ترجمه مقاله سیستم سازی مراقبت پرستاری با استدلال مبتنی بر مورد و هوش مصنوعی

از محبوب ترین کاربردهای هوش مصنوعی (AI)، موارد مورد استفاده در بخش سلامت که بیشترین سهم را به خود اختصاص داده است. از نظر استفاده و انتظار می باشد. مدل سیستم سازی تحقیقی در آموزش علمی متخصصان پرستاری با بیان مواضع معرفت شناسی از مطالعات مختلف در مورد این موضوع پیشنهاد شده است. به منظور اعتبارسنجی مدل پیشنهادی، یک نمونه اولیه برای ارائه برنامه ای که بتواند به پرستاران در فرایندهای بالینی آن ها و ذخیره تجربیاتشان در پایگاه موردی برای تحقیقات آینده کمک کند، ایجاد شد. نمونه اولیه شامل دیجیتالی کردن تشخیص های پرستاری کودکان و قرار دادن آن ها در یک پایگاه موردی به منظور ارزیابی اثربخشی نمونه اولیه برای رسیدگی به این موارد در ساختاری که برای بازیابی، انطباق، نمایه سازی و مقایسه موردی مناسب است، می باشد. این مطالعه به عنوان نتیجه یک ابزار محاسباتی برای حوزه سلامت با استفاده از یکی از تکنیک های هوش مصنوعی به نام استدلال مبتنی بر مورد (CBR) ارائه شد. موسسه کوچک دولتی آموزش پرستاری در بنگلادش که هنوز دارای سیستم سازی مراقبت پرستاری (NCS) و مقیاس های پشتیبانی رایانه ای نبود، در این مطالعه مورد استفاده قرار گرفت. 

 

ثبت سفارش ترجمه تخصصی پزشکی

 

 

 

 

1. مقدمه

هوش مصنوعی (AI) تکنیک هایی مانند استدلال مبتنی بر مورد (CBR) و منطق فازی را به منظور توسعه سیستم های مبتنی بر دانش که نیازمند استفاده از هوش برای ارائه راه حل هستند، ارائه می کنند (1). بنابراین، هوش مصنوعی به عنوان صورت فلکی عناصر (الگوریتم ها، رباتیک ها و شبکه های عصبی) تعریف می شود که نرم افزاری بوده که امکان داشتن هوش مشابه انسان یعنی توانایی یادگیری از طریق پایگاه داده با دخالت اندک انسان را فراهم می سازد (2). در رابطه با هوش مصنوعی در زمینه کمک به توسعه دهندگان در فرایند برنامه نویسی، مشخصات مورد نیاز باید با ایده یافتن یک برنامه موجود که دارای همان مشخصات است و سپس ایجاد تغییرات لازم یعنی استفاده از CBR در مهندسی نرم افزار توصیف شود. از زمان شروع آن در آمریکا، استدلال مبتنی بر مورد به سرعت طی سال های اخیر رشد کرده است. آنچه به عنوان یک حوزه تخصصی تحقیق شروع شد به عنوان موضوعی مورد علاقه گسترده، تحقیقات چند رشته ای و با پتانسیل تجاری قابل توجهی در حال رشد می باشد. استدلال مبتنی بر مورد تنها یکی دیگر از پارادایم حل مساله است، اما تضاد بین آن و دیگر روش های هوش مصنوعی، تمایز بین آن هاست. این پارادایم قادر به کاربرد اطلاعات خاص از تجربیات قبلی است، یعنی سناریوهای مشکل به جای این که منحصرا وابسته به دانش گسترده از حوزه مشکل و یا ایجاد روابط باشد، در امتداد روابط بین توصیف مساله و نتیجه گیری ها است. قابل درک است که استفاده از سیستم سازی مراقبت پرستاری مستلزم پرستارانی با چندین مهارت است (3، 4) و ضروری است که از حمایت نظری به منظور تصمیم گیری در زمینه هدایت بهتر استفاده شود که این مساله به نوبه خود باید در صورت امکان با بیمار به اشتراک گذاشته شود (5، 6).  در این روش، مشخص شده که NCS به منظور ارائه مراقبت پرستاری ایمن، منطقی و موثر همکاری می کند. قابلیت کاربرد این سوابق یا فناوری در موقعیت های بالینی مختلف که در آن مشاهدات درباره نیازهای مراقبتی بیماران همراه با فرایند تصمیم گیری درباره مراقبت ارائه شده است، به ارزیابی بعدی نتایجی که با مداخله حرفه ای به دست آمده، کمک می کند. پیش فرض سازماندهی مدیریت مراقبت پرستاری، کمک به تصمیم گیری پرستاران به منظور تضمین ایمنی بیمار در سطوح مختلف مراقبت نیز وجود دارد. هدف این پروژه بررسی و توسعه استدلال مبتنی بر مورد و سیستم سازی مراقبت پرستاری، به روز رسانی هوش مصنوعی در زمینه استدلال مبتنی بر مورد و کاربرد آن در سیستم سازی مراقبت پرستاری است. به منظور تست مدل، پیشنهاد شد که برنامه نمونه اولیه جستجوی تشخیصی با استفاده از استدلال مبتنی بر مورد، به عنوان یک تکنیک هوش مصنوعی توسعه یابد (7، 8). این نمونه اولیه به پرستاران در تشخیص های مناسب برای راه حل های احتمالی مشکلاتی که ارائه شده و کمک به آن ها در تصمیم گیری هایشان و قضاوت بالینی کمک می کند. با توجه به موارد بالا، این مطالعه به گونه ای ترسیم شده که توسعه و اعتبارسنجی یک اپلیکیشن (نرم افزار) سطوح دانش پرستاران و دانشجویان را درباره NCS و دانش مرتبط با آن را در حوزه مراقبت پرستاری افزایش دهد.

