام برای کاهش خطاها را تسهیل نماید.
{"title":"Occurrence and reporting of nurses’ medication errors in a teaching hospital in Isfahan","authors":"N. Zadeh, Saber Soori, Zahra Rostami, Golnoosh Aghili-Dehkordi","doi":"10.29252/JHA.21.74.75","DOIUrl":"https://doi.org/10.29252/JHA.21.74.75","url":null,"abstract":"مقدمه: خطاهای دارویی از شایع ترین خطاهای پرستاری بوده و تلاش برای شناسایی و آشکارسازی این خطاها مهم است. مطالعه حاضر با هدف بررسی وقوع و گزارش خطاهای دارویی پرستاران در بیمارستان آموزشی درمانی شهر اصفهان انجام شد.\u0000روش ها: پژوهش حاضر یک مطالعه توصیفی-تحلیلی بود که به صورت مقطعی در سال ۱۳۹۶ انجام شد. دیدگاه ۲۲۰ نفر از پرستاران شاغل در ۳۵ بخش بیمارستان آموزشی منتخب درباره فراوانی و نوع گزارش خطاهای دارویی با استفاده از پرسش نامه دو قسمتی شامل اطلاعات دموگرافیک، نوع خطاهای دارویی و گزارش آن گردآوری شد. سپس داده ها در نرم‌افزار آماری SPSS نسخه ۲۲ وارد شدند. تحلیل داده ها با استفاده از آزمون های آماری تحلیلی مجذور کای و من-ویتنی انجام شد. \u0000یافته ها: میانگین وقوع خطاهای دارویی ۸/۶۶ درصد، گزارش دهی رسمی ۲۲ درصد و گزارش دهی غیر رسمی ۳/۵۵ درصد بود. بیشترین میزان خطاها مربوط به دادن دارو دیرتر یا زودتر از زمان مقرر (۷۰ درصد)، بیشترین گزارش رسمی عدم رعایت زمان مناسب دارو ( ۸ درصد) و بیشترین گزارش غیر رسمی مخلوط کردن دو یا چند میکروست دارو بدون توجه به تداخلات (۲۹ درصد) بود. بین وقوع خطاهای دارویی با جنس (۰۱۴/۰=P )، وضعیت استخدامی(۰۳۱/۰=P ) و سابقه کار (۰۲۴/۰=P ) رابطه آماری معناداری وجود داشت.\u0000نتیجه گیری: به منظور ترویج شناسایی و گزارش خطاهای دارویی، بهتر است از ایجاد فضای سرزنش کننده در بیمارستان جلوگیری شود. در گام بعد، آموزش در خصوص انواع خطاها، تشویق پرستاران به ارائه و تسهیل گزارش خطاهای دارویی می‌تواند برنامه ریزی و اقدام برای کاهش خطاها را تسهیل نماید.","PeriodicalId":36090,"journal":{"name":"Journal of Health Administration","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2019-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"46595210","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
{"title":"The study of the quality of speech therapy services in the clinic of the Faculty of Rehabilitation of Iran University of Medical Sciences using the SERVQUAL model","authors":"Reyhane Mohamadi, Farideh Kamran, Zeinab Damerchi","doi":"10.29252/jha.21.74.101","DOIUrl":"https://doi.org/10.29252/jha.21.74.101","url":null,"abstract":"","PeriodicalId":36090,"journal":{"name":"Journal of Health Administration","volume":"1 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2019-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"69860595","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
