آسم-فراگستر: طراحي و پياده سازي سيستم پايش بيماران مبتلا به آسم با بهره گيري از سيستم اطلاعات مكاني فراگستر

Ubi-Asthma: Design and Implementation of Asthmatic Patient Monitoring System in Ubiquitous Geospatial Information System

امروزه با توجه به رشد جمعیت و افزایش آلودگی های زیست محیطی و تغییر در سبك زندگی افراد با رشد چشمگیری در تعداد افراد مبتلا به آسم مواجه شده ایم. بدین منظور با توجه به فقدان روشی مناسب برای درمان بیماران مبتلا به آسم، به اهمیت نقش كنترل شدت بیماری آسم در جهت بهبود كیفیت زندگی بیماران توجه بسیاری می گردد. در مطالعه حاضر به كاوش مهم ترین محركهای زیست محیطی موثر در تشدید بیماری آسم و مدلسازی ویژگی های پزشكی بیماران مبتلا به آسم پرداخته شد. در این راستا تلاش گردید تا با بهره گیری از سیستم اطلاعات مكانی فراگستر به عنوان سیستمی هوشمند برای پایش بیماران مبتلا به آسم استفاده گردد. به منظور پیاده سازی سیستم، این تحقیق در خصوص30 بیمار مبتلا آسم كه تحت پیگیری بوده اند، انجام شد. به منظور توسعه مدل پایش فراگسترجهت پیش بینی تشدید بیماری آسم، از روش ویكور در راستای كلاسه بندی بیماران استفاده گردید. پس از كلاسه بندی با روش ویكور، یك بیمار به عنوان مطالعه موردی انتخاب گردید و اطلاعات مربوط به FVC و FEV1آن در 86 موقعیت به مدت 47 روز اندازه گیری شد. در راستای ارائه خدمات محیط آگاه، از حسگر آلودگی هوای CO، حسگرهای دما، رطوبت و فشار نیز در راستای ایجاد پایگاه داده آنی و همچنین داده های ایستگا های ثابت آلاینده PM10، SO2، NO وO3 نیز بهره گرفته شد تا با بهره گیری از روش شبكه عصبی مصنوعی وضعیت تشدید بیمار پیش بینی شود. نتایج این مطالعه نشان داد كه مدل آسم- فراگستر از خطای ارزیابی 0667/0 در پیش بینی وضعیت بیمار آسمی برخوردار است.

In recent years, the growth of population, increase in environmental pollution, and changes in human’s life style, a dramatic increase in the number of asthmatic patients has been observed. In addition, the Lack of suitable solution for the cure of asthma shows us the necessity of recent researches for controlling of the exacerbation of asthma in order to improve patients’ quality of life. Environmental condition in a spatio-temporal perspective enables us to do some predictive analytics in order to providing this ability to the asthmatic patients to have self-checking in addition to the medication by personal physician. Ubiquitous patient monitoring system which is enabled by geospatial perspective can assist us to provide such services to the asthmatic patients in both outdoor and indoor environments. In this paper, we monitor ubiquitously asthmatic patients in a Ubiquitous GIS environment by considering 8 important environmental asthma triggers including CO, NO, O3, PM10, SO2, Temperature, Humidity, and Pressure, and 4 medical records of current status of asthmatic patients. In fact, to achieve a better modeling with divided our research to two parts: User Model and Contextual Model. For implementation of Ubiquitous Asthma model (UbiAsthma), this survey is done by consideration of 30 patients in Tehran city. To develop our prediction model in UbiAsthma, at first we used VIKOR method to reclassified current patients’ medical classification to a novel and applicable classification for providing context-aware services. Secondly, after classification of patients, one patient is selected and the information related to FVC and FEV1 of the patient in 86 different locations within 47 days is collected.  The patient was equipped by CO pollutant sensor (MQ9) and Temperature, Humidity, and Pressure sensors collection by smart-phone in order to having of a real-time database for the patient’s trajectory. Also, we utilized O3, NO, SO2, and PM10 for all 86 locations as static database in our model. After data collection and manipulation, Artificial Neural Network (ANN) is used for doing predictive analysis for asthmatic patients’ status. The result of test and train of ANN method shows that UbiAsthma model has 0.0230 evaluation error in prediction of asthmatic patients’ status, which is a considerable output in our model.