دوره 11، شماره 1 - ( بهار 1404 )
جلد 11 شماره 1 صفحات 124-109 |
برگشت به فهرست نسخه ها
Ethics code: 1
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Kashani M. Intelligent referral system in electronic health records: A comprehensive review of models, challenges, and future perspectives. JMIS 2025; 11 (1) :109-124
URL: http://jmis.hums.ac.ir/article-1-592-fa.html
URL: http://jmis.hums.ac.ir/article-1-592-fa.html
کاشانی مصطفی. نظام ارجاع هوشمند در پرونده الکترونیک سلامت: مرور جامع مدل ها، چالش ها و چشم اندازهای آینده. اطلاعرسانی پزشکی نوین. 1404; 11 (1) :109-124
گروه فناوری اطلاعات سلامت، دانشکده علوم پزشکی سیرجان، سیرجان، ایران.
چکیده: (706 مشاهده)
هدف: این مرور سیستماتیک با هدف بررسی مدل های محاسباتی، چالش های پیاده سازی و مسیرهای آینده نظام های ارجاع هوشمند مبتنی بر پرونده الکترونیک سلامت ( EHR ) انجام شد تا شکاف های موجود شناسایی و راهکارهای توسعه پایدار پیشنهاد شود.
منابع اطلاعات یا داده ها: جستجوی جامع در پایگاه های PubMed ،Scopus ،Web of Science ،IEEE Xplore و Google Scholar برای مقالات منتشر شده طی سال های ۲۰۰۶ تا ۲۰۲۵ انجام گرفت و متون خاکستری انگلیسی زبان نیز بررسی شد.
روشهای انتخاب برای مطالعه: مطابق دستورالعمل های استاندارد مرور سیستماتیک، ۲۲۳۵ رکورد اولیه شناسایی شد. پس از حذف موارد تکراری و غربالگری عنوان و چکیده، ۳۵۰ مقاله برای ارزیابی متن کامل بررسی گردید و درنهایت ۲۰ مطالعه واجد شرایط انتخاب شد. استخراج داده با NVivo و ارزیابی کیفیت با AMSTAR-2 و RoB-2 انجام شد.
ترکیب مطالب و نتایج: یافته ها نشان دادند که یادگیری ماشین ۴۰ درصد و هوش مصنوعی قابل توضیح ۲۰ درصد بیشترین کاربرد را در نظام های ارجاع هوشمند داشتند و عملکرد مطلوبی در پی شبینی ریسک و اولویت بندی ارجاعات ارائه کردند. قواعد فازی برای مدیریت عدم قطعیت و بلاک چین برای امنیت و قابلیت همکاری به کاررفته بود. مهم ترین چالشها شامل یکپارچگی داده ها، حریم خصوصی، پذیرش کاربران و محدودیت های زیرساختی گزارش شد. همچنین ۶۰ درصد مطالعات کیفیت بالا داشتند و روند انتشار از سال ۲۰۱۹ افزایش یافته است.
نتیجه گیری: نظام های ارجاع هوشمند ظرفیت تحول در سلامت دیجیتال رادارند، اما بهره برداری اثربخش آنها نیازمند رفع موانع فنی و اخلاقی است. توجه به آموزش کاربران،تدوین استانداردها و انجام پژوهش در مناطق کم منابع می تواند کارایی جهانی ا ین سیستم ها را افزا یش دهد.
منابع اطلاعات یا داده ها: جستجوی جامع در پایگاه های PubMed ،Scopus ،Web of Science ،IEEE Xplore و Google Scholar برای مقالات منتشر شده طی سال های ۲۰۰۶ تا ۲۰۲۵ انجام گرفت و متون خاکستری انگلیسی زبان نیز بررسی شد.
روشهای انتخاب برای مطالعه: مطابق دستورالعمل های استاندارد مرور سیستماتیک، ۲۲۳۵ رکورد اولیه شناسایی شد. پس از حذف موارد تکراری و غربالگری عنوان و چکیده، ۳۵۰ مقاله برای ارزیابی متن کامل بررسی گردید و درنهایت ۲۰ مطالعه واجد شرایط انتخاب شد. استخراج داده با NVivo و ارزیابی کیفیت با AMSTAR-2 و RoB-2 انجام شد.
ترکیب مطالب و نتایج: یافته ها نشان دادند که یادگیری ماشین ۴۰ درصد و هوش مصنوعی قابل توضیح ۲۰ درصد بیشترین کاربرد را در نظام های ارجاع هوشمند داشتند و عملکرد مطلوبی در پی شبینی ریسک و اولویت بندی ارجاعات ارائه کردند. قواعد فازی برای مدیریت عدم قطعیت و بلاک چین برای امنیت و قابلیت همکاری به کاررفته بود. مهم ترین چالشها شامل یکپارچگی داده ها، حریم خصوصی، پذیرش کاربران و محدودیت های زیرساختی گزارش شد. همچنین ۶۰ درصد مطالعات کیفیت بالا داشتند و روند انتشار از سال ۲۰۱۹ افزایش یافته است.
نتیجه گیری: نظام های ارجاع هوشمند ظرفیت تحول در سلامت دیجیتال رادارند، اما بهره برداری اثربخش آنها نیازمند رفع موانع فنی و اخلاقی است. توجه به آموزش کاربران،تدوین استانداردها و انجام پژوهش در مناطق کم منابع می تواند کارایی جهانی ا ین سیستم ها را افزا یش دهد.
واژههای کلیدی: پرونده الکترونیک سلامت، هوش مصنوعی، ارجاع هوشمند، یادگیری ماشین، چالش های پیاده سازی.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
