en ارائه مدل مفهومی سیستم های پشتیبان تصمیم گیری در ناباروری: یک مطالعه توسعه ای Fertility & Infertility Original Article Original Article <div style="text-align: justify;"><span style="font-size:12pt"><span style="text-justify:inter-ideograph"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><b><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">مقدمه: </span></span></b><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">ناباروری، ناتوانی در باردار شدن پس از یک سال تلاش است که منجر به بی‌فرزندی ناخواسته می‌شود. یک سیستم پشتیبان تصمیم‌گیری بالینی می‌تواند تشخیص را بهبود بخشد، هزینه‌ها را کاهش دهد، دسترسی را بهبود بخشد و دقت درمان را افزایش دهد.</span></span></span></span></span></span></span><br> <span style="font-size:12pt"><span style="text-justify:inter-ideograph"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><b><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">هدف: </span></span></b><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">این مطالعه با هدف ارائه یک مدل مفهومی برای سیستم‌های پشتیبان تصمیم‌گیری در ناباروری انجام شد.</span></span></span></span></span></span></span><br> <span style="font-size:12pt"><span style="text-justify:inter-ideograph"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><b><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">مواد و روش &shy;ها: </span></span></b><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">این مطالعه توسعه‌ای که از آوریل تا نوامبر </span></span><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">2024</span></span><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:"> در 3 مرحله انجام شد. ابتدا پایگاه&shy;های داده‌ای </span></span><span dir="LTR" style="font-size:10.0pt">PubMed</span><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">، </span></span><span dir="LTR" style="font-size:10.0pt">Scopus</span><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:"> و &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</span></span><span dir="LTR" style="font-size:10.0pt">Web of</span> <span dir="LTR" style="font-size:10.0pt">Science</span><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:"> برای شناسایی داده‌ها برای سیستم‌های پشتیبانی تصمیم‌گیری در ناباروری مورد بررسی قرار گرفتند. در مرحله بعد، موتورهای جستجو مانند گوگل، یاهو و بینگ، همراه با ابزارهای هوش مصنوعی مانند </span></span><span dir="LTR" style="font-size:10.0pt">Chat GPT</span><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">، </span></span><span dir="LTR" style="font-size:10.0pt">Gemini</span><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:"> و </span></span><span dir="LTR" style="font-size:10.0pt">Perplexity</span><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">، به شناسایی سیستم‌های مشابه کمک کردند. در نهایت، نظرات 32 متخصص ناباروری از طریق پرسشنامه محقق ساخته جمع‌آوری شد که پایایی آن با آلفای کرونباخ برابر با 78/0 و اعتبار آن با نسبت روایی محتوا</span></span> <span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">برابر با 60/0 مورد تأیید قرار گرفت.</span></span></span></span></span></span></span><br> <span style="font-size:12pt"><span style="text-justify:inter-ideograph"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><b><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">نتایج: </span></span></b><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">در مرحله اول، 16310 مقاله شناسایی شد؛ 10 مقاله پس از حذف موارد تکراری و اعمال معیارهای ورود و خروج انتخاب شدند. در مرحله دوم، 71 سیستم مرتبط از موتورهای جستجو شناسایی شدند؛ ۵۸ مورد حذف شدند و ۱۳ مورد برای تجزیه و تحلیل بیشتر باقی ماندند. در مرحله سوم، یک پرسشنامه محقق ساخته در بین ۳۲ متخصص توزیع شد که میزان توافق ۹۴% برای نظارت و پیگیری، ۹۴% برای داده‌های آنالیز اسپرم، ۹۰% برای داده‌های سقط جنین و 5/82% برای اطلاعات ناباروری از مجلات سلامت را نشان داد. الزامات در 4 دسته گروه‌بندی شدند: ویژگی‌های اصلی (۱۰ عنصر)، مدیریت اطلاعات بیمار (۱۹ عنصر)، داده‌های پیش‌بینی باروری (۱۶ عنصر) و ویژگی‌های ثانویه (۳ عنصر) توافق کلی مدل 85% بود.</span></span><span dir="LTR" style="font-size:11.0pt"><span style="font-family:"Arial",sans-serif"></span></span></span></span></span></span></span><br> <b><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">نتیجه&shy; گیری: </span></span></b><span dir="RTL" lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">توسعه یک سیستم پشتیبان تصمیم‌گیری برای ناباروری می‌تواند مراقبت‌های بالینی و نتایج را بهبود بخشد؛ با‌این</span></span><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">&lrm;حال، چالش‌ها شامل استانداردسازی روش‌های اعتبارسنجی و در نظر گرفتن تنوع قومی می‌باشد.