PubMed چکیده/رکورد

Artificial Intelligence in Mental Health Care: Implications for Psychiatric Mental Health Nursing-A Scoping Review.

استودیوی صوتی مقاله

پخش حرفه‌ای فارسی و انگلیسی

در حال بررسی نسخه‌های صوتی ذخیره‌شده…

صوت تولیدشده با هوش مصنوعی است. برای کاربرد علمی یا درمانی، متن و منبع اصلی را بررسی کنید.
خواندن هوشمند فارسی و انگلیسی در حال آماده‌سازی صداهای مرورگر…
تنظیم صدای طبیعی و سرعت

صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده می‌شود معمولاً طبیعی‌ترند. انتخاب صدا به صداهای نصب‌شده در ویندوز و مرورگر شما بستگی دارد.

چکیده اصلی

AI is increasingly being integrated into mental health support, with applications spanning chatbots, large language models, digital therapeutics and clinical decision-support systems. Although these technologies have demonstrated potential to improve access to care and support clinical practice, their implications for psychiatric mental health nursing (PMHN) remain insufficiently synthesized. This scoping review aimed to examine how AI is being applied in mental health care and to synthesize its implications for psychiatric mental health nursing practice and related nursing-relevant outcomes. A scoping review was conducted following established scoping review methodology and reported in accordance with the PRISMA Extension for Scoping Reviews (PRISMA-ScR). Searches were conducted across four databases for studies published between January 2022 and May 2026. A total of 42 sources of evidence met the inclusion criteria. Five overarching themes were identified: (1) AI-based psychosocial interventions and mental health care delivery; (2) suicide prevention and risk management; (3) therapeutic relationships and human-centred care; (4) ethics, safety and governance; and (5) nursing readiness, education and professional transformation. AI applications were associated with improved accessibility of mental health support, enhanced symptom management and more efficient risk assessment. However, concerns regarding privacy, algorithmic bias, transparency and the preservation of therapeutic relationships were consistently reported. AI demonstrates considerable potential to support care delivery, suicide prevention and clinical decision-making, yet raises important ethical, relational and professional challenges. AI should be viewed as a complementary tool that supports rather than replaces psychiatric mental health nursing practice. Educational programmes should strengthen AI literacy, digital ethics and critical appraisal skills to support safe and person-centred AI integration.

نتیجه فارسی

این مرور محدودیت‌ها کاربردهای هوش مصنوعی در مراقبت‌های سلامت روان و پیامدهای آن را برای پرستاری روانپزشکی بررسی می‌کند. یافته‌ها نشان می‌دهد که هوش مصنوعی می‌تواند دسترسی، مدیریت علائم و ارزیابی ریسک را بهبود بخشد، اما نگرانی‌هایی در مورد حریم خصوصی، سوگیری الگوریتمی و روابط درمانی وجود دارد. این فناوری باید به عنوان ابزاری مکمل و نه جایگزین پرستاری عمل کند.

  • کاربردهای هوش مصنوعی شامل ربات‌های گفتگو، درمان‌های دیجیتال و سیستم‌های پشتیبانی تصمیم‌گیری بالینی است.
  • هوش مصنوعی می‌تواند دسترسی به مراقبت و مدیریت علائم را بهبود بخشد.
  • نگرانی‌های مداوم شامل حریم خصوصی، سوگیری الگوریتمی و حفظ روابط درمانی است.
  • هوش مصنوعی باید به عنوان ابزاری مکمل برای پرستاری روانپزشکی استفاده شود.
  • برنامه‌های آموزشی باید مهارت‌های سواد دیجیتال و اخلاق دیجیتال را تقویت کنند.