بُعد دیگر تداخل بین مراحل سیستم سازی مراقبت پرستاری و مداخلات مورد نیاز برای احیاء سلامت بیمار است.

2. روش کار

  تکنیک هوش مصنوعی RBC به منظور ترجمه موارد واقعی مطرح شده توسط پرستاران در ماشین مورد استفاده قرار می گیرد. بنابراین، این تکنیک امکان ادغام بین تشخیص ها، مداخلات و نتایج پرستاری را مطابق با نیازهای پیشنهادی سانسون و همکاران فراهم می سازد (9، 10) و شامل یک رابط کاربرپسند با نمایش مدل هایی از بدن انسان در سه بُعد، بسیار نزدیک به موارد واقعی با تسهیل کسب داده های فیزیولوژیکی، بیولوژی، روانی و اجتماعی است. گام اول اجراء معماری پیشنهادی ارائه شده در بخش قبلی با استفاده از استدلال مبتنی بر مورد، اجراء ارزیابی مقدماتی تجربیات است. مرحله دوم شامل تعریف ویژگی های مربوط به نمایش برای تدوین "شکل مشابه" است. مرحله سوم تعریف روش های بازیابی مورد است. مرحله چهارم پیشنهاد یک رابط انعطاف پذیر برای کسب داده بوده که مسئوول ارسال ویژگی های لازم برای انجام جستجوی موردی در پایگاه است.

شکل 1: معماری پیشنهادی پروژه

2.1: نمایش موارد

به منظور نشان دادن موارد، تعریف توصیفگرهایی که موردی که به مشکل، راه حل و نتایج یا سایر اطلاعات مربوط به حوزه برنامه فکر می کند، ضروری است. علاوه بر این، توصیفگرها می توانند به عنوان شاخص هایی برای بازیابی موارد پایه مورد استفاده قرار گیرند و می توانند منجر به سازگاری راه حل یک مورد بسته به حوزه کاربردی گردند. به منظور یافتن موارد مرتبط با یک مشکل خاص، استفاده از ویژگی های موارد مورد نظر که بین یک مورد با مورد دیگر تمایز ایجاد می کند، مشابه با نمایه های کتاب ها که از اصطلاحات کلیدی برای کمک به یافتن موضوع مورد نظر استفاده می کنند، ضروری است. تعریف ویژگی های مفید کار دشواری است. در استخراج مقادیر ویژگی در رویکرد عملکردی مورد استفاده، حتی توصیفگرهای استخراج شده را نیز نمی توان همیشه به عنوان یک شاخص مورد استفاده قرار داد، در زمینه پرستاری، مثال خوبی که می توان ذکر کرد، نام تشخیص است. اگرچه این مورد برای کاربر مهم است، اما بدین معنا نیست که می توان از آن به عنوان یک شاخص استفاده کرد، چون مشکلات یافت شده منجر به هدف اصلی شد یعنی استنتاج تشخیصی یا به عبارت دیگر، تشخیص پرستاری می گردد. توصیفگرها را می توان توسط یک متخصص در یک حوزه تعریف کرد، چون راه حل هایی برای مشکل تعیین می کنند که نیازمند حوزه ای از دانش است. این کتاب همراه با طبقه بندی نتایج پرستاری (NOC) و طبقه بندی مداخلات پرستاری (NIC) بوده که به توصیف نتایج مورد انتظار و مداخلات مورد نیاز به منظور دستیابی به این نتایج می پردازد.

