Journal of Health and Biomedical Informatics

fa معماری‌های رایانشی سلسله مراتبی و تحلیل خدمات در سیستم‌های مراقبت بهداشتی مبتنی بر مه‌: یک مرور ساختاریافته Hierarchical architectures and service analysis in fog-based healthcare systems: A systematic study پزشکی راه دور Telemedicine مقاله مروری سیستماتیک و متاآنالیز Systematic Review & Meta analysis <div style="text-align: justify;">مقدمه: سیستم‌های مراقبت‌های بهداشتی برای بهبود دسترسی و کیفیت خدمات، بیشتر به مدل‌های رایانشی وابسته می‌شوند. اگرچه رایانش ابری مقیاس‌پذیری را فراهم می‌کند، اما محدودیت‌های ذاتی آن، مانند تأخیر و پهنای باند بر کاربردهای حیاتی تأثیر منفی می‌گذارد. رایانش مه خود را به عنوان یک جایگزین انقلابی معرفی می‌کند که پردازش و ذخیره‌سازی را به لبه شبکه می‌آورد. این مرور ساختاریافته، رایانش مه را در زمینه خدمات مراقبت‌های بهداشتی ارزیابی می‌کند و طبقه‌بندی خدمات، نیازهای معماری و مسائل مربوط به استقرار را پوشش می‌دهد. روش کار: این مرور ساختاریافته، ۳۵۱۹ مقاله مرتبط با مراقبت‌های بهداشتی مبتنی بر رایانش مه را از پایگاه‌های IEEE، Springer، ACM، ScienceDirect، Taylor & Francis و Willey در بازه‌ زمانی ۲۰۱۸ تا ۲۰۲۲ با کلیدواژه‌های مرتبط با «Fog Computing» و «Healthcare» شناسایی کرد. معیارهای انتخاب شامل طول بیش از شش صفحه، دسترسی به متن کامل و ارتباط محتوایی بودند و مواردی مانند انواع مرور، کتاب و مقاله‌های نامرتبط حذف شدند. در نهایت، ۱۲۵ مقاله با هدف شناسایی خدمات، ارزیابی کیفیت، تحلیل معماری‌ها و استقرار اجزاء بررسی و ویژگی‌ها، نیازمندی‌های عملکردی و غیرعملکردی آن ها تحلیل شد. یافته‌ها: این مطالعه نشان می‌دهد که اهمیت مدل‌های رایانشی در مراقبت‌های بهداشتی عمدتاً به تحرک بیماران و فاصله آن‌ها از مراکز درمانی برمی‌گردد، که نیاز به خدمات سیار و نظارت از راه دور را افزایش می‌دهد. در این خدمات، علائم حیاتی بیمار برای تصمیم‌گیری سریع به مراکز درمانی ارسال می‌شود. نیازهای عملکردی اصلی شامل اشتراک‌گذاری و پردازش داده‌ها و نیاز غیرعملکردی مهم، عملکرد حساس به تأخیر است. معماری‌های رایج مانند مدل‌های n- رده و لایه‌ای، با قابلیت استقرار مستقل طراحی شده‌اند. چالش‌ها شامل منابع محدود در لبه و ضعف در هماهنگی پویا بین خدمات است.  نتیجه‌گیری: رایانش مه با کاهش محدودیت‌های رایانش ابری، خدمات مراقبت بهداشتی را بهبود می‌دهد، اما چالش‌هایی مانند استانداردسازی و مدیریت پویای منابع پابرجا است. مطالعات آینده باید معماری‌های متناسب با نوع خدمات، استقرار تطبیقی برای کاربران سیار و ثبت وقایع دقیق را توسعه دهند. این بررسی بر لزوم راه‌حل‌های سفارشی و قابل‌تأیید برای ارائه خدمات بهداشتی بلادرنگ تأکید دارد و پیشنهاد می‌کند معماری‌های آگاه از زمینه در اولویت قرار گیرند.  </div> <div style="text-align: justify;">Introduction: Introduction: Healthcare systems are increasingly reliant on computing models to improve the accessibility and quality of services. While cloud computing provides scalability, its inherent limitations—such as latency and bandwidth—negatively impact critical applications. Fog computing emerges as a transformative alternative, bringing processing and storage closer to the network edge. This systematic review evaluates fog computing within the context of healthcare services, addressing service classification, architectural requirements, and deployment challenges. Method: We identified articles between 2018 and 2022 by searching six electronic databases, using keywords related to “Fog Computing” and “Healthcare.” The inclusion criteria were full-text availability and relevance to the topic. Reviews, books, and unrelated studies were excluded. Ultimately, the included articles were analyzed to identify services, assess quality, examine architectures, and evaluate components along with their features, functional, and non-functional requirements. Results: The search generated 3,519 studies, of which 125 studies were included. This study highlights the significance of computing models in healthcare systems based on two main factors: patient mobility and their distance from medical facilities, which necessitate mobile-remote services. These services typically involve remote patient monitoring, wherein vital signs are transmitted to healthcare centers for timely decision-making by care providers. Core functional requirements focus on data manipulation, including sharing and processing, while the main non-functional requirement is performance, with sensitivity to delay. Common architectural models include n-tier and layered structures, where each tier can be deployed independently based on specific needs. Key deployment challenges include limited resources at edge tiers and inadequate dynamic coordination among services. Conclusion: Fog computing enhances healthcare services by reducing the limitations of cloud computing; however, challenges such as standardization and dynamic resource management persist. Future studies should focus on developing service-specific architectures, adaptive deployment strategies for mobile users, and precise event logging. This review highlights the necessity for customizable and verifiable solutions to provide real-time healthcare services, proposing context-aware architectures as a priority.  </div> رایانش مه, سرویس‌های مراقبت بهداشتی, کیفیت سرویس, نیازمندی‌های عملکردی, نیازمندی‌های غیرعملکردی Fog computing, Healthcare services, Quality of services, Functional requirements, Non-functional requirements 132 158 http://jhbmi.ir/browse.php?a_code=A-10-1180-1&slc_lang=fa&sid=1 Reza Sookhtsaraei رضا سوخت سرایی r.sookhtsaraei@eng.basu.ac.ir 100319475328460010628 100319475328460010628 No Ph.D. Student, Department of Computer Engineering, Bu-Ali Sina University, Hamedan, Iran دانشجوی دکتری، دانشکده مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان، ایران Mehdi Sakhaei-nia مهدی سخایی نیا sakhaei@basu.ac.ir 100319475328460010629 100319475328460010629 Yes Assistant Professor, Department of Computer Engineering, Bu-Ali Sina University, Hamedan, Iran استادیار، دانشکده مهندسی کامپیوتر، دانشگاه بوعلی سینا، همدان، ایران Fereshteh-Azadi Parand فرشته آزادی پرند parand@atu.ac.ir 100319475328460010630 100319475328460010630 No Faculty of Statistics, Mathematics and Computer Sciences, Allameh Tabatabai University, Tehran, Iran دانشکده آمار، علوم ریاضی و رایانه، دانشگاه علامه طباطبایی، تهران، ایران