فصلنامه نفس

چکیده:

مقدمه: ایران یکی ازآسیب پذیرترین کشورهای جهان در حوزه مخاطرات طبیعی می باشد. آمادگی بیمارستان در برابر حوادث غیرمترقبه باعث کاهش قابل توجه مرگ و میر ناشی از حوادث و وضعیت های اضطراری می شود. هـدف اصـلی از تدوین طرح بررسی میزان آمادگی بیمارستان های کشور در مقابله با بروز بحران و ارائـه مراقبتهاي بهداشتی و درمانی در جهت کاهش تلفات جانی است.

مواد و روش ها: پژوهش حاضر، یک مطالعۀ مروري است که در سال 1402 انجام گرفته است. در ابتدا از کلید واژه هایی که شامل آمادگی بیمارسـتان، مقابلـه بـا بحـران، بحران و بیمارسـتان و.. بودنـد استفاده شد. در این پژوهش از  پایگـاههـاي علمـی داخلی و خارجی MedLib، Magiran،SID ،IranMedex  ،Scinence Direct ،PubMed  ،Google Scholar استفاده گردید. بعد از آن تمـام مقـالات در ارتبـاط بـا آمادگی بیمارستان جمع آوري و وارد یک لیست اولیه شدند.

یافته ها: 184 مقاله مربوط به آمادگی بیمارستان ها برای مواقع اضطراری و بلایا بود که در نهایت، 48 مقاله با معیارهای مورد نیاز آنالیز شدند به طوري که از 48 مقاله یافت شده، 32 مقالـه واجـد شـرایط بررسـی نهـایی شدند.

بحث: در مطالعه ما میزان آمادگی بیمارستان ها در سطح متوسط قرار داشت. در مجموع 16 (50٪)بیمارستان ها از آمادگی متوسط، 9 (28٪)آمادگی مطلوب و 7 (22٪) آمادگی ضعیف داشتند. بیشترین میزان آمادگی مربوط به استان های جنوب غربی بود که اکثرا در حد مطلوب گزارش شدند که اين امر نشانه توجه خوب مسؤولين به امر آموزش در سطح دانشگاه علوم پزشكي در این استان ها است كه بايد براي حفظ و ارتقاي آن تلاش كرد.

نتیجه گیری: توصیه می شود با اجرای برنامه های تمرینی و آموزشی برای کارکنان بیمارستان، مدیریت صحیح منابع و آموزش در زمینه استفاده بهینه از تجهیزات موجود در مقابله با بلایا باعث بهبود عملکرد پرسنل و آمادگی بهتر بیمارستان های ایران برای مقابله با این بلایا شویم.

پرستاری شخصی سازی شده تحت تاثیر پیشرفت های ژنتیک و ژنومیک بوده است تا با استفاده از روش­های جدیدتر به جای تشخیص سنتی مبتنی بر آناتومی با توجه به ویژگی­های ژنتیکی و ژنومی فردی به کاهش زمان تشخیص و درمان کمک کند. این کار مستلزم همکاری میان رشته ای در زمینه های ژنتیک، بیوتکنولوژی و مولکولی با رشته پرستاری است تا مداخلات پرستاری به طور خاص برای هر فرد انجام شود. هدف این مقاله بررسی چارچوب نظری برای تعامل پرستاری شخصی سازی شده با کمک پروفایل های ژنتیکی و ژنومی فردی است.

در این بررسی، از کلیدواژه‌های ژنتیک فردی، ژنومیک و پرستاری شخصی در پایگاه‌های اطلاعاتیGoogle Scholar، PubMed، Web of Science و Scopus استفاده شد. پس از غربالگری مقالات بر اساس معیارهای ورود و خروج، مقالات نهایی مورد تجزیه و تحلیل قرار گرفتند.

نتایج تحقیق نشان می‌دهد که برای دستیابی به موفقیت در زمینه پرستاری شخصی سازی شده، نیاز به تعامل بین رشته‌ای و جمع‌آوری اطلاعات فردی (فردی ژنتیکی، مشخصات ژنومی) است تا بتوان با توجه به ویژگی­های هر بیمار، درمان تخصصی  برای همان بیمار را ارائه داد.

تعامل پرستاری شخصی سازی شده با پروفایل های ژنتیکی و ژنومی فردی در تعامل است. استفاده از پروفایل‌های ژنتیکی و ژنومی فردی نه تنها پرستاران را در ارزیابی و پایش قبل، حین و بعد از مصرف دارو کمک می‌کند، بلکه راهنمای بسیار مناسبی برای پرستاران به‌ویژه در پرستاری شخصی‌سازی شده است و آنها را در برخورد با مداخلات پرستاری کمک چشمگیری می‌کند.