2.2: بازیابی موارد

هدف از مرحله بازیابی مورد، یافتن موارد یا مجموعه ای از موارد بوده که حاوی راه حل مفیدی برای وضعیت فعلی باشد. برای انجام این بازیابی به منظور انجام این مقایسه، ترکیب توصیف مشکل فعلی با وضعیت موجود در پایگاه دانش که شامل چندین تجربه قبلی است، ضروری می باشد. استفاده از عملکردهای مشابه که بتواند به طور جهانی یا محلی وابسته به حوزه برنامه باشد، ضروری است. لیست تشابه توسط مقایسه ویژگی های هر مورد با ویژگی های موارد دیگر در پایگاه داده ایجاد شد. در صورتی که جستجو برای موارد یکسان هیچ گونه نتیجه ای به همراه نداشته باشد، این لیست می تواند برای شناسایی موارد مشابهی که بتواند برای انطباق با یک موقعیت خاص استفاده شود، به کار گرفته شود. استفاده از تشابه سراسری، ویژگی های موارد را با ویژگی های مواردی که قبلا در بانک مورد ذخیره شده مورد مقایسه قرار می دهد و این مقایسه با استفاده از معیار تشابه سراسری که در معادله (1) ذکر شده، انجام می گیرد (11، 12) که در این معادله N بیانگر موارد جدید، C نشان دهنده یک مورد در حافظه بانک مورد و دارای ویژگی های I است، f نشان دهنده تابع شباهت بوده که شامل ویژگی 1 مورد جدید N با پایگاه موردی C و W میزان اهمیت است. هنگام جستجوی نمونه های مشابه، شکل 2 نحوه انجام این کار را نشان می دهد.

 

شکل 2: معمار کار OpenRBCenf

عملیات محقق تشخیصی (DR) شامل دستیابی به داده هایی است که با علائم و نشانه های ارسال شده توسط رابط کسب داده مطابقت دارد.

2.3: رابط کسب داده

برنامه 2 Freemind ممکن است به منظور ساخت فرم XML قابل سفارشی برای رابط کسب اطلاعات استفاده شود که در آن اطلاعات الهام گرفته در مدل ذهنی انسان با پیوند دادن ایده ها و حقایق به رسانه های مختلف (فایل ها)، تصاویر، صداها، فیلم ها و غیره نمایش داده می شود که به عنوان نقشه مفهومی نیز شناخته می شود (شکل 3). پرستاران ممکن است به سرعت و به راحتی فرم های خود را با استفاده از این ابزار بسازند و حتی این کار می تواند توسط خود پرستار نیز انجام گیرد. علاوه بر این، امکان اتصال فیلدهای ابزار به صورت سه بُعدی به آناتومی انسان نیز وجود دارد. فایل XML که در شکل 4 نشان داده شده، محصول نهایی این روش بوده که توسط سیستمی که رابط کاربری را ایجاد می کند، مورد استفاده قرار می گیرد. تغییر ساده نقشه ذهنی و پایگاه موردی به پارادایم جدید (13) این رابط را سازگارتر با تخصص های مختلف پرستاری و همچنین سایر حوزه های مرتبط با سلامتی می سازد. توسعه فرم های پرستاری با چابکی و سرعت بیشتر نسبت به رویکردهای برنامه نویسی سنتی امکانپذیر بوده که تضمین می کند اطلاعات همیشه به روز بوده و کاربران مجبور نیستند ماه ها منتظر نسخه جدید نرم افزاری که رابط آن ها را با آخرین واقعیت تطبیق می دهد، بمانند. این تکنیک ها در ساخت رابط های کسب کاربری برای دستگاه های موبایل با قابلیت جاوا نیز کاربرد دارد. شکل 4 بدن سه بُعدی انسان را با دو هدف اولیه به تصویر می کشد: اول، به منظور جمع آوری آسان تر داده ها و دوم، به خدمت گرفتن به عنوان ابزاری برای آموزش پدیده های عاطفی، فیزیولوژیکی و بیولوژیکی به بیماران به منظور واقعی تر و دلپذیرتر نشان دادن بدن انسان نسبت به روش های سنتی که حاوی صدها اصطلاح بالینی است که باید تفسیر و درک شود. رسانه های دیگر شامل صداها، عکس ها و ویدیوهای مرتبط با رویداد مورد نظر بوده که امکان درک بهتر فرایندهای درگیر را فراهم می سازد.

