هوش مصنوعی و مقاومت در برابر تغییر: بررسی موانع پذیرش فناوری توسط پرستاران در مدیریت دیابت در کشورهای در حال توسعه و اقتصادهای نوظهور: یک مرور نظام مند

زمینه و هدف: ادغام هوش مصنوعی در مراقبت از دیابت پتانسیل پیشگیرانه بالایی دارد، اما در مناطق در حال توسعه با چالش های منحصر به فردی روبروست. هدف این مطالعه شناسایی موانع پذیرش هوش مصنوعی توسط پرستاران در اقتصادهای نوظهور بود. روش تحقیق: این مرور نظام مند بر اساس پروتکل PRISMA انجام شد. جستجوی جامع در چهار پایگاه اطلاعاتی (PubMed, Scopus, Web of Science, CINAHL)  در تاریخ ۱۰ ژانویه ۲۰۲۶ صورت گرفت. بازه زمانی ۲۰۱۹ تا ۲۰۲۵ به منظور پوشش تحولات دیجیتال پس از پاندمی انتخاب گردید. معیارهای ورود شامل مقالات اصیل (کمی، کیفی و ترکیبی) بود که موانع پذیرش هوش مصنوعی توسط پرستاران دیابت را ارزیابی کرده بودند. کیفیت مقالات با استفاده از ابزار MMAT ارزیابی شد و داده ها با رویکرد سنتز روایی تحلیل گردیدند. یافته ها: از مجموع ۱۵۱۲ رکورد اولیه، پس از غربالگری دقیق، ۱۰ مطالعه اصیل انجام شده در اقتصادهای نوظهور وارد مرور نهایی شدند. تحلیل داده ها چهار مانع اصلی را آشکار کرد: ۱) زیرساختی: هزینه های بالای اینترنت و ناپایداری برق؛ ۲) شکاف دانش: تفاوت معنادار بین نگرش مثبت و سواد پایین؛ ۳) روانشناختی: ترس از خطای سیستم در شرایط بحرانی و ۴) دموگرافیک: پدیده "پارادوکس تجربه" (نگرش مثبت تر پرستاران مسن تر نسبت به جوانان) نتیجه گیری: برخلاف کشورهای توسعه یافته که تمرکز اصلی بر حریم خصوصی است، اقتصادهای نوظهور عمدتا با چالش های زیرساختی و سواد پایه دست وپنجه نرم می کنند. سیاست گذاران باید ادغام هوش مصنوعی با "فناوری پایین" و آموزش های کاربردی را در اولویت قرار دهند.

کلیدواژه ها:

Artificial Intelligence ، Developing Countries ، Diabetes Mellitus ، Nursing ، هوش مصنوعی ، کشورهای در حال توسعه ، دیابت شیرین ، پرستاری