DOI: https://doi.org/10.32515/2664-262X.2022.5(36).2.130-136

Удосконалена модель та програмне забезпечення цифровізованого інфосервісу муніципальних закладів охорони здоров’я

В.В. Міхав, Є.В. Мелешко, М.С. Якименко, Я.П. Шуліка

Об авторах

В.В. Міхав, аспірант, Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, e-mail: mihaw.wolodymyr@gmail.com, ORCID ID: 0000-0003-4816-4680

Є.В. Мелешко, доцент, доктор технічних наук, Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, e-mail: elismeleshko@gmail.com, ORCID ID: 0000-0001-8791-0063

М.C. Якименко, доцент, кандидат фізико-математичних наук, Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, e-mail: m.yakymenko@gmail.com, ORCID ID: 0000-0002-5759-9603

Я.П. Шуліка, аспірант, Центральноукраїнський національний технічний університет, м. Кропивницький, Україна, e-mail: yar.shulika@gmail.com, ORCID ID: 0000-0002-6713-7269

Анотація

В Україні активно цифровізуються державні й муніципальні послуги. Зокрема органи управління міста Кропивницького за суспільною потребою на муніципальні сервіси інціювали створення декількох інформаційних систем (ІС), які необхідні для розвитку різних сфер діяльності. Серед них – ІС медичних послуг, які надаються закладами охорони здоров’я міста. Отже, науково-технічна задача реалізації програмного засобу муніципальної інформаційної системи медичних послуг Кропивницького є актуальною. Тож слід діджиталізувати доступ до інформації про медичні послуги установ сфери охорони здоров’я м. Кропивницького шляхом створення муніципальної інформаційної системи з мобільним клієнтом. У процесі досягнення мети дослідження розв’язані такі науково-технічні задачі: 1) виконано аналіз існуючих систем - аналогів та технічних рішень муніципальних інформаційних систем – цифровізованих інфосервісів в Україні; 2) розробено концептуальну модель інформаційної системи медичних послуг; 3) удосконалено модель муніципальної інформаційної системи медичних послуг для забезпечення доступу до даних ІС при відсутності інтернету; 4) програмно реалізовано функціонування клієнта муніципальної інформаційної систем медичних послуг на мобільній платформі; 5) розроблено клієнтське програмне забезпечення ІС медичних послуг для мобільних операційних систем iOS та виконати його кваліфіковане тестування. У роботі застосовані методи теорії інформаційних систем, теорії алгоритмів, методи аналізу й синтезу, метод моделювання процесів і систем, методи проектування інформаційних систем, методи проектування алгоритмів, метод реалізації програмних засобів, метод кваліфікованого тестування програмного забезпечення. Наукова новизна отриманих результатів полягає в удосконаленні моделі муніципальної інформаційної систем медичних послуг за рахунок реалізації процесу офлайнового режиму функціонування системи, що на відміну від існуючих моделей аналогічних муніципальних систем забезпечує доступ до даних ІС у період відсутності зв'язку з Інтернетом. Практична цінність роботи визначається розробленим програмним забезпечення функціонування системи, нетворку, роботи з мапою і центру збору аналітичних, а також мобільним iOS-застосунком муніципальної інформаційної системи медичних послуг міста Кропивницького, який опублікований в «App Store».

Ключові слова

цифровізація, діджиталізація, інформаційна система, медичний сервіс, програмне забезпечення

Повний текст:

PDF

Посилання

1. “Recommender Systems Handbook” (2010), Editors F. Ricci, L. Rokach, B. Shapira, P. B. Kantor, New York, NY, Springer-Verlag New York, Inc., USA. 842 p.

2. Anitha J., Kalaiarasu M. (2022), “Retraction Note to: Optimized machine learning based collaborative filtering (OMLCF) recommendation system in e-commerce”, J Ambient Intell Human Comput, DOI: https://doi.org/10.1007/s12652-022-04093-4

v3. Priya A.S.B. (2022), “Bhuvaneswaran, R.S. Retraction Note to: Cloud service recommendation system based on clustering trust measures in multi-cloud environment”, J Ambient Intell Human Comput, DOI: https://doi.org/10.1007/s12652-022-04056-9

4. Paul, D., Kundu, S. (2020), “A Survey of Music Recommendation Systems with a Proposed Music Recommendation System”, In: Mandal, J., Bhattacharya, D. (eds) Emerging Technology in Modelling and Graphics, Advances in Intelligent Systems and Computing, Vol. 937, Springer, Singapore, DOI: https://doi.org/10.1007/978-981-13-7403-6_26

5. Valois B.Jr.C., Oliveira M.A. (2011), “Recommender systems in social networks”, JISTEM J.Inf.Syst. Technol. Manag., Vol. 8, No. 3, P. 681-716, URL: https://www.scielo.br/scielo.php?script=sci_arttext&pid=

S1807-17752011000300009

6. Felfernig A., Polat-Erdeniz S., Uran C. et al. (2019), “An overview of recommender systems in the internet of things”, J Intell Inf Syst 52, P. 285-309, DOI: https://doi.org/10.1007/s10844-018-0530-7

7. Nawara D., Kashef R. (2020), “IoT-based Recommendation Systems – An Overview”, 2020 IEEE International IOT, Electronics and Mechatronics Conference (IEMTRONICS), pp. 1-7, DOI: https://doi.org/10.1109/IEMTRONICS51293.2020.9216391

8. Bouazza H., Said B., Laallam F.Z. (2022), “A hybrid IoT services recommender system using social IoT”, Journal of King Saud University – Computer and Information Sciences, DOI: https://doi.org/10.1016/j.jksuci.2022.02.003, URL: https://www.sciencedirect.com/science/article/pii/

S1319157822000362

9. Hills T. (2016), “NoSQL and SQL Data Modeling. Bringing Together Data, Semantics, and Software”, Technics Publications, 260 p.

