دانشگاه علوم پزشکی و خدمات بهداشتی- درمانی استان اصفهان مدیریت اطلاعات سلامت 1735-7853 23 1 2026 03 21 Process Mining in Healthcare Process Simulation: A Structured Narrative Review of Trends, Barriers, and Opportunities فرآیندکاوی در شبیه‌سازی فرآیندهای مراقبت‌های سلامت: یک مرور روایتی ساختارمند بر روندها، موانع و فرصت‌ها 33460 10.48305/him.2026.46060.1380 FA محسن محمدی مجتمع آموزش عالی اسفراین 0000-0003-0532-1236 Journal Article 2025 12 29 As healthcare systems become more complex, advanced data-driven methods are needed to improve efficiency, patient outcomes, and resource allocation. This study examines the integration of process mining and healthcare process simulation to support data-driven decision-making.This analytical review explores the basic concepts of process mining and process simulation, their synergistic integration, healthcare applications, implementation challenges, and future research opportunities.Process mining can enhance simulation models by discovering actual care pathways, identifying bottlenecks, assessing process conformance, and extracting empirical parameters from event logs. Simulation, in turn, enables the evaluation of improvement scenarios, prediction of operational outcomes, analysis of patient flow, and optimization of resources. Together, these approaches can support evidence-based decision-making and improve healthcare service delivery.Integrating process mining and simulation provides a valuable framework for analyzing and improving healthcare processes. However, challenges related to data quality, privacy, workflow complexity, technical limitations, and organizational collaboration remain. Future research should focus on standardized frameworks, high-quality data, predictive analytics, and practical implementation studies. با افزایش پیچیدگی نظام‌های مراقبت سلامت، به‌کارگیری روش‌های تحلیلی پیشرفته برای بهبود کارایی، کیفیت خدمات، پیامدهای بیماران و تخصیص منابع اهمیت بیشتری یافته است. در این زمینه، فرآیندکاوی و شبیه‌سازی فرآیند به‌عنوان دو رویکرد داده‌محور، ظرفیت قابل توجهی برای تحلیل و بهبود فرآیندهای سلامت دارند. هدف این مقاله بررسی امکان و مزایای تلفیق این دو رویکرد در پشتیبانی از تصمیم‌گیری مبتنی بر داده در مراقبت سلامت است.<br><br><br><br>این مطالعه با رویکرد مروری تحلیلی انجام شده و مفاهیم پایه فرآیندکاوی و شبیه‌سازی، چارچوب ادغام آن‌ها، کاربردها، چالش‌های اجرایی و فرصت‌های پژوهشی آینده را بررسی می‌کند. یافته‌ها نشان می‌دهد فرآیندکاوی با استخراج دانش از داده‌های رخدادی، کشف مسیرهای واقعی ارائه خدمت، شناسایی گلوگاه‌ها، ارزیابی انطباق فرآیندهای واقعی با استانداردهای بالینی و استخراج پارامترهای تجربی، می‌تواند دقت و اعتبار مدل‌های شبیه‌سازی را افزایش دهد. از سوی دیگر، شبیه‌سازی امکان آزمون سناریوهای مختلف بهبود، پیش‌بینی پیامدهای عملیاتی، تحلیل جریان بیمار و بهینه‌سازی منابع را پیش از اجرای واقعی تغییرات فراهم می‌سازد.<br><br><br><br>تلفیق فرآیندکاوی و شبیه‌سازی می‌تواند به تصمیم‌گیری شواهد‌محور، کاهش زمان انتظار، استفاده بهتر از منابع و ارتقای کیفیت مراقبت کمک کند. با این حال، چالش‌هایی مانند کیفیت و کامل بودن داده‌ها، حریم خصوصی، پیچیدگی جریان‌های کاری بالینی، موانع فنی و دشواری همکاری سازمانی وجود دارد. توسعه چارچوب‌های استاندارد، استفاده از داده‌های باکیفیت، هوش مصنوعی، تحلیل‌های پیش‌بینانه و مطالعات کاربردی می‌تواند مسیر پژوهش‌های آینده را تقویت کند.