fa اثربخشی مداخلات مبتنی بر هوش مصنوعی و رباتیک در بهبود عملکرد حرکتی و فعالیت بدنی بیماران مبتلابه بیماری پارکینسون: یک مرور نظام‌مند مقالات کامل full articles مروری review <p style="font-style: normal; text-align: justify;"><span style="font-size:14px;"><span style="font-family:IRANyekan;"><span style="line-height:normal"><span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">مقدمه</span><span dir="LTR">:</span></b> <span lang="AR-SA">توان‌بخشی مبتنی بر هوش مصنوعی (</span><span dir="LTR">AI</span><span lang="AR-SA">)و رباتیک به‌عنوان رویکردهای نوین برای بهبود عملکرد حرکتی و فعالیت بدنی بیماران مبتلابه بیماری پارکینسون (</span><span dir="LTR">PD</span><span lang="AR-SA">) در سال‌های اخیر موردتوجه قرار</span> <span lang="AR-SA">گرفته‌اند. این فناوری‌ها توانسته‌اند با ارائه تمرینات هدفمند و شخصی‌سازی‌شده، به بهبود استقلال عملکردی و کیفیت زندگی بیماران کمک کنند. این مطالعه باهدف مرور نظام‌مند شواهد موجود در مورد اثربخشی این مداخلات انجام شد</span><span dir="LTR">.</span></span></span></span><br> <span style="line-height:normal"><span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">مواد و روش‌ها</span><b> </b><span dir="LTR">:</span></b><span lang="FA">یک مرور نظام‌مند، در مطالعات کار آزمایی کنترل‌شده تصادفی</span> <span lang="FA">و بدون محدودیت زمانی، با جستجوی کلیدواژه‌ها در عنوان، چکیده و کلیدواژه‌های مطالعات در پایگاه داده‌های علمی معتبر </span><span dir="LTR">Embase</span><span lang="FA">، </span><span dir="LTR">Web of Science</span><span lang="FA">،</span><span dir="LTR">Scopus</span><span lang="FA">،</span><span dir="LTR"> PubMed </span><span lang="FA">در 7 &nbsp;نوامبر 2024 مورد کاوش قرار گرفت. کیفیت مطالعات با استفاده از چک‌لیست </span><span dir="LTR">JBI</span><a href="#_ftn1" name="_ftnref1" title=""><span lang="AR-SA"><span style="line-height:107%">[1]</span></span></a><span lang="FA"> مورد ارزیابی قرار گرفت؛ این مطالعه طبق دستورالعمل موارد گزارش ترجیحی برای مرورهای نظام‌مند و متاآنالیز انجام شد</span><span dir="LTR">.</span><span lang="FA"><span style="font-family:"B Mitra""></span></span></span></span></span><br> <span style="line-height:normal"><span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">یافته‌ها</span><span dir="LTR">:</span></b> <span lang="AR-SA">از مجموع 10,012 مقاله شناسایی‌شده، 31 مطالعه معیارهای ورود را داشتند و 4 کارآزمایی کنترل‌شده تصادفی برای تحلیل نهایی انتخاب شدند. مداخلات مبتنی بر رباتیک و هوش مصنوعی بهبود قابل‌توجهی در عملکرد حرکتی، تعادل و فعالیت بدنی بیماران مبتلا به پارکینسون نشان دادند. نتایج کمی نشان داد که در تمرین‌های رباتیک، استقامت</span><span dir="LTR"> (</span><span dir="LTR">6MWT</span><span dir="LTR">) </span><span lang="AR-SA">به میزان 18 درصد افزایش یافت و امتیاز</span> <span dir="LTR">freezing of gait (FOG)</span> <span lang="AR-SA">تا 20 درصد کاهش پیدا کرد. ارزیابی‌های تعادل، شامل</span> <span dir="LTR">Mini</span><span dir="LTR">-</span><span dir="LTR">BEST </span><span lang="AR-SA">و</span> <span dir="LTR">Berg Balance Scale</span><span lang="AR-SA">، به ترتیب 25 درصد و 15 درصد بهبود یافتند. همچنین سرعت راه‌رفتن در گروه‌های رباتیک از 8/0متر بر ثانیه به 2/1 متر بر ثانیه افزایش یافت که عملکرد بهتری نسبت به مداخلات سنتی نشان داد. باوجود ناهمگنی در سیستم‌های رباتیک، مدت‌زمان مداخلات و ویژگی‌های شرکت‌کنندگان، 75 درصد از مطالعات بهبودهای معنادار در عملکرد حرکتی گزارش کردند، درحالی‌که 25 درصد تفاوت قابل‌توجهی مشاهده نکردند</span><span dir="LTR">.</span><span lang="FA"><span style="font-family:"B Mitra""></span></span></span></span></span><br> <span style="line-height:normal"><span style="direction:rtl"><span style="unicode-bidi:embed"><b><span lang="AR-SA">نتیجه‌گیری</span><span dir="LTR">:</span></b> نتایج مرور نظام‌مند نشان داد که استفاده از هوش مصنوعی و رباتیک در بیماران پارکینسون سبب بهبود عملکرد حرکتی و کیفیت زندگی بیماران پارکینسون می‌شود. با <span lang="AR-SA">این ‌وجود، برای تعمیم‌پذیری بهتر نتایج، مطالعات آینده با حجم نمونه بزرگ‌تر، طراحی‌های جامع‌تر و پیگیری طولانی‌مدت توصیه می‌شود</span><span dir="LTR">.