طراحی سیستم پایگاه داده بیماران عروق کرونر در بیمارستان هاجر شهرکرد سال 1395

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استاد گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران

2 کارشناس ارشد فناوری اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران

3 استادیار دانشکده کامپیوتر، دانشگاه شهر کرد، شهرکرد، ایران

4 استادیار گروه فناوری اطلاعات سلامت، دانشکده پیراپزشکی خلخال، خلخال، ایران

چکیده

هدف:
داده ها پایه تصمیم گیری در مراقبت های بهداشتی هستند و باید در قالب پایگاه های داده ای سازمان دهی شوند. اساس استفاده از سیستم های هوشمند از قبیل داده کاوی و انبار داده ها در مراقبت سلامت پایگاه داده می باشد. با توجه به اهمیت بیماری کرونر قلبی، پژوهش حاضر به طراحی و پیاده سازی پایگاه داده برای بیماران عروق کرونر قلب بیمارستان هاجر شهرکرد پرداخته است.
روش بررسی:
مطالعه حاضر از نوع کاربردی - توسعه ای با هدف طراحی پایگاه داده برای سازمان دهی داده های بیماران عروق کرونر قلب و پیاده سازی آن در محیط زبان پرسش ساختار مند (SQL) بود. پس از تعیین و دسته بندی الزامات اطلاعاتی، سیستم پایگاه داده طراحی گردیده و معماری آن توضیح داده شد. برای پیاده سازی واسط کاربری سیستم، از محیط ویژوال استودیو و زبان سی شارپ استفاده شد. در انتها سیستم مورد ارزیابی قرار گرفت.
یافته ها:
پس از ثبت اطلاعات 350 پرونده در پایگاه داده، مطابق دستورات اعمال شده در برنامه، پرس و جوهایی (Query) متفاوت از سیستم درخواست شد. سیستم پیشنهادی در این پژوهش عوامل خطرزای تاثیر گذار در وقوع بیماری عروق کرونر را به عنوان ورودی گرفته و امکان آمارگیری و اعمال پردازش های لازم بر روی دادها را فراهم کرد.
نتیجه گیری:
پایگاه داده طراحی شده در این پژوهش می تواند به ذخیره، دسترسی، بازیابی و مقایسه اطلاعات بیماران کمک کرده و در نهایت منجر به تشخیص و درمان به موقع این بیماری گردد. همچنین، پایگاه داده طراحی شده توانایی پاسخگویی به نیاز های کاربران را نیز دارد.

کلیدواژه‌ها

موضوعات


  1. Safdari R, Saeedi MG, Arji G, Gharooni M, et al. A model for predicting myocardial infarction using data mining techniques. Iranian journal of medical informatics 2013; 2(4): 1-6.
  2. Pishgooie AH, Zare Shorakie H, Zareiyan A, Atashzadeh Shoorideh F, et al. Evaluation of quality of life and its effective factors in military patients and relatives with coronary artery disease in Tehran, Iran, 2016–a cross sectional study. Journal Mil Med 2018; 20(2): 212-21.
  3. Ahmadi A, Soori H, Mehrabi Y, Etemad K, et al. Incidence of acute myocardial infarction in Islamic Republic of Iran: a study using national registry data in 2012. Eastern Mediterranean health journal 2015; 21(1): 5-12.
  4. Nooshin Talebizadeh, Aliakbar Haghdoost, Ali Mirzazadeh. Model of ischemic heart disease epidemiology. Payesh journal 2010; 8(2): 163-170.
  5. Balib RK. Clinical Knowledge Management: Opportunities and Challenges. Hershey: Idea Group Inc (IGI); 2005.
  6. Oachs P, Watters A, editors. Health information management: Concepts, principles, and practice. AHIMA; 2016: 478-80.
  7. Shafique U, Majeed F, Qaiser H, Mustafa IU. Data mining in healthcare for heart diseases. International Journal of Innovation and Applied Studies 2015; 10(4): 1312.
  8. Todd Miller M, Lavie CJ, White CJ. Impact of obesity on the pathogenesis and prognosis of coronary heart disease. Journal of the cardiometabolic syndrome 2008; 3(3): 162-7.
  9. Dodge-Khatami A, Mavroudis C, Backer CL. Congenital Heart Surgery Nomenclature and Database Project: anomalies of the coronary arteries. The Annals of thoracic surgery 2000; 69(3): 270-97.
  10. Wessler BS, Yh LL, Kramer W, Cangelosi M, et al. Clinical prediction models for cardiovascular disease: tufts predictive analytics and comparative effectiveness clinical prediction model database. Circulation: Cardiovascular Quality and Outcomes 2015; 8(4): 368-75. 
  11. Gaynor JW, Jacobs JP, Jacobs ML, Elliott MJ, et al. Congenital heart surgery nomenclature and database project: update and proposed data harvest. The Annals of thoracic surgery 2002; 73(3): 1016-8.
  12. Kaster T, Mylonas I, Renaud JM, Wells GA, et al. Accuracy of low-dose rubidium-82 myocardial perfusion imaging for detection of coronary artery disease using 3D PET and normal database interpretation. Journal of Nuclear Cardiology 2012; 19(6): 1135-45.
  13. Studio VJM,. Available: https://visualstudio. microsoft. com/. Visual Studio. 2011.
  14. Hejlsberg A, Wiltamuth S, Golde P. C# language specification: Addison-Wesley Longman Publishing Co., Inc.; 2003.
  15. Roaldsen KS, Måøy ÅB, Jørgensen V, Stanghelle JK. Test-retest reliability at the item level and total score level of the Norwegian version of the Spinal Cord Injury Falls Concern Scale (SCI-FCS). The journal of spinal cord medicine. 2016; 39(3): 317-26.
  16. Morris PJ. Rational database design and implementation for biodiversity informatics. PhyloInformatics 2005; 7: 1-66.
  17.  Fuster V, Kelly BB. Committee on preventing the global epidemic of cardiovascular disease: meeting the challenges in developing countries board on global health. Kelly, Editors. 2010.
  18. Thuraisingham B, Rubinovitz H, Foti D, Abreu A. Design and implementation of a distributed database. InProceedings of 1993 IEEE 17th International Computer Software and Applications Conference COMPSAC'93 1993: 152-158. IEEE.