مقدمه: موارد مهم موثر در مرگ و میر بیماران کووید 19 همواره در حال بررسی بوده است. گزارش‌ها از کشورهای مختلف نشان داده‌اند که بیماران مبتلا به کووید 19 که دچار مرگ و میر می شوند، معمولاً مسن‌تر هستند و دارای بیماری‌های زمینه‌ای مختلف می باشند. هدف از این تحقیق، بررسی عوامل خطر مرگ و میر در بیماران فوت شده به علت کرونا در بیمارستان دکتر مسیح دانشوری می باشد.

روش کار: این مطالعه به صورت گذشته نگر بر روی پرونده بیماران مبتلا به کرونا که در بیمارستان دکتر مسیح دانشوری فوت شده بودند انجام گرفت. اطلاعات بیماران شامل سن، جنس، شغل، روش های درمانی و داروهای استفاده شده، بیماریهای زمینه ای شامل دیابت، فشار خون و بیماریهای ایسکمیک قلبی از پرونده بیماران استخراج و ثبت شد. جهت تامین هدف مطالعه، عوامل خطر مرگ و میر در بیماران فوت شده به علت کرونا در بیمارستان دکتر مسیح دانشوری، فراوانی بیماریهای زمینه ای و همینطور روش های درمانی موردنیاز در بیماران مورد بررسی و بحث قرار گرفت. علاوه بر این، ارتباط بین ابتلا به بیماریهای زمینه ای و نیاز به استفاده از روش های درمانی مختلف موردارزیابی قرار گرفت.

نتایج: از بیماران موردمطالعه که به علت کرونا فوت شده بودند، 125 نفر (7/76%) مرد و 38 نفر (3/23%) زن بودند. میانگین سنی بیمارانی که به علت کرونا فوت شده بودند 1/65 سال (4/13SD:) بود و این رنج سنی از 22 تا 92 سال متفاوت بود. از بیماران فوت شده 4/34% (56 نفر) مبتلا به دیابت، 4/29% (48 نفر) مبتلا به فشار خون، و 5/24% (40 نفر) مبتلا به بیماریهای ایسکمیک قلبی بودند. ارتباط آماری معنی داری بین ابتلا به بیماریهای زمینه ای و نیاز به استفاده از ایمونوگلوبین وریدی، Non-invasive ventilation، و High-flow nasal cannula مشاهده نشد.

نتیجه گیری: نتایج این مطالعه در مجموع نشان داد مرگ و میر ناشی از کووید 19 با سن بالا، جنس مذکر و ابتلا به بیماریهای زمینه ای در ارتباط بود.

زمینه و هدف: سارکوم بافت نرم (STS) یک سرطان نادر با منشا مزانشیمی است که در کودکان 15 درصد و در بزرگسالان 1 درصد مرگ‌ومیر ناشی از سرطان را ایجاد می‌کند. این سرطان به دلیل چالش‌های تشخیصی معمولاً دیر شناسایی می‌شود و با تشخیص دیرهنگام به پیشرفت بیماری منجر می‌شود. نرخ بقاء پنج‌ساله STS برابر با 65 درصد است که برای سارکوم‌های با درجه بالا این نرخ به 10 درصد کاهش می‌یابد. هدف این مطالعه شناسایی ژن‌های پیش‌آگهی و تشخیصی در STS با استفاده از روش‌های بیوانفورماتیک و یادگیری عمیق است.

روش‌ها: در این مطالعه داده‌های RNA-Seq از 261 نمونه سارکوم بافت نرم (STS) از پایگاه داده TCGA شامل 125 نمونه توموری و 128 نمونه نرمال به همراه اطلاعات بالینی بیماران تحلیل گردید. داده‌ها پس از پیش‌پردازش با نرم‌افزار R و بسته‌های Limma و edgeR نرمال‌سازی شدند. ژن‌های بیان افتراقی (DEGs) با معیارهای |logFC|≥1.5 و P<0.05 شناسایی شدند. برای شناسایی ژن‌های کلیدی از روش‌های یادگیری ماشین (ML) و یادگیری عمیق (DL) استفاده گردید. عملکرد مدل‌ها با شاخص‌های AUC، دقت، F1-Score، R² و ماتریس سردرگمی ارزیابی شد. همچنین، تحلیل‌های غنی‌سازی مسیر (GO و KEGG) و شبکه‌های برهم‌کنش پروتئین-پروتئین (PPI) انجام شد.

