fa اکوسیستم‌های ورزشی هوشمند و سلامت کاردیومتابولیک: طراحی چارچوب‌های نسل آینده برای مدیریت سلامت‌محور فناوری اطلاعات سلامت Health Information Technology مروری Review <div style="text-align: justify;"><span style="font-size:10pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">بیماری‌های کاردیومتابولیک (</span></span>CMR<span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">) همچنان یکی از مهم‌ترین چالش‌های سلامت جهانی محسوب می‌شوند و بار اقتصادی و اجتماعی قابل توجهی بر نظام‌های سلامت تحمیل می‌کنند. اگرچه شواهد گسترده‌ای نقش ورزش را در کاهش عوامل خطر کاردیومتابولیک تأیید کرده‌اند، اما شکاف‌های مهمی در همگرایی داده‌های بالینی، پایش فیزیولوژیک و فناوری‌های دیجیتال وجود دارد. این ناهماهنگی، طراحی مداخلات مؤثر و شخصی‌سازی‌شده را محدود می‌کند. هدف این مقاله، بررسی نقش اکوسیستم‌های ورزشی هوشمند در مدیریت سلامت کاردیومتابولیک و ارائه یک چارچوب یکپارچه نسل آینده است. این مطالعه با رویکرد مرور روایتی تحلیلی انجام شد. در این چارچوب، شاخص‌های کلیدی سلامت کاردیومتابولیک، مکانیسم‌های فیزیولوژیک ورزش هدفمند، فناوری‌های پوشیدنی و الگوریتم‌های داده‌محور مورد تحلیل قرار گرفتند. همچنین یک مدل مفهومی برای اکوسیستم‌های سلامت‌محور طراحی شد. یافته‌ها نشان می‌دهند که تلفیق ورزش علمی، پایش فیزیولوژیک مستمر و الگوریتم‌های پیش‌بینی مبتنی بر هوش مصنوعی می‌تواند به کاهش خطر کاردیومتابولیک، بهبود شاخص‌های متابولیک و ارتقای کیفیت زندگی منجر شود. مدل پیشنهادی مسیرهای علی فیزیولوژیک، رفتاری و داده‌محور را یکپارچه می‌کند و امکان نسخه‌نویسی ورزشی شخصی‌سازی‌شده، پایش از راه دور و تصمیم‌گیری مبتنی بر داده را فراهم می‌سازد. این چارچوب، پارادایم مدیریت سلامت‌محور در ورزش را تقویت می‌کند و پیامدهای بالینی و مدیریتی مهمی دارد، از جمله بهبود ارزیابی خطر، افزایش اثربخشی مداخلات و کاهش هزینه‌های سلامت. نتایج این مطالعه می‌تواند مبنایی برای سیاست‌گذاری هوشمند و توسعه برنامه‌های سلامت جامعه‌محور در سطوح ملی و بین‌المللی فراهم کند.</span></span><span lang="AR-SA" style="font-size:11.0pt"><span style="font-family:"B Mitra""></span></span></span></span></span></span></div> <div> <table align="left" hspace="0" vspace="0"> <tbody> <tr> <td style="padding: 0in 12px; text-align: justify;" valign="top"><span style="font-size:10pt"><span new="" roman="" style="font-family:" times=""><a name="_Hlk200355634"><span style="font-size:11.0pt"><span style="background:white"><span style="color:black">Cardiometabolic diseases (CMR) remain a major global health challenge, imposing significant economic and social burdens on healthcare systems. Although extensive evidence supports the role of exercise in mitigating cardiometabolic risk factors, critical gaps persist in the integration of clinical data, physiological monitoring, and digital technologies. This disconnect limits the design of effective and personalized interventions. This study aimed to evaluate the role of smart exercise ecosystems in cardiometabolic health management and propose an integrated framework for the next generation of interventions. Accordingly, a narrative analytical review approach was employed. Within this framework, key cardiometabolic health indicators, physiological mechanisms of targeted exercise, wearable technologies, and data-driven algorithms were analyzed. Additionally, a conceptual model for health-centered exercise ecosystems was developed. Findings indicated that the integration of evidence-based exercise, continuous physiological monitoring, and AI-driven predictive algorithms can reduce cardiometabolic risk, improve metabolic markers, and enhance overall quality of life. The proposed model integrates physiological, behavioral, and data-driven pathways, enabling personalized exercise prescriptions, remote monitoring, and evidence-based decision-making. This framework strengthens a health-centered paradigm in exercise, with significant clinical and managerial implications, including improved risk assessment, enhanced intervention effectiveness, and reduced healthcare costs. The results of this study provided a foundation for smart policy-making and the development of community-oriented health programs at both national and international levels.</span></span></span></a><span style="font-size:11.0pt"></span></span></span></td> </tr> </tbody> </table> </div> هوش مصنوعی, سلامت کاردیومتابولیک, داده‌کاوی, ورزش, مدیریت خدمات سلامت, پایش, فیزیولوژیک, اکوسیستم هوشمند Artificial Intelligence, Cardiometabolic Risk Factors, Data Mining, Exercise, Health Services Administration, Monitoring, Physiologic, Wearable Electronic Devices 0 0 http://journal.bums.ac.ir/browse.php?a_code=A-10-3792-2&slc_lang=fa&sid=1 Balal Hooshmand-Moghadam بلال هوشمند‌مقدم balalhooshmand@gmail.com 8700319475328460051623 8700319475328460051623 No Department of Sport Management, Faculty of Sport Science, Ferdowsi University of Mashhad, Mashhad, Iran گروه مدیریت ورزشی، دانشکده علوم ورزشی، دانشگاه فردوسی مشهد، مشهد، ایران Mahdi Talebpour مهدی طالب‌پور mtalebpourr@um.ac.ir 8700319475328460051624 8700319475328460051624 No Department of Sport Management, Faculty of Sport Science, Ferdowsi University of Mashhad, Mashhad, Iran گروه مدیریت ورزشی، دانشکده علوم ورزشی، دانشگاه فردوسی مشهد، مشهد، ایران Mohammad Keshtidar محمد کشتی‌دار keshtidarr@um.ac.ir 8700319475328460051625 8700319475328460051625 Yes Department of Sport Management, Faculty of Sport Science, Ferdowsi University of Mashhad, Mashhad, Iran گروه مدیریت ورزشی، دانشکده علوم ورزشی، دانشگاه فردوسی مشهد، مشهد، ایران