10. Meier A., Kaufmann M. (2019), “SQL & NoSQL Databases”, Springer Vieweg, Wiesbaden, P. 201-218, URL: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.468.7089&rep=rep1&type=pdf

11. Cure O., Blin G. (2014), “RDF Database Systems: Triples Storage and SPARQL Query Processing”, Elsevier Science, 256 p.

12. Robinson I., Webber J., Eifrem E. (2016), “Graph Databases: New Opportunities for Connected Data”, O’Reilly Media, 238 p.

13. “Neo4j Documentation” (2021), Official website of the graph database Neo4j, URL: https://neo4j.com/docs/

14. Yi N., Li C., Feng X., Shi M. (2017), “Design and implementation of movie recommender system based on graph database”, 14th Web Information Systems and Applications Conference, IEEE, P. 132-135.

15. Angles R. (2012), “A comparison of current graph database models”, IEEE 28th International Conference on Data Engineering Workshops, IEEE, P. 171-177.

16. Mikhav V.V., Meleshko Ye.V., Yakymenko M.S., Bashchenko D.V. (2021), “The methods of data storingof a recommendation system based on linked lists”, Control, navigation and communication systems, Vol. 4(66), Poltava, Ukraine, P. 59-62. – DOI: https://doi.org/10.26906/SUNZ.2021.4.059 [in Ukrainian]

Пристатейна бібліографія ГОСТ

  • “Recommender Systems Handbook” (2010), Editors F. Ricci, L. Rokach, B. Shapira, P. B. Kantor, New York, NY, Springer-Verlag New York, Inc., USA. 842 p.
  • Anitha J., Kalaiarasu M. (2022), “Retraction Note to: Optimized machine learning based collaborative filtering (OMLCF) recommendation system in e-commerce”, J Ambient Intell Human Comput, DOI: https://doi.org/10.1007/s12652-022-04093-4
  • Priya A.S.B. (2022), “Bhuvaneswaran, R.S. Retraction Note to: Cloud service recommendation system based on clustering trust measures in multi-cloud environment”, J Ambient Intell Human Comput, DOI: https://doi.org/10.1007/s12652-022-04056-9
  • Paul, D., Kundu, S. (2020), “A Survey of Music Recommendation Systems with a Proposed Music Recommendation System”, In: Mandal, J., Bhattacharya, D. (eds) Emerging Technology in Modelling and Graphics, Advances in Intelligent Systems and Computing, Vol. 937, Springer, Singapore, DOI: https://doi.org/10.1007/978-981-13-7403-6_26
  • Valois B.Jr.C., Oliveira M.A. (2011), “Recommender systems in social networks”, JISTEM J.Inf.Syst. Technol. Manag., Vol. 8, No. 3, P. 681-716, URL: https://www.scielo.br/scielo.php?script=sci_arttext&pid=S1807-17752011000300009
  • Felfernig A., Polat-Erdeniz S., Uran C. et al. (2019), “An overview of recommender systems in the internet of things”, J Intell Inf Syst 52, P. 285-309, DOI: https://doi.org/10.1007/s10844-018-0530-7
  • Nawara D., Kashef R. (2020), “IoT-based Recommendation Systems – An Overview”, 2020 IEEE International IOT, Electronics and Mechatronics Conference (IEMTRONICS), pp. 1-7, DOI: https://doi.org/10.1109/IEMTRONICS51293.2020.9216391
  • Bouazza H., Said B., Laallam F.Z. (2022), “A hybrid IoT services recommender system using social IoT”, Journal of King Saud University – Computer and Information Sciences, DOI: https://doi.org/10.1016/j.jksuci.2022.02.003, URL: https://www.sciencedirect.com/science/article/pii/S1319157822000362
  • Hills T. (2016), “NoSQL and SQL Data Modeling. Bringing Together Data, Semantics, and Software”, Technics Publications, 260 p.
  • Meier A., Kaufmann M. (2019), “SQL & NoSQL Databases”, Springer Vieweg, Wiesbaden, P. 201-218, URL: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.468.7089&rep=rep1&type=pdf
  • Cure O., Blin G. (2014), “RDF Database Systems: Triples Storage and SPARQL Query Processing”, Elsevier Science, 256 p.
  • Robinson I., Webber J., Eifrem E. (2016), “Graph Databases: New Opportunities for Connected Data”, O’Reilly Media, 238 p.
  • “Neo4j Documentation” (2021), Official website of the graph database Neo4j, URL: https://neo4j.com/docs/
  • Yi N., Li C., Feng X., Shi M. (2017), “Design and implementation of movie recommender system based on graph database”, 14th Web Information Systems and Applications Conference, IEEE, P. 132-135.
  • Angles R. (2012), “A comparison of current graph database models”, IEEE 28th International Conference on Data Engineering Workshops, IEEE, P. 171-177.
  • Міхав В.В., Мелешко Є.В., Якименко М.С., Бащенко Д.В. (2021), “Методи зберігання даних рекомендаційної системи на основі зв’язних списків”, Системи управління, навігації та зв’язку, Т. 4(66), Полтава, С. 59-62. – DOI: https://doi.org/10.26906/SUNZ.2021.4.059

    • Copyright (c) 2022 В.В. Міхав, Є.В. Мелешко, М.С. Якименко, Я.П. Шуліка