</span></span></div> <div style="text-align: justify;"><span style="font-size:11pt"><span style="line-height:normal"><span style="font-family:Calibri,sans-serif"><b><span style="font-size:12.0pt"><span new="" roman="" style="font-family:" times="">Background: </span></span></b><span style="font-size:12.0pt"><span new="" roman="" style="font-family:" times="">Infertility is the inability to conceive after a year of trying, resulting in unintentional childlessness. A clinical decision-support system can enhance diagnosis, reduce costs, improve access, and increase treatment accuracy. </span></span></span></span></span><br> <span style="font-size:11pt"><span style="line-height:normal"><span style="font-family:Calibri,sans-serif"><b><span style="font-size:12.0pt"><span new="" roman="" style="font-family:" times="">Objective:</span></span></b><span style="font-size:12.0pt"><span new="" roman="" style="font-family:" times=""> This study aimed to present a conceptual model for decision support systems in infertility.</span></span></span></span></span><br> <span style="font-size:11pt"><span style="line-height:normal"><span style="font-family:Calibri,sans-serif"><b><span style="font-size:12.0pt"><span new="" roman="" style="font-family:" times="">Materials and Methods: </span></span></b><span style="font-size:12.0pt"><span new="" roman="" style="font-family:" times="">This developmental study, conducted from April-November 2024 in 3 steps. First, PubMed, Scopus, and Web of Science databases were investigated to identify data for decision support systems in infertility. Next, search engines like Google, Yahoo, and Bing, along with artificial intelligence tools such as ChatGPT, Gemini, and Perplexity, helped identify similar systems. Lastly, opinions from 32 infertility experts were collected via a researcher-made questionnaire, with reliability confirmed by Cronbach&#39;s alpha of 0.78 and validity confirmed by content validity ratio of 0.60.</span></span></span></span></span><br> <span style="font-size:11pt"><span style="line-height:normal"><span style="font-family:Calibri,sans-serif"><b><span style="font-size:12.0pt"><span new="" roman="" style="font-family:" times="">Results: </span></span></b><span style="font-size:12.0pt"><span new="" roman="" style="font-family:" times="">In the first step, 16,310 articles were identified; 10 were selected after removing duplicates and applying inclusion and exclusion criteria. In the second step, 71 relevant systems were identified in search engines; 58 were excluded, leaving 13 for further analysis. In the third step, a researcher-designed questionnaire was distributed to 32 experts, yielding key agreement rates of 94% for monitoring and follow-up, 94% for sperm analysis data, 90% for abortion data, and 82.5% for infertility information from health magazines. Requirements grouped into 4 categories: main features (10 elements), patient info management (19 elements), fertility prediction data (16 elements), and secondary features (3 elements). The model&rsquo;s overall agreement was 85%.</span></span></span></span></span><br> <b><span style="font-size:12.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times="">Conclusion: </span></span></span></b><span style="font-size:12.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times="">Developing a decision-support system for infertility could enhance clinical care and outcomes; however, challenges include standardizing validation methods and considering ethnic diversity. </span></span></span></div> سیستم های خبره, سیستم های هوشمند, ناباروری, هوش مصنوعی. Expert systems, Intelligent systems, Infertility, Artificial intelligence. 827 842 http://ijrm.ir/browse.php?a_code=A-10-2940-1&slc_lang=en&sid=1 Hasan Sajjadi hasan.sajjadi1995@gmail.com 0009-0006-4367-2140 No Department of Health Information Management and Medical Informatics, School of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran. Hamid Choobineh hchobineh@tums.ac.ir 0000-0002-4457-0756 Yes Department of Medical Laboratory Sciences, School of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran. Reza Safdari rsafdari@tums.ac.ir 0000-0002-4982-337X No Department of Health Information Management and Medical Informatics, School of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran.