مقالات در انتظار انتشار
برگشت به فهرست مقالات |
برگشت به فهرست نسخه ها
Ethics code: 1
دانشکده علوم پزشکی
چکیده: (221 مشاهده)
هدف: این مطالعه مروری سیستماتیک با هدف بررسی جامع مدلهای محاسباتی، چالشهای پیادهسازی و چشماندازهای آینده نظامهای ارجاع هوشمند در پروندههای الکترونیک سلامت (EHR) انجام شد تا شکافهای پژوهشی شناسایی و راهکارهای توسعه پایدار پیشنهاد گردد.
منابع اطلاعات یا دادهها: جستجوی سیستماتیک در پایگاههای اطلاعاتی معتبر شامل PubMed، Scopus، Web of Science و IEEE Xplore و همچنین موتور جستجوی علمی Google Scholar انجام گرفت. در این جستجو از کلیدواژههای مرتبط نظیر "Electronic Health Records"، "Intelligent Referral Systems" و "Artificial Intelligence in Healthcare" برای بازیابی مقالات منتشر شده در بازه زمانی ۲۰۰۶ تا ۲۰۲۵ استفاده شد. همچنین منابع انگلیسیزبان و متون خاکستری نیز مورد بررسی قرار گرفتند.
روشهای انتخابی برای مطالعه: این مطالعه بر اساس دستورالعملهای استاندارد مرور سیستماتیک انجام شد. معیارهای ورود شامل تمرکز مقالات بر مدلهای محاسباتی و کاربردهای بالینی بود. از مجموع ۲۲۳۵ رکورد اولیه، پس از حذف موارد تکراری (۴۳۵ مورد) و غربالگری عناوین و چکیدهها (۱۸۰۰ رکورد که منجر به حذف ۱۴۵۰ مورد نامرتبط شد)، ارزیابی متن کامل روی ۳۵۰ مقاله صورت گرفت و در نهایت ۲۰ مطالعه واجد شرایط انتخاب شدند. استخراج دادهها با استفاده از نرمافزار NVivo و ارزیابی کیفیت مقالات با ابزارهای AMSTAR-2 و RoB 2 انجام پذیرفت.
ترکیب مطالب و نتایج: نتایج نشان داد که مدلهای یادگیری ماشین با ۴۰ درصد و هوش مصنوعی قابلتوضیح با ۲۰ درصد، مدلهای غالب در مطالعات بررسی شده بودند که دقت بالایی را در پیشبینی ریسک و اولویتبندی ارجاعات نشان دادند. همچنین مشخص شد که قوانین فازی برای مدیریت عدم قطعیت و فناوری بلاکچین برای تضمین امنیت و قابلیت همکاری مورد استفاده قرار گرفتهاند. چالشهای اصلی شناسایی شده شامل یکپارچگی دادهها، حریم خصوصی، پذیرش توسط کاربران و محدودیتهای زیرساختی بود. بررسیها نشان داد که ۶۰ درصد مطالعات از کیفیت بالایی برخوردار بودند و روند انتشار مقالات از سال ۲۰۱۹ به بعد افزایش یافته است.
نتیجهگیری: نظامهای ارجاع هوشمند پتانسیل قابلتوجهی برای ایجاد تحول در سلامت دیجیتال دارند، اما موفقیت آنها به رفع موانع فنی و اخلاقی وابسته است. پیشنهاد میشود تمرکز آینده بر آموزش کاربران، تدوین استانداردها و انجام تحقیقات در مناطق کممنابع باشد تا کارایی جهانی این سیستمها افزایش یابد.
منابع اطلاعات یا دادهها: جستجوی سیستماتیک در پایگاههای اطلاعاتی معتبر شامل PubMed، Scopus، Web of Science و IEEE Xplore و همچنین موتور جستجوی علمی Google Scholar انجام گرفت. در این جستجو از کلیدواژههای مرتبط نظیر "Electronic Health Records"، "Intelligent Referral Systems" و "Artificial Intelligence in Healthcare" برای بازیابی مقالات منتشر شده در بازه زمانی ۲۰۰۶ تا ۲۰۲۵ استفاده شد. همچنین منابع انگلیسیزبان و متون خاکستری نیز مورد بررسی قرار گرفتند.
روشهای انتخابی برای مطالعه: این مطالعه بر اساس دستورالعملهای استاندارد مرور سیستماتیک انجام شد. معیارهای ورود شامل تمرکز مقالات بر مدلهای محاسباتی و کاربردهای بالینی بود. از مجموع ۲۲۳۵ رکورد اولیه، پس از حذف موارد تکراری (۴۳۵ مورد) و غربالگری عناوین و چکیدهها (۱۸۰۰ رکورد که منجر به حذف ۱۴۵۰ مورد نامرتبط شد)، ارزیابی متن کامل روی ۳۵۰ مقاله صورت گرفت و در نهایت ۲۰ مطالعه واجد شرایط انتخاب شدند. استخراج دادهها با استفاده از نرمافزار NVivo و ارزیابی کیفیت مقالات با ابزارهای AMSTAR-2 و RoB 2 انجام پذیرفت.
ترکیب مطالب و نتایج: نتایج نشان داد که مدلهای یادگیری ماشین با ۴۰ درصد و هوش مصنوعی قابلتوضیح با ۲۰ درصد، مدلهای غالب در مطالعات بررسی شده بودند که دقت بالایی را در پیشبینی ریسک و اولویتبندی ارجاعات نشان دادند. همچنین مشخص شد که قوانین فازی برای مدیریت عدم قطعیت و فناوری بلاکچین برای تضمین امنیت و قابلیت همکاری مورد استفاده قرار گرفتهاند. چالشهای اصلی شناسایی شده شامل یکپارچگی دادهها، حریم خصوصی، پذیرش توسط کاربران و محدودیتهای زیرساختی بود. بررسیها نشان داد که ۶۰ درصد مطالعات از کیفیت بالایی برخوردار بودند و روند انتشار مقالات از سال ۲۰۱۹ به بعد افزایش یافته است.
نتیجهگیری: نظامهای ارجاع هوشمند پتانسیل قابلتوجهی برای ایجاد تحول در سلامت دیجیتال دارند، اما موفقیت آنها به رفع موانع فنی و اخلاقی وابسته است. پیشنهاد میشود تمرکز آینده بر آموزش کاربران، تدوین استانداردها و انجام تحقیقات در مناطق کممنابع باشد تا کارایی جهانی این سیستمها افزایش یابد.
واژههای کلیدی: پرونده الکترونیک سلامت، هوش مصنوعی، ارجاع هوشمند، یادگیری ماشین، چالشهای پیادهسازی.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