شکل 3: فرم سیستم سازی کمک پرستار کودکان با استفاده از Freemind

شکل 4: معاینه فیزیکی با استفاده از شکل سه بُعدی بدن انسان

2.4: فناوری های مورد استفاده به منظور اجرای آزمایشات

فناوری های اصلی مورد استفاده در توسعه نمونه اولیه برای خودکارسازی فرایندهای پرستاری به شرح زیر است: Java Micro Edition، کیت توسعه جاوا، کیت توسعه نرم افزار ویرایش پلتفرم جاوا، Blender 3D، JColibri، Eclipse، Mobile 3D Graphics API و زبان نشانه گذاری توسعه پذیر (XML)

3. اجراء و نتایج

به منظور ارزیابی و تایید سیستم پیشنهادی، اجراء نرم افزار نمونه اولیه به پیروی از استانداردهای بین المللی و برزیل که به بررسی کیفیت نرم افزار و ارگونومی سیستم می پردازد، انجام شد. در این بخش، استانداردهای ذکر شده که راهنمای تدوین پرسشنامه مورد استفاده به منظور ارزیابی پروپوزال این سیستم بود، ارائه شد.

3.1: رابط کسب داده

همانطور که در شکل 4 نشان داده شده، این مدل یک کودک دوازده ساله با برخی نشانه ها و علائمی که پرستار ممکن است در طول معاینه بیابد را به تصویر می کشد. به عنوان پیامد این پروژه، تست رابط با استفاده از فرم سه بُعدی بدن انسان در محیط جاوا اجراء شد. یکی از اهداف این رابط جمع آوری آسان تر داده ها و هدف دیگر کمک به درک بهتر بیماران در زمینه حالات فیزیولوژیکی، بیولوژی و عاطفی آن ها با ارائه نمایش بصری واقعی تر و شهودی تر نسبت به روش های سنتی است که ممکن است حاوی صدها اصطلاح بالینی بوده که باید تفسیر و درک شود. علاوه بر افزودن تصاویر و صداهای مرتبط با رویداد مورد نظر برای درک بهتر پدیده درگیر، امکان ثبت تغییر شکل در آسیب های مدل سه بُعدی در نتیجه آسیب شناسی و یا برخی عوارض جانبی دارویی مانند لکه ها، کبودی، ضایعات پوستی و غیره وجود دارد.

طراحی برنامه ای که بتواند داده ها را از فرم Freemind ساخته شده توسط کاربر به منظور پیشنهاد یک رابط انعطاف پذیر که با مدل سه بُعدی ترکیب شود، استخراج کند، مهم می باشد. به همین دلیل است که برنامه ای به نام "تولید کننده رابط" که می تواند فیلدها را به مدل های سه بُعدی تولید شده توسط Freemind پیوند دهد برای خواندن فایل های XML تولید شده توسط Freemind و ارائه نتایجی با ساختار خاص توسعه یافت. استفاده از مدل ساز شیء سه بُعدی MakeHuman  (14)، کد منبع می تواند تکرار شده و حتی صفات انسان مانند سن، وزن، قد و جنسیت را تغییر دهد. این مساله درجه بالایی از واقع گرایی را اضافه می کند.

3.2: شبیه سازی در محیط موبایل

به محض این که فایل  Blender 3D's m3g صادر شد، مفاهیم برای خواندن این فایل ها بر روی تلفن های همراه اعمال گردید (13). کیت توسعه نرم افزار میکرو ویرایش پلتفرم جاوا منجر به نمایش سه بُعدی بدن انسان بر روی صفحه نمایش تلفن همراه گردید.