مقدمه: پوکی استخوان بیماری رایجی در زنان است. شکستگی‌ها آسیب‌های جبران ناپذیری ایجاد می‌کنند. بنابراین، تشخیص زودهنگام این بیماری و شروع درمان قبل از رخ دادن شکستگی مسئله مهمی است. هدف مطالعه حاضر، ایجاد یک سیستم تصمیم یار بالینی مبتنی بر شبکه های عصبی مصنوعی با قابلیت تشخیص ابتلا به پوکی استخوان بود. روش کار: مطالعه حاضر از نوع توسعه ای بود که بصورت مقطعی در نیمه دوم سال ۱۳۹۶ انجام شد. در پژوهش حاضر، ابتدا با شناسایی متغیرهای تاثیرگذار، پرسش نامه نظرسنجی برای انتخاب مهم‌ترین عوامل بالینی تهیه شد. اطلاعات ۲۵۶ نفر از زنان و تراکم استخوان پنج سال بعد از ثبت اولیه مربوط به زنان مراجعه کننده به واحد سنجش تراکم استخوان دانشگاه علوم پزشکی بوشهر برای آموزش شبکه استفاده شد. برای یافتن بهترین شبکه از روش آزمون و خطا استفاده شد. همچنین، شبکه با الگوریتمهای گرادیان مزدوج و لونبرگ-مارکوارت آموزش داده شد. ارزیابی بر اساس ماتریس آشفتگی و معیار‌های حساسیت، ویژگی و صحت انجام گرفت. یافته‌ها: در مرحله اول از ۱۵ ویژگی ضروری از نظر پزشکان، مصرف الکل، انحنای پشت و برداشتن رحم، حذف و ۱۲ متغیر انتخاب شدند. سپس، شبکه عصبی پرسپترون چند‌لایه طراحی شد. نتایج نشان داد که الگوریتم گرادیان مزدوج با ۱۰ نرون و الگوریتم لونبرگ-مارکوارت با ۱۲ نرون در لایه مخفی بهترین ساختار شبکه را دارند. علاوه بر آن ، مقایسه صحت نشان داد که در مجموع الگوریتم لونبرگ-مارکوارت نتایج بهتری داشت. بهترین نتیجه به دست آمده حساسیت، ویژگی و صحت به ترتیب ۱/۸۳، ۴/۸۹ و ۳/۸۶ بود. نتیجه گیری: در مطالعه حاضر، با تمرکز بر داده‌های بومی ابزاری توسعه داده شد که می‌تواند در زمینه پیگیری بیماری پوکی استخوان بسیار موثر باشد. استفاده از این ابزار برای ارجاع به موقع افراد بیمار و شروع درمان می‌تواند از رخ دادن شکستگی عوارض جبران ناپذیر پوکی استخوان جلوگیری کند.
{"title":"Developing a decision support system for osteoporosis Prediction","authors":"مصطفی لنگری زاده, لیلا اوجی, اعظم اروجی","doi":"10.29252/JHA.21.74.87","DOIUrl":"https://doi.org/10.29252/JHA.21.74.87","url":null,"abstract":"مقدمه: پوکی استخوان بیماری رایجی در زنان است. شکستگی‌ها آسیب‌های جبران ناپذیری ایجاد می‌کنند. بنابراین، تشخیص زودهنگام این بیماری و شروع درمان قبل از رخ دادن شکستگی مسئله مهمی است. هدف مطالعه حاضر، ایجاد یک سیستم تصمیم یار بالینی مبتنی بر شبکه های عصبی مصنوعی با قابلیت تشخیص ابتلا به پوکی استخوان بود.\u0000روش کار: مطالعه حاضر از نوع توسعه ای بود که بصورت مقطعی در نیمه دوم سال ۱۳۹۶ انجام شد. در پژوهش حاضر، ابتدا با شناسایی متغیرهای تاثیرگذار، پرسش نامه نظرسنجی برای انتخاب مهم‌ترین عوامل بالینی تهیه شد. اطلاعات ۲۵۶ نفر از زنان و تراکم استخوان پنج سال بعد از ثبت اولیه مربوط به زنان مراجعه کننده به واحد سنجش تراکم استخوان دانشگاه علوم پزشکی بوشهر برای آموزش شبکه استفاده شد. برای یافتن بهترین شبکه از روش آزمون و خطا استفاده شد. همچنین، شبکه با الگوریتمهای گرادیان مزدوج و لونبرگ-مارکوارت آموزش داده شد. ارزیابی بر اساس ماتریس آشفتگی و معیار‌های حساسیت، ویژگی و صحت انجام گرفت.\u0000یافته‌ها: در مرحله اول از ۱۵ ویژگی ضروری از نظر پزشکان، مصرف الکل، انحنای پشت و برداشتن رحم، حذف و ۱۲ متغیر انتخاب شدند. سپس، شبکه عصبی پرسپترون چند‌لایه طراحی شد. نتایج نشان داد که الگوریتم گرادیان مزدوج با ۱۰ نرون و الگوریتم لونبرگ-مارکوارت با ۱۲ نرون در لایه مخفی بهترین ساختار شبکه را دارند. علاوه بر آن ، مقایسه صحت نشان داد که در مجموع الگوریتم لونبرگ-مارکوارت نتایج بهتری داشت. بهترین نتیجه به دست آمده حساسیت، ویژگی و صحت به ترتیب ۱/۸۳، ۴/۸۹ و ۳/۸۶ بود.\u0000نتیجه گیری: در مطالعه حاضر، با تمرکز بر داده‌های بومی ابزاری توسعه داده شد که می‌تواند در زمینه پیگیری بیماری پوکی استخوان بسیار موثر باشد. استفاده از این ابزار برای ارجاع به موقع افراد بیمار و شروع درمان می‌تواند از رخ دادن شکستگی عوارض جبران ناپذیر پوکی استخوان جلوگیری کند.","PeriodicalId":36090,"journal":{"name":"Journal of Health Administration","volume":" ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2019-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"47666421","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Pub Date : 2016-11-22DOI: 10.4172/2157-7420.C1.013
