هدف سرویس‌های اورژانس پزشکی کاهش مرگ و میر و عوارض ناشی از بیماری‌ها و صدمات می‌باشد. اعزام سریع سرویس‌های اورژانس و کاهش زمان پاسخ، منجر به افزایش نرخ بقاء می‌شود. زمان پاسخ یکی از معیارهای مهم سنجش کارایی سرویس‌های اورژانس پزشکی می‌باشد. روش معمول در اعزام آمبولانس‌ها، فرستادن نزدیک‌ترین واحد در دسترس می‌باشد که این روش به کارایی در کوتاه مدت توجه می‌کند. یکی از روش‌هایی که اخیرا در زمینه اعزام آمبولانس بیان شده است، مبتنی بر تحلیل شبکه‌های پیچیده است. هدف این روش، اعزام آمبولانس مد نظر به تماسی می‌باشد که مرکزیت بیشتری نسبت به دیگر تماسها دارد، که منجر به کارایی بهتر در دراز مدت می‌شود. دیگر روش‌ها در اعزام آمبولانس مبتنی بر پیدا کردن بهترین مسیر مناسب برای ماشین‌های سرویس‌دهنده می‌باشد که پیچیدگی زمانی این روش‌ها بسیار بالا می‌باشد. در این مقاله با استفاده از رویکردی ترکیبی و به کارگیری معیار‌های مرکزیت از تحلیل شبکه‌های پیچیده و روش‌های جستجو مبتنی بر هوش مصنوعی، روشی بهینه و نوین را برای کاهش زمان پاسخ سرویس‌های اورژانسی ارائه شده است. علاوه بر این در روش پیشنهادی، اولویت اورژانسی تماس‌ها نیز درنظر گرفته شده است، که متغیری مهم در تصمیم گیری ها می باشد. روش پیشنهادی نسبت به روش‌های قبلی از محدودیت‌های کمتری برخوردار بوده و نتایج شبیه سازی گسترده نیز بهبود معنی‌دار این روش را در مقایسه با روش های قبلی مانند روش مرکزیت و نزدیک‌ترین همسایه، مورد تایید قرار می‌دهد. پرونده مقاله

امروزه ارائه خدمات هوشمند و سریع به بیماران و حرکت به سمت بیمارستان‌های نسل آینده، از ضروریات حوزه سلامت است. تهیه معماری اطلاعات برای بیمارستان‌ها مقدمه دستیابی به خدمات هوشمند و به تبع آن ارایه خدمات با سرعت و کیفیت بسیار بالاتر نسبت به سیستم‌های سنتی است. در این مقاله هدف ارایه یک معماری اطلاعات بومی مبتنی بر معیارها و شاخص‌های مهم در بیمارستان‌های ایران بوده است. در این مقاله از معماری فناوری اطلاعات TOGAF استفاده و سپس این معماری متناسب با شرایط بومی ایران برای بیمارستان شریعتی بومی سازی شده است. برای این کار از نظر خبرگان و ابزار پرسشنامه 134 سوالی بهره گرفته شده و بر اساس آزمون‌های مناسب آماری مورد تحلیل قرار گرفته است. در این مقاله معماری فناوری اطلاعات در قالب یک مدل مفهومی دارای چهار ورودی و چهار لایه زیرساختی طراحی شد. نتایج نشان داد از میان 134 جزء معماری فناوری اطلاعات توگف، تعداد 104 جزء، توسط خبرگان برای کاربرد در بیمارستان مورد تایید قرار گرفت. این چارچوب اختصاصی‌سازی شده، معماری فناوری اطلاعات بیمارستان نامیده شد. معماری پیشنهادی که در هشت لایه و یازده جزء ترسیم شد و می‌تواند به عنوان یک معماری مرجع بومی برای اجرای معماری اطلاعات در بیمارستان‌های ایران مورد استفاده قرار گیرد. پرونده مقاله

هدف سرویس‌های اورژانس پزشکی کاهش مرگ و میر و عوارض ناشی از بیماری‌ها و صدمات می‌باشد. اعزام سریع سرویس‌های اورژانس و کاهش زمان پاسخ، منجر به افزایش نرخ بقاء می‌شود. زمان پاسخ یکی از معیارهای مهم سنجش کارایی سرویس‌های اورژانس پزشکی می‌باشد. روش معمول در اعزام آمبولانس‌ها، فرستادن نزدیک‌ترین واحد در دسترس می‌باشد که این روش به کارایی در کوتاه مدت توجه می‌کند. یکی از روش‌هایی که اخیرا در زمینه اعزام آمبولانس بیان شده است، مبتنی بر تحلیل شبکه‌های پیچیده است. هدف این روش، اعزام آمبولانس مد نظر به تماسی می‌باشد که مرکزیت بیشتری نسبت به دیگر تماسها دارد، که منجر به کارایی بهتر در دراز مدت می‌شود. دیگر روش‌ها در اعزام آمبولانس مبتنی بر پیدا کردن بهترین مسیر مناسب برای ماشین‌های سرویس‌دهنده می‌باشد که پیچیدگی زمانی این روش‌ها بسیار بالا می‌باشد. در این مقاله با استفاده از رویکردی ترکیبی و به کارگیری معیار‌های مرکزیت از تحلیل شبکه‌های پیچیده و روش‌های جستجو مبتنی بر هوش مصنوعی، روشی بهینه و نوین را برای کاهش زمان پاسخ سرویس‌های اورژانسی ارائه شده است. علاوه بر این در روش پیشنهادی، اولویت اورژانسی تماس‌ها نیز درنظر گرفته شده است، که متغیری مهم در تصمیم گیری ها می باشد. روش پیشنهادی نسبت به روش‌های قبلی از محدودیت‌های کمتری برخوردار بوده و نتایج شبیه سازی گسترده نیز بهبود معنی‌دار این روش را در مقایسه با روش های قبلی مانند روش مرکزیت و نزدیک‌ترین همسایه، مورد تایید قرار می‌دهد. پرونده مقاله

با گسترش روزافزون شبکه‌های اجتماعی، علوم شبکه مورد توجه بسیاری از پژوهشگران در زمینه‌های مختلف قرار گرفته است. علاوه بر آن بسیاری از مسایل کاربردی مهندسی با استفاده از ابزار شبکه‌های اجتماعی مدل‌سازی شده‌اند. پیش‌بینی تغییر و تحول در ساختار شبکه‌های اجتماعی یکی از مسایل اساسی در تحلیل شبکه‌های اجتماعی است که با عنوان مسأله پیش‌بینی ارتباط در علوم شبکه شناخته می‌شود. امروزه با گسترش استفاده از شبکه‌های اجتماعی، فعالیت افراد در قالب چندین شبکه با عنوان شبکه‌های اجتماعی ناهمگن رواج پیدا کرده است. پیش‌بینی ارتباط در شبکه‌های اجتماعی ناهمگن را می‌توان بر اساس اطلاعات اضافی موجود نسبت به روش‌های قبلی مورد بهبود قرار داد. در رویکرد پیشنهادی این مقاله، ابتدا یک معیار شباهت جدید برای کاربران در شبکه‌های ناهمگن بر اساس توسعه روش‌های مطرح پیشین و با در نظر گرفتن ارتباط بین لایه‌های مختلف معرفی می‌شود، سپس با استفاده از رویکرد یادگیری باناظر و بهره‌گیری از ویژگی‌های تولیدشده بر مبنای معیار شباهت معرفی‌شده، الگوریتم پیشنهادی مورد تشریح قرار می‌گیرد. برای ارزیابی روش پیشنهادی از معیارهای استاندارد همانند دقت و صحت بهره گرفته‌ایم. مقایسه روش پیشنهادی با روش‌های شناخته‌شده پیشین بر روی مجموعه داده‌های مختلف نشان می‌دهد که روش پیشنهادی ما برای پیش‌بینی ارتباط از عملکرد بهتر و مطلوب‌تری برخوردار است به طوری که از نظر صحت تا ۲۰ درصد موجب بهبود عملکرد شده است. پرونده مقاله