fa 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 پرستاری- داخلی-جراحی Medical-Surgical Nursing 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=""><b><span b="" lang="AR-SA" mitra="" style="font-family:">زمینه و هدف:</span></b> <span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">ادغام هوش مصنوعی در مراقبت از دیابت پتانسیل پیشگیرانه بالایی دارد، اما در مناطق در حال توسعه با چالش‌های منحصر‌به‌فردی روبروست. هدف این مطالعه شناسایی موانع پذیرش هوش مصنوعی توسط پرستاران در اقتصادهای نوظهور بود</span></span><span dir="LTR" style="font-size:9.0pt">.</span><span lang="AR-SA" style="font-size:11.0pt"><span style="font-family:"B Mitra""></span></span></span></span></span></span><br> <span style="font-size:10pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><b><span b="" lang="AR-SA" mitra="" style="font-family:">روش تحقیق:</span></b> <span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">این مرور نظام‌مند بر اساس پروتکل</span></span> PRISMA <span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">انجام شد. جستجوی جامع در چهار پایگاه اطلاعاتی</span></span> (PubMed<span dir="LTR" style="font-size:9.0pt">, </span>Scopus<span dir="LTR" style="font-size:9.0pt">, </span>Web of Science<span dir="LTR" style="font-size:9.0pt">, </span>CINAHL<span dir="LTR" style="font-size:9.0pt">) </span>&nbsp;<span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">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</span></span> MMAT <span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">ارزیابی شد و داده‌ها با رویکرد سنتز روایی تحلیل گردیدند</span></span><span dir="LTR" style="font-size:9.0pt">.</span><span lang="AR-SA" style="font-size:11.0pt"><span style="font-family:"B Mitra""></span></span></span></span></span></span><br> <span style="font-size:10pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><b><span b="" lang="AR-SA" mitra="" style="font-family:">یافته‌ها:</span></b> <span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">از مجموع ۱۵۱۲ رکورد اولیه، پس از غربالگری دقیق، 10 مطالعه اصیل انجام‌شده در اقتصادهای نوظهور وارد مرور نهایی شدند. تحلیل داده‌ها چهار مانع اصلی را آشکار کرد: ۱) زیرساختی: هزینه‌های 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 &quot;پارادوکس تجربه&quot; (نگرش مثبت‌تر پرستاران مسن‌تر نسبت به جوانان)</span></span><span lang="AR-SA" style="font-size:11.0pt"><span style="font-family:"B Mitra""></span></span></span></span></span></span><br> <span style="font-size:10pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><b><span b="" lang="AR-SA" mitra="" style="font-family:">نتیجه‌گیری:</span></b> <span lang="FA" style="font-size:11.0pt"><span b="" mitra="" style="font-family:">برخلاف کشورهای توسعه‌یافته که تمرکز اصلی بر حریم خصوصی است، اقتصادهای نوظهور عمدتاً با چالش‌های زیرساختی و سواد پایه دست‌وپنجه نرم می‌کنند. سیاست‌گذاران باید ادغام هوش مصنوعی با &quot;فناوری پایین&quot; و آموزش‌های کاربردی را در اولویت قرار دهند.</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 style="text-align: justify;"><span style="font-size:10pt"><span new="" roman="" style="font-family:" times=""><b><span style="font-size:11.0pt">Background and Aims:</span></b> <span style="font-size:11.0pt"><span style="background:white"><span style="color:black">Integrating Artificial Intelligence (AI) into diabetes management offers proactive care potential&#39; however, it faces resistance in developing countries. This study aimed to identify AI adoption barriers within emerging economies</span></span></span><span style="font-size:12.0pt">.</span></span></span><br> <span style="font-size:10pt"><span new="" roman="" style="font-family:" times=""><b><span style="font-size:11.0pt">Materials and Methods:</span></b><span style="font-size:11.0pt"> This systematic review was conducted based on the PRISMA protocol. A comprehensive search was conducted using PubMed, Scopus, Web of Science, and CINAHL data bases on January 10, 2026. The period from 2019 to 2025 was chosen to cover digital developments after the pandemic. Inclusion criteria were original articles (quantitative, qualitative, and mixed) that evaluated the barriers to the adoption of artificial intelligence by diabetes nurses. The quality of the articles was evaluated using the Mixed Methods Appraisal Tool (MMAT). The obtained data were then analyzed using the narrative synthesis approach.</span></span></span><br> <span style="font-size:10pt"><span style="text-justify:kashida"><span style="text-kashida:0%"><span new="" roman="" style="font-family:" times=""><b><span style="font-size:11.0pt">Results:</span></b><span style="font-size:11.0pt"> &nbsp;From a total of 1512 primary records, after careful screening, 10 original studies conducted in emerging economies were included in the final review. Data analysis revealed four main barriers: 1) Infrastructural: high internet costs and electricity instability; 2) Knowledge gap: significant difference between positive attitude and low literacy; 3) Psychological: fear of system error in critical situations; and 4) Demographics: the &quot;paradox of experience&quot; phenomenon (older nurses have a more positive attitude than younger ones).</span></span></span></span></span><br> <span style="font-size:10pt"><span new="" roman="" style="font-family:" times=""><b><span style="font-size:11.0pt">Conclusion:</span></b><span style="font-size:11.0pt"> Unlike developed nations focusing on privacy, emerging economies primarily struggle with infrastructure and foundational literacy. Policymakers should prioritize &quot;low-tech&quot; AI integration and practical training curricula. </span></span></span></div> هوش مصنوعی, کشورهای در حال توسعه, دیابت شیرین, پرستاری Artificial Intelligence, Developing Countries, Diabetes Mellitus, Nursing 0 0 http://journal.bums.ac.ir/browse.php?a_code=A-10-3766-3&slc_lang=fa&sid=1 Amir Mohammad Dorosti امیرمحمد درستی amirdorosti2006@gmail.com 8700319475328460051783 8700319475328460051783 No Student Research Committee, Khoy University of Medical Sciences, Khoy, Iran کمیته تحقیقات و فناوری و دانشجویی، دانشکده علوم پزشکی خوی، خوی، ایران Elnaz Zamanlu الناز زمانلو elnazzamanlu456@gmail.com 8700319475328460051784 8700319475328460051784 No Department of Nursing and Midwifery, Khoy.C., Islamic Azad University, Khoy, Iran گروه پرستاری، دانشکده پرستاری و مامایی، واحد خوی، دانشگاه آزاد اسلامی، خوی، ایران Fatemeh Bagheri فاطمه باقری Fatemehbageri1399@gmail.com 8700319475328460051785 8700319475328460051785 No Department of Health Information Technology, Urmia University of Medical Sciences, Urmia, Iran گروه فناوری اطلاعات سلامت، دانشگاه علوم پزشکی ارومیه، ارومیه، ایران Mir Amirhossein Seyednazari میر امیرحسین سید نظری amirhosseinseyednazari@gmail.com 8700319475328460051786 8700319475328460051786 Yes Student Research Committee, Tabriz University of Medical Sciences, Tabriz, Iran کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی تبریز، تبریز، ایران