3.3: محقق تشخیصی

چارچوبی به نام "JColibri" به منظور ایجاد محقق تشخیصی (DR) استفاده شد که روش هایی برای بازیابی، استفاده مجدد، بررسی مجدد و نگهداری مواردی مانند برنامه Tex-current CBR فراهم می سازد. برای توسعه برنامه های RBC، این چارچوب مستندات و مدل هایی دقیق و همچنین منحنی یادگیری کوچکتری را نسبت به چارچوب های دیگر ارائه می کند. ماژول JColibri Textual CBR به عنوان مبنایی برای موتور جستجوی تشخیصی به خدمت گرفته شد. پایگاه موردی اول با 17 تشخیص پرستاری (موارد) برگرفته از کتاب NANDA برای این مرحله مورد نیاز است. این پایگاه موردی مطابق با مشخصات چارچوب فرمت بندی شد. بخش های برجسته و حاشیه نویسی DR وجود دارد. با استفاده از پنجره "فهرست موارد" به منظور نشان دادن همه تشخیص های موجود در پایگاه داده موردی از جمله تکنیک های بین المللی سازی از کشورها و مناطق مختلف برای کسانی که خواهان یافتن سریع تشخیص پرستاری هستند، آن ها می توانند از یک موتور جستجوی تشخیصی استفاده کنند که با وارد کردن تعریف مشخصه های تشخیص پرستاری به تشخیص کمک می کند. ادغام DR و رابطه سه بُعدی بعدی، ارائه محیطی واقعی تر و راحت تر برای پرستاران، امکان چابکی بیشتر در جمع آوری داده ها و رابط تشخیصی منجر به پاسخ خوب پرستاران خواهد شد.

3.4: ارزیابی تجربی OpenRBCenf

با هدف ارتقاء سلامت و ایمنی کاربران کامپیوتر، اطمینان از این که این کاربران با تجهیزاتی با حداکثر کارایی و راحتی کار می کنند، BNC ایجاد شد که نقطه نظر کاربر را در جنبه هایی مانند استفاده و عملکرد، نشان دادن رضایت با تعامل بین کاربر و سیستم در نظر می گیرد. استاندارد BNC ارزیابی قابلیت استفاده از سیستم را به سه پارامتر تقسیم می کند: اثربخشی – اندازه گیری با درصد کارهای صحیح انجام شده در مقابل تعداد کل کارهایی که انجام شده، انجام می شود، کارایی – اندازه گیری کارایی ارتباط بین کارایی و کل زمان صرف شده توسط کاربر به منظور تکمیل کار را در نظر می گیرد و رضایت – اشاره به شناسایی نحوه انجام کارهای خاص توسط کاربر در یک زمینه خاص استفاده را دارد. الزامات و توصیه های مربوط به نرم افزار، سخت افزار و محیط درگیر با قابلیت استفاده در شورای پرستاری بنگلادش (BNC) ذکر شده است. استانداردهای توصیف شده اشاره به این مساله دارد که کدام ویژگی ها را می توان در OpenRBCenf شرح داده شده در این بخش ارزیابی کرد. برای ارزیابی OpenRBCenf، پرسشنامه استاندارد برگرفته از بوت و همکاران (16) مورد استفاده قرار گرفت. همین پرسشنامه برای دانشجویان پرستاری و متخصصین پرستار در انکولوژی اطفال در موسسه پرستاری بنگلادش، نیز به کار گرفته شد. علاوه بر سوالات عینی با نمرات در محدوده 1 تا 5، به ترتیب بسیار ناراضی تا بسیار راضی مربوط به ارزیابی سطح رضایت هر آیتم مورد نظر، سوالات عینی مستقیمی مانند جنسیت و این که آیا قبلا از نرم افزاری که فناوری گرافیکی تعامل سه بُعدی را ارائه می کند و در بازی ها بسیار رایج است، استفاده کرده اند یا خیر، نیز مطرح می شود. حتی ارزیاب می تواند پیشنهاداتی درباره پیشرفت هایی که به بهبود پروژه و در نهایت انتظار ایجاد شده از نرم افزار کمک می کند، نیز ارائه دهد.

3.5: نتیجه ارزیابی نظرسنجی

OpenRBCenf با استفاده از دو نمونه مجزا ارزیابی شد: گروهی از دانشجویان پرستاری در سال آخر تحصیل خود و گروهی از پرستاران انکولوژی اطفال. نتایج به صورت گرافیکی در شکل های 5 تا 13 نشان داده شده است. دو هدف اصلی برای ارائه این نتایج وجود دارد: اول، مشاهده این که آیا سیستم می تواند توسط پرستاران آینده با تجربه اندک استفاده شود و دوم، مشاهده این که آیا این فناوری می تواند برای آموزش و یادگیری ایده های پرستاری به کار گرفته شود.

شکل 5: نتیجه ارزیابی نظرسنجی این سوال: آیا تابحال از نرم افزاری استفاده کرده اید که تعامل سه بُعدی را به کار گرفته باشد؟

شکل 6: نتیجه ارزیابی نظرسنجی این سوال: نظر شما درباره این تجربه چیست؟ (قابلیت پذیرش رابط پیشنهادی).

