Journal of Health and Biomedical Informatics

fa موانع و تسهیل‌کننده‌های مدل‌های پیش‌بینی در پیشگیری از سندرم متابولیک ایران: یک تحلیل کیفی SWOT تماتیک Analysis of Barriers and Facilitators of Predictive Models for Metabolic Syndrome Prevention in Iran: A Qualitative Thematic SWOT مدیریت اطلاعات سلامت Health Information Management پژوهشي اصیل Original Article <div style="text-align: justify;">مقدمه: سندرم متابولیک به‌عنوان یکی از شایع‌ترین اختلالات متابولیک در ایران، بار مالی و درمانی سنگینی بر نظام سلامت و سازمان‌های بیمه‌گر تحمیل می‌کند. مدل‌های پیش‌بینی‌کننده مبتنی بر هوش مصنوعی اگرچه می‌توانند ابزارهای ارزشمندی برای پیشگیری زودهنگام محسوب شوند، موفقیت آن‌ها در گرو قابلیت پیاده‌سازی در بستر واقعی و عملیاتی نظام سلامت است. مطالعه حاضر با هدف بررسی دیدگاه خبرگان حوزه سلامت درباره عوامل تسهیل‌گر و موانع پیشِ‌روی پیاده‌سازی این مدل‌ها در پیشگیری از سندرم متابولیک در ایران انجام شده است. روش کار: این مطالعه با رویکرد کیفی و روش تحلیلی‑توصیفی و با به‌کارگیری تحلیل تماتیک شش‌مرحله‌ای براون و کلارک (۲۰۰۶) انجام شد. روش پژوهش به‌صورت ترکیبی استقرایی‑استنتاجی (hybrid inductive-deductive) طراحی گردید. نمونه‌گیری به‌صورت هدفمند و تا رسیدن به اشباع نظری ادامه یافت و در نهایت ۱۵ خبره شامل ۶ متخصص بالینی، ۵ مدیر و سیاست‌گذار، و ۴ کارشناس فناوری اطلاعات سلامت در مطالعه مشارکت داشتند. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته و عمیق جمع‌آوری و با استفاده از کدگذاری دستی تحلیل شدند. همچنین، چارچوب تحلیل SWOT به‌عنوان راهنمای استنتاجی برای سازمان‌دهی و تحلیل تم‌ها به کار گرفته شد. یافته‌ها: تحلیل منجر به شناسایی ۲۰ تم اصلی شد که در چهار دسته نقاط قوت (۸ تم)، نقاط ضعف (5 تم)، فرصت‌ها (۳ تم) و تهدیدها (4 تم) سازمان‌دهی گردیدند. نقاط قوت عمدتاً شامل انعطاف‌پذیری مدیریتی، توانمندسازی کارکنان و یادگیری مبتنی بر عمل بودند. نقاط ضعف شامل وابستگی به آموزش‌های سنتی و نبود بازخورد مستمر، فرصت‌ها شامل پیشرفت‌های فناورانه و حمایت سیاستی، و تهدیدها شامل فشارکاری بالاو بی‌ثباتی سیاستی بودند. چهار راهبرد اجرایی (SO، WO، ST، WT) استخراج شد که راهبردهای ترکیبی SO و WT بیشترین تأکید را داشتند. نتیجه‌گیری: موفقیت مدل‌های پیش‌بینی‌کننده، مستلزم تمرکز بر راهبردهای ترکیبی در سطح سازمان و سیاست‌گذاری کلان است. همچنین یافته‌های این مطالعه می‌توانند به سیاست‌گذاری مبتنی بر شواهد در سازمان بیمه سلامت ایران و نیز برنامه‌های ملی پیشگیری کمک شایانی نمایند.</div> <div id="gtx-trans" style="position: absolute; left: 1098px; top: 230.4px;"><div class="gtx-trans-icon"></div></div> <div style="text-align: justify;">Introduction: As one of the most common metabolic disorders in Iran, metabolic syndrome imposes a heavy financial and therapeutic burden on the healthcare system and insurance organizations. Although AI-based predictive models can serve as valuable tools for early prevention, their success depends on their implementability within the real-world operational environment of the healthcare system. This study aims to examine the perspectives of healthcare experts regarding the facilitators and barriers associated with implementing these models for the prevention of metabolic syndrome in Iran. Method: This study employed a qualitative approach and a descriptive-analytical method, utilizing Braun and Clarke’s (2006) six-phase thematic analysis. The research design followed a hybrid inductive-deductive method. Purposive sampling was conducted until theoretical saturation was reached, ultimately involving 15 experts: six clinicians, five managers and policymakers, and four health information technology specialists. Data were collected through in-depth, semi-structured interviews and analyzed using manual coding. Additionally, the SWOT analysis framework served as a deductive guide for organizing and analyzing the themes. Results: The analysis led to the identification of 20 main themes, which were organized into four categories: strengths (8 themes), weaknesses (5 themes), opportunities (3 themes), and threats (4 themes). Strengths mainly included managerial flexibility, employee empowerment, and action-based learning. Weaknesses included dependence on traditional training and lack of continuous feedback, opportunities included technological advances and policy support, and threats included high workload and policy instability. Four implementation strategies (SO), WO, ST, WT) were extracted, with the combined SO and WT strategies being the most emphasized. Conclusion: The success of predictive models requires a focus on integrated strategies at the organization level and macro-policy making. The findings of this study can also contribute to evidence-based policy making in the Iranian Health Insurance Organization as well as national prevention programs.</div> <div id="gtx-trans" style="position: absolute; left: -22px; top: 276px;"><div class="gtx-trans-icon"></div></div> مدل پیش‌بینی‌کننده, تحلیل کیفی, چارچوب SWOT, تسهیل کننده‌ها‌, موانع Statistical Models, Qualitative Research, Strategic Planning, Health Services Accessibility, Barriers to Care 41 52 http://jhbmi.ir/browse.php?a_code=A-10-1254-1&slc_lang=fa&sid=1 Mohsen Farboud محسن فربود m.farboud24@gmail.com 100319475328460011157 100319475328460011157 No Ph.D. Candidate in Health Service Administration, Department of Health Service Administration, ST.C., Islamic Azad University, Tehran, Iran دانشجوی دکترای مدیریت خدمات بهداشتی درمانی، گروه مدیریت خدمات بهداشتی و درمانی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران Somayeh Hessam سمیه حسام Shessam@iau.ac.ir 100319475328460011158 100319475328460011158 Yes Associate Professor, Ph.D. in Health Service Administration, Department of Health Service Administration, ST.C., Islamic Azad University, Tehran, Iran دکترای مدیریت خدمات بهداشتی درمانی، دانشیار گروه مدیریت خدمات بهداشتی و درمانی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران Shaghayegh Vahdat شقایق وحدت sha_vahdat@yahoo.com 100319475328460011159 100319475328460011159 No Associate Professor, Ph.D. in Health Service Administration, Department of Health Service Administration, ST.C., Islamic Azad University, Tehran, Iran دکترای مدیریت خدمات بهداشتی درمانی، دانشیار گروه مدیریت خدمات بهداشتی و درمانی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران Shahram Tofighi شهرام توفیقی shr_tofighi@yahoo.com 100319475328460011160 100319475328460011160 No Associate Professor, Ph.D. in Health Service Administration, Department of Health Service Administration, ST.C., Islamic Azad University, Tehran, Iran دکترای مدیریت خدمات بهداشتی درمانی، دانشیار گروه مدیریت خدمات بهداشتی و درمانی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران