حداقل الزامات داده‌ای جهت پیش‌بینی نیاز به arthroplasty زانو در بیماران osteoarthritis

هدف:arthroplasty زانو یکی از بهترین روش های درمانی جهت کاهش درد و بهبود کیفیت زندگی در موارد مقاوم به درمان بیماری osteoarthritis محسوب می شود؛ ولی ازآنجایی که یک اقدام تهاجمی محسوب شده و تاخیر در انجام آن ممکن است به عوارض ناخواسته پس از عمل جراحی منجر گردد. بنابراین انتخاب صحیح و به موقع بیمار جهت arthroplasty زانو، اهمیت بسزایی دارد. هدف از این پژوهش شناسایی حداقل الزامات داده ای جهت پیش بینی نیاز به arthroplasty زانو در بیماران osteoarthritis می باشد.روش ها: این مطالعه از نوع کاربردی بوده که در سال 1396 انجام شده است. بامطالعه کتابخانه ای و جستجوی اینترنتی کلیدواژه های مرتبط مانند total knee arthroplasty, minimum data set, hellip;در پایگاه های داده معتبر مانند pubmed, science direct, hellip; و موتور جستجوی google scholar، فاکتورهای موثر در پیش بینی arthroplasty زانو شناسایی شدند. نمونه گیری با استفاده از جدول مورگان انجام شد و 32 نفر از پزشکان فوق تخصص روماتولوژی شاغل در دانشگاه علوم پزشکی تهران، به عنوان نمونه انتخاب شدند و روایی پرسشنامه توسط اساتید مدیریت اطلاعات سلامت و پایایی آن با آلفای کرونباخ 82 درصد در نرم افزار spss نسخه 16 محاسبه گردید. نتایج با استفاده از نرم افزار excell تحلیل شد.نتایج: نتایج حاصل از دو مرحله تکنیک دلفی انجام شده نشان داد داده های غیربالینی (سن، شاخص توده بدنی) و داده های بالینی (درد زمان استراحت، درد زمان فعالیت، کیفیت زندگی، یافته های رادیوگرافی، ناپایداری زانو، دفرمیتی زانو، محدودیت حرکتی زانو) حداقل داده های ضروری پیش بینی نیاز به arthroplasty زانو در بیماران osteoarthritis می باشند.نتیجه گیری: نتایج این پژوهش می تواند به عنوان اولین قدم در جهت طراحی و ایجاد سیستم های هوشمند پیش بینی arthroplasty زانو محسوب شود. استفاده از این سیستم ها در مدیریت لیست انتظار جراحی در مراکز درمانی بسیار مفید خواهد بود.

Minimum data requirements to predict the need for total knee arthroplasty in osteoarthritis patients

Aim: Knee arthroplasty is one of the best treatments to reduce pain and improve quality of life in cases of osteoarthritis resistant to osteoarthritis, however since it is an offensive act and delayed arthroplasty may lead to unwanted side effects after surgery. Therefore, the correct and timely selection of the patient for knee arthroplasty is important so it is necessary to collect standard and integrated data necessary. The purpose of this research is to identify minimum data requirements for predicting knee arthroplasty in patients with osteoarthritis.Methods: This is a descriptive study conducted in 2017. Effective factors in knee arthroplasty prediction were identified Through library research and Internet search of keywords such as total knee arthroplasty, minimal data set, ... in valid databases such as PubMed, science direct, ... and the Google search engine Scholar. Sampling was done using Morgan table 32 faculty members of where rheumatology specialist at Tehran University of Medical Sciences were selected as sample. Validity of the questionnaire was assessed by Health Information Management Professors and its reliability was 82% Cronbach's alpha in SPSS 16 software. Results were analyzed using Excel software.Results: The results of the twostage Delphi technique include: nonclinical data (age, body mass index) and clinical data (rest pain, activity pain, quality of life, the xray findings, knee instability, knee deformity, and limited mobility). These are the Minimum data necessary for predicting the need of knee arthroplasty in osteoarthritis patients. Conclusion: The results of this study can be considered as the first step in the development of intelligent knee arthroplasty prediction systems. Using these systems will be very useful in managing the waiting list of surgery in health centers.