journal of research in dental sciences

fa رویکردهای شخصی‌سازی‌شده و پیش‌بینی‌کننده در مراقبت سلامت دهان: مرور نظام‌مند Personalized and Predictive Approaches in Oral Healthcare: A Systematic Review بیماری دهان Oral Medicine مروری Review article <div style="border-bottom:solid windowtext 1.0pt; padding:0in 0in 1.0pt 0in">سابقه و هدف: رویکردهای شخصی‌سازی‌شده از داده‌های بالینی، رفتاری، زیستی و محاسباتی فرد برای هدایت مراقبت استفاده می‌کنند، اما روشن نیست این رویکردها تا چه اندازه از پیش‌بینی فراتر رفته و تصمیم بالینی یا پیامد بیمار را تغییر داده‌اند. هدف این مرور، تعیین جایگاه شواهد موجود در مسیر «داده تا تصمیم» بود. مواد و روش‌ها: در این مرور نظام‌مند، پایگاه‌های PubMed، Scopus و &lrm;Web of Science&lrm; برای مطالعات اولیه انسانی انگلیسی‌زبان منتشرشده از ژانویه ۲۰۱۵ تا نوامبر ۲۰۲۵ جست‌وجو شدند. مطالعات به گروه الف، شامل تغییر مستند مراقبت، و گروه ب، شامل توصیه بدون اثبات اجرا، پیش‌بینی، طبقه‌بندی یا شواهد زیربنایی، تقسیم شدند. خطر سوگیری با ابزار متناسب با طرح و قطعیت پیامدها به‌صورت اکتشافی ارزیابی شد. به دلیل ناهمگونی، سنتز روایی انجام گرفت. یافته‌ها: بیست‌ویک مطالعه تجربی وارد شدند. فقط یک مطالعه پروتکل متناسب با بیمار را در نقطه ارائه خدمت اجرا کرد؛ یک مطالعه توصیه اختصاصی تولید کرد، اما اجرای آن را نسنجید؛ و ۱۹ مطالعه به توصیف، کشف نشانگر، طبقه‌بندی، پیش‌بینی یا پایش محدود بودند. هیچ مطالعه‌ای برتری پیامدهای مهم برای بیمار را نسبت به مراقبت معمول نشان نداد. هر سه مطالعه مدل پیش‌بینی دارای خطر سوگیری بالا بودند و قطعیت بیشتر پیامدها کم یا بسیار کم بود. نتیجه‌گیری: شواهد کنونی برای تغییر رویه معمول کافی نیست. پیش از کاربرد بالینی، مطالعات آینده‌نگر مقایسه‌ای باید نشان دهند که خروجی‌های فردی واقعاً تصمیم مراقبتی را تغییر می‌دهند و پیامد بیمار را بهبود می‌بخشند.</div> Background and Aim: Personalized approaches use individual clinical, behavioral, biological, and computational data to guide care, but it remains unclear whether these approaches progress beyond prediction to alter clinical decisions or patient outcomes. This review located the current evidence along a data-to-decision pathway. Materials and Methods:  PubMed, Scopus, and Web of Science were searched for English-language primary human studies published from January 2015 through November 2025. Studies were classified as Group A (documented modification of care) or Group B (recommendation without demonstrated implementation, prediction, classification, or enabling evidence). Risk of bias was assessed with design-specific tools, and outcome certainty was appraised exploratorily. Result: Twenty-one empirical studies were included. One study implemented an individualized care protocol, one produced patient-specific recommendations without evaluating uptake, and 19 were limited to characterization, biomarker discovery, classification, prediction, or monitoring. No study demonstrated superior patient-important outcomes compared with usual care. All three prediction-model studies were at high risk of bias, and most outcomes had low or very-low certainty. Conclusion: Current evidence is insufficient to justify changes in routine practice. Prospective comparative impact studies should show that individual-level outputs alter care and improve patient outcomes before clinical adoption.   پزشکی دقیق؛ پزشکی شخصی‌شده؛ سلامت دهان؛ هوش مصنوعی؛ نشانگرهای زیستی Precision Medicine, Personalized Medicine, Oral Health, Artificial Intelligence, Biomarkers 264 287 http://jrds.ir/browse.php?a_code=A-10-2001-1&slc_lang=fa&sid=1 Arman Farzin آرمان فرزین arfarzin007@gmail.com 100319475328460022384 100319475328460022384 No Student Research Committee, School of Dentistry, Mashhad University of Medical Sciences پژوهشگر دانشجویی، کمیته تحقیقات دانشجویی، دانشکده دندانپزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران Abolfzl Shafiei Shirvan ابوالفضل شفیعی شیروان sh.abolfazl13@gmail.com 100319475328460022385 100319475328460022385 No Student Research Committee, School of Dentistry, Mashhad University of Medical Sciences پژوهشگر دانشجویی، کمیته تحقیقات دانشجویی، دانشکده دندانپزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران Zeinab Naseri Somaghcheh زینب ناصری سماغچه zeynab.naseri@gmail.com 100319475328460022386 100319475328460022386 Yes Department of Medical Informatics, Faculty of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran دپارتمان انفورماتیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران