استادیار، دانشکده مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان، ایران
چکیده: (716 مشاهده)
مقدمه: سیستم‌های مراقبت‌های بهداشتی برای بهبود دسترسی و کیفیت خدمات، بیشتر به مدل‌های رایانشی وابسته می‌شوند. اگرچه رایانش ابری مقیاس‌پذیری را فراهم می‌کند، اما محدودیت‌های ذاتی آن، مانند تأخیر و پهنای باند بر کاربردهای حیاتی تأثیر منفی می‌گذارد. رایانش مه خود را به عنوان یک جایگزین انقلابی معرفی می‌کند که پردازش و ذخیره‌سازی را به لبه شبکه می‌آورد. این مرور ساختاریافته، رایانش مه را در زمینه خدمات مراقبت‌های بهداشتی ارزیابی می‌کند و طبقه‌بندی خدمات، نیازهای معماری و مسائل مربوط به استقرار را پوشش می‌دهد.
روش کار: این مرور ساختاریافته، ۳۵۱۹ مقاله مرتبط با مراقبت‌های بهداشتی مبتنی بر رایانش مه را از پایگاه‌های IEEE، Springer، ACM، ScienceDirect، Taylor & Francis و Willey در بازه زمانی ۲۰۱۸ تا ۲۰۲۲ با کلیدواژه‌های مرتبط با «Fog Computing» و «Healthcare» شناسایی کرد. معیارهای انتخاب شامل طول بیش از شش صفحه، دسترسی به متن کامل و ارتباط محتوایی بودند و مواردی مانند انواع مرور، کتاب و مقاله‌های نامرتبط حذف شدند. در نهایت، ۱۲۵ مقاله با هدف شناسایی خدمات، ارزیابی کیفیت، تحلیل معماری‌ها و استقرار اجزاء بررسی و ویژگی‌ها، نیازمندی‌های عملکردی و غیرعملکردی آن ها تحلیل شد.
یافته‌ها: این مطالعه نشان می‌دهد که اهمیت مدل‌های رایانشی در مراقبت‌های بهداشتی عمدتاً به تحرک بیماران و فاصله آن‌ها از مراکز درمانی برمی‌گردد، که نیاز به خدمات سیار و نظارت از راه دور را افزایش می‌دهد. در این خدمات، علائم حیاتی بیمار برای تصمیم‌گیری سریع به مراکز درمانی ارسال می‌شود. نیازهای عملکردی اصلی شامل اشتراک‌گذاری و پردازش داده‌ها و نیاز غیرعملکردی مهم، عملکرد حساس به تأخیر است. معماری‌های رایج مانند مدل‌های n- رده و لایه‌ای، با قابلیت استقرار مستقل طراحی شده‌اند. چالش‌ها شامل منابع محدود در لبه و ضعف در هماهنگی پویا بین خدمات است.
نتیجه‌گیری: رایانش مه با کاهش محدودیت‌های رایانش ابری، خدمات مراقبت بهداشتی را بهبود می‌دهد، اما چالش‌هایی مانند استانداردسازی و مدیریت پویای منابع پابرجا است. مطالعات آینده باید معماری‌های متناسب با نوع خدمات، استقرار تطبیقی برای کاربران سیار و ثبت وقایع دقیق را توسعه دهند. این بررسی بر لزوم راه‌حل‌های سفارشی و قابل‌تأیید برای ارائه خدمات بهداشتی بلادرنگ تأکید دارد و پیشنهاد می‌کند معماری‌های آگاه از زمینه در اولویت قرار گیرند.
روش کار: این مرور ساختاریافته، ۳۵۱۹ مقاله مرتبط با مراقبت‌های بهداشتی مبتنی بر رایانش مه را از پایگاه‌های IEEE، Springer، ACM، ScienceDirect، Taylor & Francis و Willey در بازه زمانی ۲۰۱۸ تا ۲۰۲۲ با کلیدواژه‌های مرتبط با «Fog Computing» و «Healthcare» شناسایی کرد. معیارهای انتخاب شامل طول بیش از شش صفحه، دسترسی به متن کامل و ارتباط محتوایی بودند و مواردی مانند انواع مرور، کتاب و مقاله‌های نامرتبط حذف شدند. در نهایت، ۱۲۵ مقاله با هدف شناسایی خدمات، ارزیابی کیفیت، تحلیل معماری‌ها و استقرار اجزاء بررسی و ویژگی‌ها، نیازمندی‌های عملکردی و غیرعملکردی آن ها تحلیل شد.
یافته‌ها: این مطالعه نشان می‌دهد که اهمیت مدل‌های رایانشی در مراقبت‌های بهداشتی عمدتاً به تحرک بیماران و فاصله آن‌ها از مراکز درمانی برمی‌گردد، که نیاز به خدمات سیار و نظارت از راه دور را افزایش می‌دهد. در این خدمات، علائم حیاتی بیمار برای تصمیم‌گیری سریع به مراکز درمانی ارسال می‌شود. نیازهای عملکردی اصلی شامل اشتراک‌گذاری و پردازش داده‌ها و نیاز غیرعملکردی مهم، عملکرد حساس به تأخیر است. معماری‌های رایج مانند مدل‌های n- رده و لایه‌ای، با قابلیت استقرار مستقل طراحی شده‌اند. چالش‌ها شامل منابع محدود در لبه و ضعف در هماهنگی پویا بین خدمات است.
نتیجه‌گیری: رایانش مه با کاهش محدودیت‌های رایانش ابری، خدمات مراقبت بهداشتی را بهبود می‌دهد، اما چالش‌هایی مانند استانداردسازی و مدیریت پویای منابع پابرجا است. مطالعات آینده باید معماری‌های متناسب با نوع خدمات، استقرار تطبیقی برای کاربران سیار و ثبت وقایع دقیق را توسعه دهند. این بررسی بر لزوم راه‌حل‌های سفارشی و قابل‌تأیید برای ارائه خدمات بهداشتی بلادرنگ تأکید دارد و پیشنهاد می‌کند معماری‌های آگاه از زمینه در اولویت قرار گیرند.
واژه‌های کلیدی: رایانش مه، سرویس‌های مراقبت بهداشتی، کیفیت سرویس، نیازمندی‌های عملکردی، نیازمندی‌های غیرعملکردی
نوع مطالعه: مقاله مروری سیستماتیک و متاآنالیز |
موضوع مقاله:
پزشکی راه دور
دریافت: 1404/4/14 | پذیرش: 1404/6/13
دریافت: 1404/4/14 | پذیرش: 1404/6/13
فایل صوتی [MP3 3173 KB] (9 دریافت)
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
