دوره 17، شماره 1 - ( 6-1405 )
جلد 17 شماره 1 صفحات 38-25 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Hosseini H S, Sohrabi M, Kiaei M. Artificial Intelligence and Mobile Health Applications in Community Health Education: A Systematic Review between 2015 and 2026. 3 2026; 17 (1) :25-38
URL: http://ndhj.lums.ac.ir/article-1-493-fa.html
URL: http://ndhj.lums.ac.ir/article-1-493-fa.html
حسینی حدیث السادات، سهرابی منصوره، کیایی مهسا. اثربخشی مداخلات مبتنی بر هوش مصنوعی و سلامت همراه در آموزش سلامت جامعه: مرور سیستماتیک مطالعات منتشرشده از ۲۰۱۵ تا ۲۰۲۶. توسعه پرستاری در سلامت. 1405; 17 (1) :25-38
چکیده: (7 مشاهده)
زمینه و هدف: هوش مصنوعی (AI) و اپلیکیشن‌های سلامت موبایل (mHealth) ابزارهای نویدبخشی برای بهبود آموزش سلامت جامعه هستند. این مطالعه با هدف مرور و سنتز نظام‌مند شواهد موجود درباره اثربخشی مداخلات مبتنی بر هوش مصنوعی و سلامت همراه در آموزش سلامت جامعه انجام شد.
مواد و روش ها: این مرور سیستماتیک بر اساس راهنمای Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) ۲۰۲۰ انجام و گزارش شد. جستجوی سیستماتیک در پایگاه‌های داده PubMed، Scopus، CINAHL، Web of Science و Embase از ۱ ژانویه ۲۰۱۵ تا ۳۰ ژوئن ۲۰۲۶ انجام گردید. مطالعات کمی، کیفی و ترکیبی که اثربخشی مداخلات مبتنی بر هوش مصنوعی یا سلامت همراه را در آموزش سلامت جامعه بررسی کرده بودند، وارد مطالعه شدند.
یافته‌ها: در مجموع ۲۸ مطالعه واجد شرایط وارد مرور شدند. از این تعداد، ۲۱ مطالعه (۷۵٪) بهبود معنی‌دار در دانش سلامت و ۱۷ مطالعه (۶۰.۷٪) تغییرات مثبت رفتاری را گزارش کردند. مداخلات مبتنی بر هوش مصنوعی ظرفیت بیشتری برای شخصی‌سازی آموزش و افزایش مشارکت کاربران نشان دادند. بهبودهای بالینی از جمله کاهش HbA1c نیز مشاهده شد. موانع اصلی شامل سواد دیجیتال پایین و دسترسی محدود به اینترنت (به‌ویژه در مناطق روستایی) بود.
نتیجه‌گیری: شواهد موجود نشان می‌دهد که مداخلات مبتنی بر هوش مصنوعی و سلامت همراه می‌توانند آموزش سلامت جامعه را بهبود دهند؛ با این حال، اثربخشی آن‌ها به کیفیت طراحی مداخله، زیرساخت‌های فناوری، سواد دیجیتال و تطابق فرهنگی وابسته است. این یافته‌ها می‌تواند راهنمای ارزشمندی برای پرستاران سلامت جامعه و سیاست‌گذاران حوزه سلامت در ایران فراهم کند.
کلمات کلیدی: هوش مصنوعی، سلامت همراه (mHealth)، آموزش سلامت جامعه، پرستاری سلامت جامعه، ارتقای سلامت، مرور سیستماتیک
مواد و روش ها: این مرور سیستماتیک بر اساس راهنمای Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) ۲۰۲۰ انجام و گزارش شد. جستجوی سیستماتیک در پایگاه‌های داده PubMed، Scopus، CINAHL، Web of Science و Embase از ۱ ژانویه ۲۰۱۵ تا ۳۰ ژوئن ۲۰۲۶ انجام گردید. مطالعات کمی، کیفی و ترکیبی که اثربخشی مداخلات مبتنی بر هوش مصنوعی یا سلامت همراه را در آموزش سلامت جامعه بررسی کرده بودند، وارد مطالعه شدند.
یافته‌ها: در مجموع ۲۸ مطالعه واجد شرایط وارد مرور شدند. از این تعداد، ۲۱ مطالعه (۷۵٪) بهبود معنی‌دار در دانش سلامت و ۱۷ مطالعه (۶۰.۷٪) تغییرات مثبت رفتاری را گزارش کردند. مداخلات مبتنی بر هوش مصنوعی ظرفیت بیشتری برای شخصی‌سازی آموزش و افزایش مشارکت کاربران نشان دادند. بهبودهای بالینی از جمله کاهش HbA1c نیز مشاهده شد. موانع اصلی شامل سواد دیجیتال پایین و دسترسی محدود به اینترنت (به‌ویژه در مناطق روستایی) بود.
نتیجه‌گیری: شواهد موجود نشان می‌دهد که مداخلات مبتنی بر هوش مصنوعی و سلامت همراه می‌توانند آموزش سلامت جامعه را بهبود دهند؛ با این حال، اثربخشی آن‌ها به کیفیت طراحی مداخله، زیرساخت‌های فناوری، سواد دیجیتال و تطابق فرهنگی وابسته است. این یافته‌ها می‌تواند راهنمای ارزشمندی برای پرستاران سلامت جامعه و سیاست‌گذاران حوزه سلامت در ایران فراهم کند.
کلمات کلیدی: هوش مصنوعی، سلامت همراه (mHealth)، آموزش سلامت جامعه، پرستاری سلامت جامعه، ارتقای سلامت، مرور سیستماتیک
واژه‌های کلیدی: هوش مصنوعی، سلامت همراه (mHealth)، آموزش سلامت جامعه، پرستاری سلامت جامعه، ارتقای سلامت، مرور سیستماتیک
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