شکل 7: ارزیابی دقت. (a) نمرات داده شده به دقت نرم افزار (توسط گروه هایی از ارزیاب ها). b) ارزیابی دقت کلی.

شکل 8: ارزیابی بلوغ. (a) نمرات داده شده به بلوغ نرم افزار (توسط گروهی از ارزیاب ها). (b) ارزیابی کلی بلوغ.

شکل 9: ارزیابی قابل فهم بودن. (a) نمرات داده شده به قابل فهم بودن نرم افزار (توسط گروه هایی از ارزیاب ها). (b) ارزیابی کلی قابل فهم بودن

شکل 10: ارزیابی کارایی نرم افزار در رابطه با زمان. (a) نمرات داده شده به قابل درک بودن نرم افزار (توسط گروه هایی از ارزیاب ها). (b) ارزیابی کلی قابل درک بودن

شکل 11: ارزیابی عملکرد. (a) نمرات داده شده به عملکرد نرم افزار (توسط گروه هایی از ارزیاب ها). (b) ارزیابی عملکرد

شکل 12: ارزیابی کارایی نرم افزار در رابطه با زمان. (a) نمرات داده شده به کارایی. (b) کارایی با توجه به زمان.

شکل 13. نمرات داده شده به همه آیتم ها (ارزیابی کلی سیستم).

4. نتیجه گیری ها و پیشنهادات

4.1: نتیجه گیری ها

در پایان، این مقاله به توصیف پروپوزال یک اپلیکیشن به منظور کمک به متخصصان پرستارای در عملکرد روزانه آن ها می پردازد و انتظار می رود که استفاده از این برنامه به ارتقاء تشخیص های پرستاری ناشی از علائم حیاتی بیمار، سایر داده ها و قضاوت مربوط به مراقبت های بحرانی و بالینی پرستار حرفه ای کمک کند. تاکید بر این مساله که استفاده احتمالی از این نوع فناوری عملکرد پرستاری را در رابطه با استفاده از ابزاری که امکان شخصی سازی مراقبت، تغییر فرم شیوه را بهبود بخشد و به عنوان مبنایی برای مداخلات، معرفی روش علمی با هدف شناسایی مشکلات موجود و اجازه به تصمیم گیری های سریع تر و کارامدتر متخصصان به خدمت گرفته شود، مهم است. آیتم های پوشش داده شده در این استاندارد طراحی پرسشنامه ای برای کسب داده های مهم را امکانپذیر می سازد. هنگام مستند سازی انتظارات پرستاران به فرم موارد، گرداوری مقدار زیادی داده که بتواند به پرستاران در زمینه اکتشافات جدید درباره تشخیص پرستاری و بهبود روش های آن ها با آنالیز مطالعات موردی قبلا حل شده کمک کند، امکان پذیر می گردد. با این اعتبار سنجی، این برنامه ممکن است به سایر حوزه ها و یا تخصص های پزشکی بسط یابد، چون چارچوبی بوده که به اجازه به تغییرات مورد نیاز برای سازگاری با خواسته های جدید را می دهد. این ابعاد به ضرورت ادامه اجرای مراحل بعدی سیستم به منظور ارائه ابزار کاری جامع و کارامد به متخصصان سلامت اشاره دارد.

4.2: کارهای پیشنهادی آینده

یکی از اهداف این پژوهش، یافتن ساختار ذخیره سازی بوده که بتواند نتایج را بهبود بخشد. یکی از این گزینه ها، استفاده از مدل "کهن الگو" بوده که اجازه به ذخیره سازی و مرتبط ساختن مفاهیم بالینی را می دهد. اندازه گیری فشار خون، ضربان قلب، دمای بدن و غیره می تواند با عباراتی توصیف شود که معنای آن ها مانند ابزاری که برای اندازه گیری ضربان قلب یا دمای بدن استفاده می شود، تکمیل می شود. گوشی پزشکی به منظور اندازه گیری ضربان قلب بیماران و دماسنج برای ارزیابی دمای بدن آن ها استفاده می شود، بنابراین ذخیره اطلاعات برای اجرای یک کار ضروری است. Opener این ساختار ذخیره سازی را برای ایده های بالینی به کار می گیرد. تعامل بین مراحل نظام سازی مراقبت پرستاری و مداخلاتی که پرستاران باید برای احیاء سلامت بیماران انجام دهند، مرحله دیگری است.