fa کاربردهای داده کاوی در حوزه سلامت - مرور نظام مند تخصصي Special پژوهشي Research <div style="text-align: justify;"><span style="line-height:2;"><span style="font-size:14px;"><span style="font-family:yekanYW;"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" times=""><b><span lang="AR-SA"><span b="" mitra="">مقدمه:</span></span></b><span lang="AR-SA"><span b="" mitra=""> با گسترش استفاده از پرونده‌های الکترونیکی سلامت، حجم داده‌های بهداشتی به سرعت در حال افزایش است. داده‌کاوی به عنوان ابزاری قدرتمند، امکان استخراج دانش ارزشمند از این داده‌ها را فراهم می‌کند و نقش کلیدی در بهبود تشخیص بیماری‌ها، مدیریت درمان، و بهینه‌سازی سیستم‌های بهداشتی ایفا می‌نماید.&nbsp; </span></span><span dir="LTR"><span style="line-height:150%"></span></span></span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" times=""><b><span lang="AR-SA"><span b="" mitra="">روش‌ها:</span></span></b><span lang="AR-SA"><span b="" mitra=""> این مطالعه یک مرور نظام‌مند بر اساس دستورالعمل </span></span><span dir="LTR">PRISMA</span> <span lang="AR-SA"><span b="" mitra="">بود. جستجو در پایگاه‌های داده </span></span><span dir="LTR">PubMed</span><span lang="AR-SA"><span b="" mitra="">، </span></span><span dir="LTR">Scopus</span><span lang="AR-SA"><span b="" mitra="">، </span></span><span dir="LTR">Science Direct</span><span lang="AR-SA"><span b="" mitra=""> و </span></span><span dir="LTR">Magiran</span> <span lang="AR-SA"><span b="" mitra="">با کلیدواژه‌های مرتبط انجام شد. از </span></span><span lang="FA"><span b="" mitra="">1461</span></span><span lang="AR-SA"><span b="" mitra=""> مطالعه شناسایی‌شده، پس از غربالگری، </span></span><span lang="FA"><span b="" mitra="">۳2</span></span><span lang="AR-SA"><span b="" mitra=""> مطالعه واجد شرایط انتخاب شدند. کیفیت مطالعات با چک‌لیست </span></span><span dir="LTR">Joanna Briggs Institute</span><span lang="AR-SA"><span b="" mitra=""> ارزیابی گردید.&nbsp; </span></span><span dir="LTR"><span style="line-height:150%"></span></span></span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" times=""><b><span lang="FA"><span b="" mitra="">ی</span></span></b><b><span lang="AR-SA"><span b="" mitra="">افته‌ها:</span></span></b><span lang="AR-SA"><span b="" mitra=""> نتایج نشان داد که داده‌کاوی در حوزه‌های مختلف سلامت از جمله پیش‌بینی بیماری‌های مزمن (مانند دیابت و بیماری‌های قلبی)، تشخیص زودهنگام، و مدیریت منابع بهداشتی کاربرد گسترده‌ای دارد. الگوریتم‌هایی مانند درخت تصمیم، شبکه‌های عصبی، و ماشین بردار پشتیبان بیشترین استفاده را داشته‌اند. همچنین، ترکیب روش‌های داده‌کاوی با سیستم‌های پشتیبان تصمیم‌گیری بالینی، دقت تشخیص و کیفیت درمان را بهبود بخشیده است.&nbsp; </span></span><span dir="LTR"><span style="line-height:150%"></span></span></span></span></span><br> <span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" times=""><b><span lang="AR-SA"><span b="" mitra="">نتیجه‌گیری:</span></span></b><span lang="AR-SA"><span b="" mitra=""> داده‌کاوی به عنوان یک فناوری تحول‌آفرین در حوزه سلامت، پتانسیل بالایی برای ارتقای خدمات درمانی و کاهش هزینه‌ها دارد. با این حال، چالش‌هایی مانند کیفیت داده‌ها، حریم خصوصی، و نیاز به نیروی متخصص باید مورد توجه قرار گیرند. توسعه استانداردهای بین‌المللی و تقویت همکاری‌های بین‌رشته‌ای برای بهره‌برداری مؤثر از این فناوری ضروری است.&nbsp;</span></span></span></span></span></span></span></span></div> <div style="text-align: justify;"><span style="line-height:2;"><span style="font-family:Times New Roman;"><span style="font-size:14px;"><span style="unicode-bidi:embed"><span new="" roman="" times=""><b>Introduction:</b> With the widespread adoption of electronic health records, the volume of healthcare data is rapidly increasing. Data mining, as a powerful tool, enables the extraction of valuable knowledge from these data, playing a crucial role in improving disease diagnosis, treatment management, and optimizing healthcare systems.&nbsp; <span style="line-height:150%"></span></span></span><br> <span style="unicode-bidi:embed"><span new="" roman="" times=""><b>Methods:</b> This systematic review follows the PRISMA guidelines. A search was conducted in PubMed, Scopus, Science Direct, and Magiran databases using relevant keywords. From 1,461 identified studies, 32 eligible studies were selected after screening. Study quality was assessed using the Joanna Briggs Institute checklist<span dir="RTL" lang="AR-SA"><span b="" mitra="">.</span></span><span style="line-height:150%"></span></span></span><br> <span style="unicode-bidi:embed"><span new="" roman="" times=""><b>Findings:</b> Data mining is widely applied in healthcare, including predicting chronic diseases (e.g., diabetes and cardiovascular diseases), early diagnosis, and healthcare resource management. Algorithms such as decision trees, neural networks, and support vector machines were most commonly used. Integrating data mining with clinical decision support systems has improved diagnostic accuracy and treatment quality<span dir="RTL" lang="AR-SA"><span b="" mitra="">.</span></span><span style="line-height:150%"></span></span></span><br> <span style="unicode-bidi:embed"><span new="" roman="" times=""><b>Conclusion:</b> Data mining is a transformative technology in healthcare with significant potential to enhance services and reduce costs. However, challenges such as data quality, privacy concerns, and the need for specialized expertise must be addressed. Developing international standards and fostering interdisciplinary collaboration are essential for effective utilization of this technology.</span></span></span></span></span></div> داده‌کاوی, تحلیل داده, سلامت, پیش‌بینی بیماری Data Mining, Data Analysis, Healthcare, Disease Prediction 0 0 http://jmis.hums.ac.ir/browse.php?a_code=A-10-998-1&slc_lang=fa&sid=1 Mohamad Hossein Ronaghi محمدحسین رونقی mh_ronaghi@shirazu.ac.ir 100319475328460013643 100319475328460013643 Yes Shiraz University دانشگاه شیراز Ahmad Reza Malekpoor احمدرضا ملک پور Ahmadrezamalekpor79@gmail.com 100319475328460013644 0009-0004-0654-7522 No Shiraz University دانشگاه شیراز