یافته‌ها: در مجموع 5204 ژن بیان افتراقی بین بافت‌های توموری و نرمال شناسایی شد. از میان این ژن‌ها، 16 ژن با بیان افزایشی شامل HIST1H1E، CARTPT، MAGEA8، HIST1H4E، RPA4 و ANGPTL3 با کاهش بقاء کلی بیماران ارتباط داشتند. در مقابل، 11 ژن دیگر مانند LECT2، ADAM21P1، GDF7، APOM و PIPOX با افزایش بقاء کلی بیماران مرتبط بودند. تحلیل ROC نشان داد که ژن A1CF به عنوان یک نشانگر زیستی مستقل با AUC=0.70 قدرت تمایز بالایی دارد. همچنین ترکیب‌های A1CF-ATP6V0D2 (AUC=0.743) و A1CF-LECT2 (AUC=0.796) قدرت تشخیصی بهتری نسبت به تک‌ژن ارائه دادند.

نتیجه‌گیری: مطالعه حاضر نشان داد که ژن A1CF و ترکیبات A1CF-ATP6V0D2 و A1CF-LECT2 به عنوان بیومارکرهای بالقوه برای تشخیص و پیش‌آگهی سارکوم بافت نرم (STS) شناسایی شدند. این یافته‌ها نشان‌دهنده پتانسیل استفاده از بیوانفورماتیک و یادگیری ماشین در تشخیص زودهنگام و درمان شخصی‌شده بیماران است.

مقدمه: بیماران مبتلا به سل غالباً هزینه های زیادی را صرف بیماری و ناتوانی و همچنین جستجو و دریافت مراقبت های بهداشتی می کنند. لذا این مطالعه با هدف بررسی هزینه های تمام شده بیماری سل مقاوم به دارو و سل حساس به دارو در بیماران مبتلا به سل و مقایسه هزینه های تمام شده با تعرفه دولتی در بیمارستان دکتر مسیح دانشوری انجام شد.

مواد و روش ها: این پژوهش، مطالعه ای کمی و از نوع توصیفی و مقطعی که به صورت گذشته نگر در سال 1403 در مرکز آموزشی، درمانی و پژوهشی مسیح دانشوری انجام شد. داده‌های مورد نیاز این مطالعه از طریق سیستم اطلاعات بیمارستانی(HIS) استخراج شد. داده هاي مربوط به اين مطالعه از طريق استخراج مستندات پرونده بیماران با استفاده از سیستم اطلاعات بیمارستانی و سامانه ثبت اطلاعات صورتحساب بیماران صورت گرفت. تحلیل داده و اطلاعات استخراج شده به استفاده از برنامه های نرم افزاری اکسل انجام گردید. در این بخش فراواني، جمع و ميانگين ریالی اختلاف بین تعرفه مصوب و صورتحساب بیمارستان از طریق نرم افزار اکسل مورد بررسی قرار گرفت.

نتايج: در مجموع هزینه تمام شده درمان بیماری سل مقاوم به دارو 1,278,346,992 ريال بیشتر از تعرفه مصوب دولتی آن است. به عبارتی دیگر درمان بیماری سل 3,042,438,515 ريال هزینه دارد در حالی که تعرفه مصوب آن 1,764,091,523 ريال است؛ بنابراین درمان این بیماری 1,278,346,992 ريال برای بیمارستان زیانده می باشد. هزینه تمام شده درمان سل حساس به دارو نیز معادل 1,383,578,463 ريال است. در مجموع برای درمان سل حساس به دارو 1,383,578,463 ريال هزینه می شود در حالی که تعرفه دولتی آن معادل 801,610,950 ريال می باشد بنابراین درمان سل حساس به دارو ضرری به مبلغ 581,967,512 ريال برای بیمارستان ایجاد می کند.

نتيجه گيري: درمان بیماران مبتلا به سل مقاوم و فوق مقاوم هزینه زیادي را به نظام درمان وارد می کند و هم در سل مقاوم به دارو و هم در سل حساس به دارو هزینه تمام شده درمان بیشتر از تعرفه مصوب دولتی برای درمان این بیماری می باشد؛ بنابراین هرگونه تصمیم در ارتباط با تعرفه های بایستی بر اساس هزینه تمام شده فعالیت های لازم برای درمان بیماری سل صورت گیرد. پیشنهاد می شود تعرفه های درمان بیماری سل به صورت گلوبال با در نظر گرفتن اختلاف تعرفه دولتی و هزینه تمام شده درمان این بیماری صورت گیرد تا از این طریق بتوان از زیان بیمارستان ها جلوگیری نمود.