43 نتیجه برای پزشک
جمال رضایی اوریمی، بیتا قاضی زاده، اعظم خسروی، سید امیرحسین لطیفی، مهدی صالحی، محمدحسین اسدی، سیدعبدالله محمودی،
دوره 28، شماره 4 - ( 7-1404 )
چکیده
مقدمه: مطالعات مرتبط با تولیدات علمی دیدگاههای ارزشمندی درباره توسعه و رشد پژوهشهای علمی فراهم میکنند. هدف این مقاله، ارزیابی پایاننامههای تحصیلات تکمیلی حوزه تاریخ پزشکی در ایران از سال 1380-1400 با تمرکز بر روندهای پژوهشی، سهم دانشگاهها و موسسات علمی و الگوهای فعالیت علمی بود.
روش کار: این پژوهش از نوع کاربردی بوده و با استفاده از روش تحلیل محتوای کمی صورت گرفته است. جامعه آماری پژوهش از 558 پایاننامه تشکیل شده که در دانشگاهها و مراکز علمی کشور منتشر شدهاند. دادههای تحقیق با بکارگیری چکلیست تحلیلمحتوا گردآوری و با استفاده از آمار توصیفی مورد تحلیل قرار گرفتهاند.
یافتهها: یافتههای پژوهش نشان میدهد، دانشگاه تهران با 66، دانشگاه علوم پزشکی شهید بهشتی با 49 و دانشگاه پیام نور با 36 عنوان بیشترین تعداد پایاننامهها را در این حوزه تولید نمودهاند. بیشترین تعداد پایاننامه در سال 1396 نگارش یافته (9/67 درصد) و کمترین تعداد مربوط به سال 1382 بوده است. همچنین، رشتههای تاریخ با 160، دکترای حرفهای با 78 و زبان و ادبیات فارسی با 46 عنوان بیشترین تعداد پایاننامه را در این حوزه منتشر نمودهاند.
نتیجهگیری: نتایج این تحقیق نشان داد که تاریخ پزشکی در ایران در دو دهه گذشته رشدی چشمگیر داشته است. این رشد با افزایش تعداد پایاننامهها، تنوع گرایشها، و همچنین افزایش مشارکت دانشگاهها و مراکز علمی مشهود است.
حسن رحمانی، فائزه عسگری، عابد عسگری، حبیب الله رحیمی، لیلا قنبری افرا،
دوره 28، شماره 4 - ( 7-1404 )
چکیده
مقدمه: : حفظ سلامت عمومی و دوری از فرسودگی شغلی، دو مؤلفه اساسی زندگی افراد است و هر یک میتواند بر دیگری تأثیرگذار باشد. لذا مطالعه حاضر با هدف بررسی ارتباط فرسودگی شغلی و سلامت عمومی در پرسنل پیشبیمارستانی انجام شد.
روش کار: مطالعه حاضر به صورت توصیفی- تحلیلی بر روی 150 نفر از پرسنل پیشبیمارستانی دانشگاه علوم پزشکی کاشان در سال 1399 انجام گردید. نمونهگیری به روش تصادفی ساده انجام شد. ابزار جمعآوری اطلاعات در این مطالعه پرسشنامه فرسودگی شغلی مسلش و سلامت عمومی گلدبرگ بود. تجزیه تحلیل دادهها با استفاده از آزمونهای توصیفی و Pearson انجام شد.
یافتهها: بر اساس یافتههای مطالعه حاضر، متوسط سن شرکتکنندگان 8/09 ± 35/14 بود. متوسط نمره فرسودگی شغلی و سلامت عمومی به ترتیب شغلی 19/28 ± 57/98 و 10/97 ± 48/26 بود. نتایج آزمون همبستگی Pearson نشان داد فرسودگی شغلی با سلامت عمومی رابطه معنیدار داشتند (001/ 0= P، 0/613 = r).
نتیجهگیری: یافتههای مطالعه نشان دادند که فرسودگی شغلی و سلامت عمومی پرسنل پیشبیمارستانی در سطح متوسط قرار دارند. افزایش نمره فرسودگی شغلی، موجب تشدید اختلال سلامت عمومی در پرسنل پیش بیمارستانی میگردد؛ به نظر میرسد گزینش دانشجو از بین علاقمندان به حرفه پیشبیمارستانی باعث بهبود وضعیت این احساس در افراد شاغل گردد. بعلاوه لازم است مدیران پیشبیمارستانی برای کمک به بهبود کیفیت خدمات پرسنل پیشبیمارستانی، به فرسودگی شغلی و سلامت عمومی توجه نمایند.