</span></span></span></span></span></span></p> <div> <hr align="left" size="1" width="33%" > <p id="ftn1" style="font-style: normal; text-align: justify;"><span style="font-size:14px;"><span style="font-family:IRANyekan;"><span new="" roman="" times=""><a href="#_ftnref1" name="_ftn1" title=""><span class="MsoFootnoteReference" style="vertical-align:super"><span class="MsoFootnoteReference" style="vertical-align:super"><span style="line-height:107%"><span new="" roman="" times="">[1]</span></span></span></span></a> Joanna Briggs Institute(JBI)</span></span></span></p> </div> <span style="font-size:16px;"><span style="font-family:Times New Roman;"><span style="line-height:normal"><b>Introduction: </b>Artificial Intelligence (AI) and robotic-based rehabilitation are promising approaches to address motor deficits and physical inactivity in Parkinson&rsquo;s disease (PD), offering personalized interventions to enhance functional independence and quality of life. This systematic review aims to synthesize evidence on the effectiveness of AI and robotic interventions in improving motor function, balance, and physical activity in PD patients.</span><br> <br> <span style="line-height:normal"><b>Materials and Methods: </b>We conducted a comprehensive systematic review of randomized controlled trials (RCTs) without time restrictions. Searches spanned Embase, Web of Science, Scopus, and PubMed up to November 7, 2024, using keywords related to AI, robotics, Parkinson&rsquo;s disease, and rehabilitation. Studies were appraised for quality using the Joanna Briggs Institute checklist. The review followed PRISMA guidelines to ensure methodological rigor.</span><br> <br> <span style="line-height:normal"><b>Results: </b>Out of 10,012 identified articles, 31 met inclusion criteria, with 4 RCTs included in the final synthesis, encompassing [insert total participant number if known]. AI and robotic interventions were associated with significant improvements: an 18% increase in endurance (6MWT), 20% reduction in freezing of gait (FOG), and enhanced balance measured by Mini-BEST and Berg Balance Scale (25% and 15% improvements, respectively). Gait velocity improved markedly in robotic groups (0.8 m/s to 1.2 m/s), surpassing conventional therapies. Despite heterogeneity in intervention types and participant profiles, 75% of studies demonstrated significant motor improvements. The overall quality of included studies was moderate to high.</span><br> <br> <span style="line-height:normal"><b>Conclusion: </b>AI and robotics-based rehabilitation show meaningful benefits in motor function, balance, and physical activity among PD patients, highlighting their potential as safe and adaptable therapeutic tools. Further large-scale, standardized studies with long-term follow-up are necessary to confirm these findings and enhance clinical applicability.</span></span></span><br> <span style="font-size:12pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times=""><b><span dir="RTL" lang="FA" style="font-size:10.0pt"><span style="line-height:107%"><span style="font-family:"B Nazanin""></span></span></span></b></span></span></span> مرور نظام‌مند, هوش مصنوعی, رباتیک, توان‌بخشی, فعالیت بدنی, عملکرد حرکتی, پارکینسون. Systematic Review, Artificial Intelligence, Robotics, Rehabilitation, Physical Activity, Motor Function, Parkinson’s Disease. 71 82 http://jps.ajaums.ac.ir/browse.php?a_code=A-10-549-9&slc_lang=fa&sid=1 Mouzhan Granfar موژان گرانفر mgranfar72@gmail.com 10031947532846004297 10031947532846004297 Yes Department of Health Information Management, School of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran گروه مدیریت اطلاعات و انفورماتیک سلامت، دانشکده علوم پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران Atefeh Sadat Mousavi عاطفه سادات موسوی mousaviat971@gmail.com 10031947532846004298 10031947532846004298 No Department of Health Information Technology, School of Paramedical and Rehabilitation Sciences, Mashhad University of Medical Sciences, Mashhad, Iran. گروه فناوری اطلاعات سلامت، دانشکده علوم پیراپزشکی و توانبخشی، دانشگاه علوم پزشکی مشهد، مشهد، ایران. Motahareh Siahsar مطهره سیاه‌سر SIAHSARM992@MUMS.AC.IR 10031947532846004299 10031947532846004299 No Department of Health Information Technology, School of Paramedical and Rehabilitation Sciences, Mashhad University of Medical Sciences, Mashhad, Iran. گروه فناوری اطلاعات سلامت، دانشکده علوم پیراپزشکی و توانبخشی، دانشگاه علوم پزشکی مشهد، مشهد، ایران. Seyyedeh Fatemeh Mousavi Baigi سیده فاطمه موسوی بایگی mousavibf3@mums.ac.ir 10031947532846004300 10031947532846004300 No Department of Health Information Technology, School of Paramedical and Rehabilitation Sciences, Mashhad University of Medical Sciences, Mashhad, Iran. گروه فناوری اطلاعات سلامت، دانشکده علوم پیراپزشکی و توانبخشی، دانشگاه علوم پزشکی مشهد، مشهد، ایران.