G. Matsopoulos
M simulators have been helping to teach therapeutic and diagnostic procedures as well as the representation of medical concepts and in the process of decision of health professionals.Use of jaw motion simulators in dentistry, education, orthodontic adjustment of occlusions, or in the pre-operative planning of craniofacial surgery can be extremely useful, improving diagnosis and postoperative treatment. This article presents TMJsim, a simulator of mandibular motion constructed from real data coming from Computed Tomography and Magnetic Resonance images. A virtual joint model which composes the simulator receives points captured from the lower incisor point motion. Contribution of each muscle in temporomandibular movement is approached from the Hill actuators model and the concept of curves of insertion. Virtual Articulator is replacing mechanical articulators currently used with many advantages: more accurate simulation of motion, inclusion of new parameters such as muscle strength and it shows graphics for motion curve analysis.
{"title":"REVIEW OF INTENSITY-BASED AND GEOMETRY-BASED REGISTRATION TECHNIQUES, APPLIED ON 3D CONE-BEAM CT DATA","authors":"G. Matsopoulos","doi":"10.4172/2157-7420.C1.013","DOIUrl":"https://doi.org/10.4172/2157-7420.C1.013","url":null,"abstract":"M simulators have been helping to teach therapeutic and diagnostic procedures as well as the representation of medical concepts and in the process of decision of health professionals.Use of jaw motion simulators in dentistry, education, orthodontic adjustment of occlusions, or in the pre-operative planning of craniofacial surgery can be extremely useful, improving diagnosis and postoperative treatment. This article presents TMJsim, a simulator of mandibular motion constructed from real data coming from Computed Tomography and Magnetic Resonance images. A virtual joint model which composes the simulator receives points captured from the lower incisor point motion. Contribution of each muscle in temporomandibular movement is approached from the Hill actuators model and the concept of curves of insertion. Virtual Articulator is replacing mechanical articulators currently used with many advantages: more accurate simulation of motion, inclusion of new parameters such as muscle strength and it shows graphics for motion curve analysis.","PeriodicalId":36090,"journal":{"name":"Journal of Health Administration","volume":"1 1","pages":""},"PeriodicalIF":0.0,"publicationDate":"2016-11-22","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"70362437","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：