Akbari M, Arsalani N, Dinmohammadi M, Abbasi Niasar A, Shahbazi Miraghaei B, Mosafer H, et al . Application of Artificial Intelligence in Prevention and Control of Hospital-Acquired Infections: A Narrative Review Study. J Arak Uni Med Sci 2026; 29 (3)
URL:
http://jams.arakmu.ac.ir/article-1-8235-fa.html
اکبری مهران، ارسلانی نرگس، دین محمدی محمدرضا، عباسی نیاسر علیرضا، شهبازی میر آقایی بهاره، مسافر حدیث، و همکاران.. کاربرد هوش مصنوعی در پیشگیری و کنترل عفونت های اکتسابی بیمارستانی: یک مطالعه مروری روایتی. مجله دانشگاه علوم پزشكي اراك. 1405; 29 (3)
URL: http://jams.arakmu.ac.ir/article-1-8235-fa.html
1- دانشجوی دکتری پرستاری، کمیته تحقیقات دانشجویی، دانشگاه علوم توانبخشی و سلامت اجتماعی، تهران، ایران
2- استاد، گروه پرستاری، دانشگاه علوم توانبخشی و سلامت اجتماعی، تهران، ایران
3- دانشیار، گروه پرستاری، دانشگاه علوم توانبخشی و سلامت اجتماعی، تهران، ایران
4- استاد، گروه پرستاری، دانشگاه علوم توانبخشی و سلامت اجتماعی، تهران، ایران ، fallahi@uswr.ac.ir
چکیده: (57 مشاهده)
مقدمه: عفونتهای اکتسابی بیمارستانی، شایعترین عارضه جانبی در بیماران بستری هستند و با وجود پتانسیل بالای پیشگیری از طریق استراتژیهای مبتنی بر شواهد، بهرهگیری از رویکردهای نوین مانند هوش مصنوعی میتواند تحولآفرین باشد. لذا هدف این مطالعه مروری، کابرد هوش مصنوعی در شناسایی، پیشگیری و کنترل عفونت های اکتسابی بیمارستانی میباشد.
روش کار: این مطالعه بهصورت مرور روایتی انجام شد تا کاربرد هوش مصنوعی در عفونت های اکتسابی بیمارستانی بررسی شود. برای گردآوری اطلاعات، جستجویی ساختاریافته با کلید واژه Artificial Intelligence Machine Artificial Intelligence, Hospital Acquired Infections, Infection Prevention, Infection Controls, Healthcare-Associated Infection, Intelligent Systems, HAI, در پایگاه معتبرPubMed ، Scopus، Science Direct موتور جستجو Google Scholar از سال 2015 تا 2026 انجام شد که در نهایت پس از بررسیهای اولیه و نهایی 10 مقاله برای بررسی کامل انتخاب شدند.
یافتهها: مطالعات نشان داد که الگوریتمهای یادگیری ماشین مانند SVM، Random Forest، XGBoost و شبکههای عصبی و مدلهای زبانی بزرگ مانند ChatGPT در پیشبینی ریسک و شناسایی/نظارت هوشمند عفونتها مؤثر هستند. این ابزارها بیماران پرخطر را زودهنگام شناسایی، حساسیت تشخیص را افزایش و بار نظارت دستی را کاهش میدهند.
نتیجهگیری: هوش مصنوعی میتواند نظارت بر کنترل عفونت را هوشمند و شخصیسازیشده کند. اجرای گسترده این مدلها برای کاهش بار عفونتهای اکتسابی بیمارستانی و ارتقای ایمنی بیمار ضروری است.
نوع مطالعه:
مقاله مروری |
موضوع مقاله:
عفونی دریافت: 1404/11/2 | پذیرش: 1404/12/6