میرامیرحسین سیدنظری، حامد قلیزادگوگجه یاران، امین سهیلی، امیرمحمد درستی، رسول اصغری،
دوره 28، شماره 5 - ( 9-1404 )
چکیده
ادغام سریع هوش مصنوعی (Artificial Intelligence) AI در علوم پزشکی، هرچند با وعدههای تحولآفرین در تشخیص زودهنگام و درمانهای شخصیسازیشده همراه است (1)، اما یک چالش اخلاقی و حقوقی عمیق را به همراه دارد: مدیریت حجم عظیم، حساس و بیسابقه دادههای سلامت و حفظ حریم خصوصی بیماران. ماهیت این دادهها، که شامل سوابق بالینی، تصاویر رادیولوژی، دادههای ژنتیکی و حتی اطلاعات پوشیدنیهای سلامت فردی است (2)، فراتر از اطلاعات هویتی سنتی است و قابلیت بازسازی پروفایل کامل یک فرد را داراست؛ امری که هویتزدایی کامل و دائم آنها را عملاً ناممار میسازد (1).
این حجم گسترده از اطلاعات به سوخت اصلی الگوریتمهای یادگیری عمیق تبدیل شده است، اما هر گونه نقض یا افشا، میتواند منجر به تبعیض جدی در دسترسی به بیمه، استخدام و حتی تصمیمگیریهای قضایی شود (2). فقدان شفافیت (Transparency) در مورد چگونگی پردازش و تحلیل این دادهها توسط الگوریتمها، که اغلب به صورت «جعبه سیاه» عمل میکنند، اعتماد بیماران و پزشکان را تضعیف میکند (3). کادر درمان نمیتوانند فرآیند تصمیمگیری هوش مصنوعی را درک کنند، و این مسئله نه تنها مانع از پذیرش بالینی میشود، بلکه یک منطقه خاکستری حقوقی در مورد مسئولیتپذیری در صورت بروز خطای تشخیصی یا درمانی ایجاد میکند (4).
چالش حقوقی موجود در این است که قوانین فعلی حریم خصوصی برای مواجهه با الگوریتمهای پیشرفته و جمعآوری دادههای لحظهای طراحی نشدهاند (1، 4). هوش مصنوعی با ایجاد روشهای نوین استخراج دانش از دادههای خام، دائماً از چارچوبهای قانونی موجود پیشی میگیرد. علاوه بر این، ابزارهای هوش مصنوعی به دلیل اتکا به شبکههای دادهای بزرگ، در معرض حملات سایبری پیشرفته قرار دارند، که میتواند منجر به افشای گروهی دادههای محرمانه شود (5). در نتیجه، در غیاب یک چارچوب حکمرانی دادههای محکم و بهروز، پتانسیل هوش مصنوعی برای بهبود سلامت عمومی با خطر تضعیف کرامت انسانی و نقض حقوق بنیادی بیمار همراه است (6).
برای تضمین اینکه نوآوریهای هوش مصنوعی با رعایت اصول اخلاقی و حقوقی پیش میرود، ضروری است که اقداماتی عاجل در جهت ایجاد یک چارچوب نظارتی جامع صورت پذیرد. این امر نیازمند تدوین یک مدل جدید و پویا از رضایت آگاهانه است که فراتر از رضایت یکباره باشد و به بیماران اجازه دهد تا بر نحوه استفاده از دادههایشان در مراحل مختلف آموزش و بهکارگیری هوش مصنوعی کنترل مستمر و آگاهانه داشته باشند. همزمان، باید توسعهدهندگان را موظف کرد که حفاظت از حریم خصوصی را در هسته طراحی هر ابزار هوش مصنوعی قرار دهند، که به معنای استفاده از تکنیکهای پیشرفته حفظ حریم خصوصی مانند حریم خصوصی تفاضلی و یادگیری فدرال برای پردازش دادهها در محل است. علاوه بر این، باید با تشکیل یک نهاد نظارتی چند رشتهای متشکل از متخصصان اخلاق، حقوق، علوم کامپیوتر و بالینی، هر ابزار هوش مصنوعی قبل از ورود به محیط بالینی، تحت یک فرآیند ارزیابی و تأیید اخلاقی و فنی دقیق و شفاف قرار گیرد تا از تعصبات احتمالی و خطاهای الگوریتمی جلوگیری شود.این اقدامات نه تنها بیماران را در برابر سوءاستفاده محافظت میکند، بلکه اعتماد لازم برای پیشبرد پایدار و ایمن این فناوری حیاتی را نیز در جامعه فراهم میآورد.
