慢性病自我管理：面向以患者为中心的护理设计虚拟助手的范围综述

文献标题

Self-management for Chronic Illness: A Scoping Review on Designing Virtual Assistants for Patient-Centered Care

出版信息

• 主题领域: 慢性病自我管理的虚拟助手设计
• 关键词: 慢性病, 虚拟助手, 以患者为中心的护理, 人工智能集成, 参与式设计, 自我管理, 全人护理, 简化护理, 健康技术, 以人为本的人工智能

背景与问题

• 问题/挑战: 用于慢性病自我管理的虚拟助手（VAs）通常无法提供以患者为中心的护理（PCC），更倾向于采用简化方法（如依从性、行为改变），而非全人护理（如关系性、赋权）。人工智能（AI）的集成未能解决这一差距，甚至可能因过于注重技术个性化而忽视患者的实际参与而加剧问题。
• 重要性: 慢性病每年影响超过三分之一的成年人，需要个性化、全人护理的方法来提高生活质量、症状管理和患者赋权。不匹配的虚拟助手设计可能强化狭隘的临床护理模式，忽视患者的实际生活体验。
• 动机与相关研究: 先前研究强调了参与式设计和以患者为中心在健康技术中的重要性。然而，大多数用于慢性病自我管理的虚拟助手未能在设计过程中充分整合患者的意见，而以人工智能驱动的系统往往优先考虑算法优化，而非全人护理需求。

解决方案

• 提出的方法: 对55项研究进行范围综述，分析在慢性病自我管理虚拟助手的设计和开发中如何体现以患者为中心的护理，重点关注护理概念、系统功能和患者参与。
• 创新点:
  1. 绘制虚拟助手中实施的护理维度图谱，区分简化方法与全人方法。
  2. 对患者在虚拟助手设计过程中的角色进行分类，从未参与到共同设计。
  3. 提出扩展护理维度和改善患者参与人工智能驱动虚拟助手的设计建议。
• 程序和关键技术:
  • 按照PRISMA-ScR指南进行范围综述。
  • 分析2011年至2025年间的55项研究，涵盖人工智能和非人工智能虚拟助手。
  • 对护理概念、功能和患者参与水平进行主题分析。
  • 将护理方法分类为简化型（依从性、行为改变、主动性）和全人型（健康素养、关系性、自主性、赋权）。

结果

• 具体发现:
  • 53%的虚拟助手优先采用简化护理（如依从性、行为改变），而47%强调全人护理（如关系性、赋权）。
  • 人工智能驱动的虚拟助手更倾向于采用简化方法（64%），而非人工智能虚拟助手为43%。
  • 患者参与有限：45%的研究仅将患者作为评估者，31%的研究完全未涉及患者。
  • 共同设计方法较少（14.5%），但能带来更全人化和以患者为中心的护理概念。
• 相较基线的优势:
  • 非人工智能虚拟助手表现出更高的患者参与度和更全人化的护理方法。
  • 人工智能驱动的虚拟助手常将技术个性化与以患者为中心混为一谈，未能满足关系性和心理社会护理需求。
• 实验/评估:
  • 研究包括可用性测试、焦点小组、访谈和可行性研究。
  • 使用的人工智能技术包括机器学习（ML）、自然语言处理（NLP）和大型语言模型（LLMs）。
  • 非人工智能虚拟助手更多依赖双向对话格式和参与式设计方法。
• 局限性与未来工作:
  • 未充分纳入非英语研究和灰色文献，可能导致结果偏向西方学术视角。
  • 未来研究应探索行业实践、多元文化背景以及针对慢性病人群的自适应共同设计方法。

总结

本范围综述揭示了用于慢性病自我管理的虚拟助手（VAs）设计中在提供以患者为中心的护理（PCC）方面的显著差距。尽管人工智能的集成引入了先进的个性化功能，但并未增强全人护理或患者的实际参与。非人工智能虚拟助手在以患者为中心的护理原则上表现更优，强调关系性和心理社会护理。该综述提供了护理维度的图谱、患者角色的分类以及未来虚拟助手开发的设计建议。这些发现强调了参与式设计实践和自适应方法的重要性，以确保虚拟助手符合慢性病患者的生活体验和全人护理需求。