ترجمه فارسی چکیده

هوش مصنوعی به تدریج در حمایت از سلامت روان ادغام می‌شود و کاربردهایی شامل ربات‌های گفتگو، مدل‌های زبانی بزرگ، درمان‌های دیجیتال و سیستم‌های پشتیبانی تصمیم‌گیری بالینی دارد. این فناوری‌ها پتانسیل بهبود دسترسی به مراقبت و حمایت از عملکرد بالینی را نشان داده‌اند، اما پیامدهای آن برای پرستاری روانپزشکی (PMHN) هنوز به طور کافی جمع‌آوری نشده است. این مرور محدودیت‌ها به بررسی نحوه کاربرد هوش مصنوعی در مراقبت‌های سلامت روان و جمع‌بندی پیامدهای آن برای عملکرد پرستاری روانپزشکی و نتایج مرتبط با پرستاری پرداخت. مرور محدودیت‌ها طبق روش‌شناسی مرسوم و مطابق با گسترش PRISMA برای مرورهای محدودیت‌ها (PRISMA-ScR) انجام شد. جستجوها در چهار پایگاه داده برای مطالعات منتشر شده بین ژانویه ۲۰۲۲ و مه ۲۰۲۶ انجام شد. مجموعاً ۴۲ منبع شواهد با معیارهای ورود مطابقت داشتند. پنج موضوع کلی شناسایی شد: (۱) مداخلات روان‌اجتماعی مبتنی بر هوش مصنوعی و ارائه مراقبت سلامت روان؛ (۲) پیشگیری از خودکشی و مدیریت ریسک؛ (۳) روابط درمانی و مراقبت متمرکز بر انسان؛ (۴) اخلاق، ایمنی و حاکمیت؛ و (۵) آمادگی، آموزش و تحول حرفه‌ای پرستاری. کاربردهای هوش مصنوعی با دسترسی بهتر به حمایت سلامت روان، مدیریت بهتر علائم و ارزیابی ریسک کارآمدتر مرتبط بود. با این حال، نگرانی‌های مربوط به حریم خصوصی، سوگیری الگوریتمی، شفافیت و حفظ روابط درمانی به طور مداوم گزارش شد. هوش مصنوعی پتانسیل قابل توجهی برای حمایت از ارائه مراقبت، پیشگیری از خودکشی و تصمیم‌گیری بالینی نشان می‌دهد، اما چالش‌های اخلاقی، رابطه‌ای و حرفه‌ای مهمی را ایجاد می‌کند. هوش مصنوعی باید به عنوان یک ابزار مکمل دیده شود که حمایت می‌کند نه جایگزین عملکرد پرستاری روانپزشکی. برنامه‌های آموزشی باید مهارت‌های سواد دیجیتال، اخلاق دیجیتال و ارزیابی انتقادی را برای حمایت از ادغام ایمن و متمرکز بر فرد هوش مصنوعی تقویت کنند.

روش پژوهش

مرور محدودیت‌ها طبق روش‌شناسی مرسوم و مطابق با PRISMA-ScR انجام شد. جستجوها در چهار پایگاه داده برای مطالعات منتشر شده بین ژانویه ۲۰۲۲ و مه ۲۰۲۶ انجام شد.

محدودیت‌ها

محدودیت‌ها در متن گزارش نشده‌اند.

استخراج ساختاریافته از متن منبع

نمای PICO و پیامدها

جمعیت
پرستاران روانپزشکی (PMHN) و مراجعین مراقبت سلامت روان.
مداخله/مواجهه
کاربردهای هوش مصنوعی شامل ربات‌های گفتگو، مدل‌های زبانی بزرگ، درمان‌های دیجیتال و سیستم‌های پشتیبانی تصمیم‌گیری بالینی.
مقایسه
مراقبت‌های سلامت روان سنتی (در مقایسه با کاربردهای هوش مصنوعی).
حجم نمونه
۴۲ منبع شواهد.

متن کامل اصلی

متن در JumpToDate ذخیره نشده است.

برای بررسی دسترسی کتابخانه‌ای یا خرید، رکورد اصلی را باز کنید.

رفتن به منبع اصلی

کلیدواژه‌ها

artificial intelligencemental health servicespatient‐centred carepsychiatric nursingsuicide prevention
در همین زیرشاخه

مقاله‌های مرتبط

PubMed2026

Caring Behaviours in Nursing: A Bibliometric Analysis of Global Research Trends and Knowledge Structure.

BACKGROUND: Caring behaviours constitute one of the most visible ways in which "caring" is translated into everyday nursing practice, yet the field has become increasingly heterogeneous across settings, outcomes, and conceptual traditions. A field-level map is therefore needed to clarify how the literature has evolved and where it is currently concentrating. OBJECTIVE: This study aimed to bibliometrically map the literature on caring b…

PubMed2026

Machine Learning in Causal Effect Estimation and Causal Evaluation of ML-Enabled Interventions in Nursing-Related Research: A Scoping Review.

Machine learning (ML) informs nursing practice, but prediction cannot establish intervention or workflow effects. Aim To map ML use within causal effect estimation and causal evaluations of ML-enabled interventions in nursing and midwifery. Eight electronic sources were searched for reports published January 2015-June 2026, followed by backward citation searching. Eligibility required a causal estimand, corresponding identification str…

PubMed2026

Effects of Aromatherapy on Stress and Anxiety Among Intensive Care Unit Nurses: A Systematic Review.

BACKGROUND: Nurses working in intensive care units (ICU) are at high risk for stress and anxiety. Aromatherapy stands out as a non-pharmacological and easily implementable complementary approach for alleviating these symptoms. To our knowledge, this is the first systematic review specifically examining the effects of aromatherapy on stress and anxiety among ICU nurses. AIMS: This systematic review aimed to evaluate the effects of aroma…

PubMed2026

Ethical Concerns and Implementation Barriers to Early Mobilisation in Critically Ill Adult and Older Adult Patients: Perspectives of ICU Nurses.

BACKGROUND: Early mobilisation is central to contemporary critical care, yet implementation remains inconsistent and ethically complex, particularly when patient safety, autonomy and resource constraints must be balanced. AIMS: To examine ICU nurses' perceptions of ethical concerns and implementation barriers related to early mobilisation in critically ill adults, including older adults, and their associations with professional charact…