دانلود مقاله بررسی سیستماتیک هوش مصنوعی برای تمرین فیزیوتراپی کودکان
ترجمه نشده

دانلود مقاله بررسی سیستماتیک هوش مصنوعی برای تمرین فیزیوتراپی کودکان

عنوان فارسی مقاله: بررسی سیستماتیک هوش مصنوعی برای تمرین فیزیوتراپی کودکان: گذشته، حال و آینده
عنوان انگلیسی مقاله: A systematic review of artificial intelligence for pediatric physiotherapy practice: Past, present, and future
مجله/کنفرانس: انفورماتیک علوم اعصاب - Neuroscience Informatics
رشته های تحصیلی مرتبط: پزشکی - مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: فیزیوتراپی - پزشکی کودکان - هوش مصنوعی
کلمات کلیدی فارسی: هوش مصنوعی - مرور سیستماتیک - فیزیوتراپی کودکان - آموزش فیزیوتراپی
کلمات کلیدی انگلیسی: Artificial intelligence - Systematic review - Pediatric physical therapy - Physiotherapy education
نوع نگارش مقاله: مقاله مروری (Review Article)
نمایه: DOAJ
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.neuri.2022.100045
نویسندگان: Ravula Sahithya Ravali - Thangavel Mahalingam Vijayakumar - Karunanidhi Santhana Lakshmi - Dinesh Mavaluru - Lingala Viswanath Reddy - Mervin Retnadhas - Tintu Thomas
دانشگاه: SRM College of Pharmacy, SRM Institute of Science and Technology, India
صفحات مقاله انگلیسی: 6
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2022
شناسه ISSN: 2772-5286
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
آیا این مقاله مدل مفهومی دارد: دارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
آیا این مقاله فرضیه دارد: ندارد
کد محصول: e16398
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
نوع رفرنس دهی: vancouver
فهرست مطالب (ترجمه)

چکیده

مقدمه

معیارهای در نظر گرفتن و استراتژی جستجو

هوش مصنوعی در فیزیوتراپی

نتیجه گیری

منابع

فهرست مطالب (انگلیسی)

Abstract

Introduction

Criteria for considering and search strategy

Artificial intelligence in physiotherapy

Conclusion

References

بخشی از مقاله (ترجمه ماشینی)

چکیده

زمینه

     هوش مصنوعی (AI) یکی از زمینه‌های تحقیقاتی فعال برای توسعه سیستم‌هایی است که هوش انسانی را تقلید می‌کنند و در بسیاری از زمینه‌ها به ویژه در پزشکی مفید است. ("نقش تکنیک های هوش مصنوعی ... - PubMed") فیزیوتراپی عمدتاً شامل درمان درد و آسیب های مربوط به استخوان می شود. ظهور اخیر ماشین‌های هوشمند مصنوعی، ظرفیت شناختی انسان را با عوامل محاسباتی افزایش داده است که می‌توانند الگوهای پنهان قبلی را در مجموعه داده‌های عظیم تشخیص دهند. ((PDF) هوش مصنوعی در عمل بالینی...) در این زمینه، هوش مصنوعی در فیزیوتراپی اطفال می تواند یکی از مهم ترین روش ها در ارائه خدمات پزشکی و بهداشتی بهتر به افراد نیازمند باشد. این تلاشی برای شناسایی انواع و همچنین ارزیابی اثربخشی مداخلات ارائه شده توسط هوش مصنوعی بر نتایج مرتبط با بهینه‌سازی فیزیوتراپی کودکان است.

مواد و روش ها

     جمع‌آوری داده‌ها از مارس 2011 تا مارس 2021 توسط جستجوهای سیستماتیک از پایگاه‌های مختلف دانشگاهی و تحقیقاتی مانند google scholar، PubMed و IEEE انجام شد. در مجموع 187 عنوان / چکیده غربالگری شد و چهل و هشت مقاله متن کامل برای واجد شرایط بودن ارزیابی شدند.

نتیجه گیری

     این تحقیق برخی از تأثیرات احتمالی فناوری‌های هوش مصنوعی را بر روی تمرینات فیزیوتراپی کودکان توصیف می‌کند و روش‌های بعدی که در آن آموزش فیزیوتراپی باید به متخصصان فارغ‌التحصیل تغییر کند که برای ترویج استفاده ایمن و مؤثر از سیستم سلامت قرن بیست و یکم برای تمرین مناسب هستند، توضیح می‌دهد. هوش مصنوعی و ارائه مراقبت های فیزیوتراپی کودکان به مردم.

توجه! این متن ترجمه ماشینی بوده و توسط مترجمین ای ترجمه، ترجمه نشده است.

بخشی از مقاله (انگلیسی)

Abstract

     Background: Artificial intelligence (AI) is one of the active research fields to develop systems that mimic human intelligence and is helpful in many fields, particularly in medicine. (“Role of Artificial Intelligence Techniques ... - PubMed”) Physiotherapy is mainly involving in curing bone-related pain and injuries. The recent emergence of artificially intelligent machines has seen human cognitive capacity enhanced by computational agents that can recognize previously hidden patterns within massive data sets. (“(PDF) Artificial intelligence in clinical practice ...”) In this context, artificial intelligence in pediatric physiotherapy could be one of the most important modalities in delivering better medical and healthcare services to needy people. It is an attempt to identify the types, as well as to assess the effectiveness of interventions provided by artificial intelligence on pediatric physical therapy optimization-related outcomes.

     Methods: Data acquisition was carried out by systematic searches from various academic and research databases i.e., google scholar, PubMed, and IEEE from March 2011 to March 2021. Besides, numerous trial registries and grey literature resources were also explored. A total of 187 titles/abstracts were screened, and forty-eight full-text articles were assessed for eligibility.

     Conclusions: This research describes some of the possible influences of artificial intelligence technologies on pediatric physiotherapy practice, and the subsequent ways in which physiotherapy education will need to change to graduate professionals who are fit for practice in the 21st century health system for promoting safe and effective use of artificial intelligence and the delivery of Pediatric Physical Therapy care to people.

Introduction

     Artificial intelligence (AI) is one of the fields of computer science with a mathematical process that has the potential to enhance the healthcare system via novel delivery strategies, informed decision making, and facilitation of patient engagement. It can be used to automate decision-making and make predictions based upon patient data. The characteristics of this technological advancement are already influencing every aspect of society and creating the conditions for the disruption to human socio-economic, educational, health, legal, and moral systems, and which may have a more significant impact on human progress [1].

Conclusion

     Indeed, artificial intelligence technologies are constantly pushing for improvements in the healthcare sector that would have far-reaching implications on how healthcare is delivered in the twenty-first century. These rapid transformative developments demand all healthcare professionals reassess their suitability in an intelligence era well-defined by smart computers, large data sets of immense sophistication, and radically different relationships with patients and algorithms. We should certainly take seriously the idea that yesterday's health careers will – and maybe should – be at least partially replaced by more suitable alternatives, such as AI-based schemes and less expensive alternatives. Perhaps, intelligent algorithms are now much smarter than humans in some specialties, and good clinical practice shortly would demand a higher understanding of how to view computer guidance, when to delegate authority to them, and when to disregard it. Based on our inclusion criterion, this systematic analysis found that no qualifying findings on pharmacist-provided interventions to promote medication optimization in patients with visual disability. Certainly, it demands further research to investigate the types of treatments that could aid in the optimization of medications in these patients. It is also imperative to test and compare the efficacy of various approaches using rigorous research formats.