它可以将你引向正确的方向：以事件为驱动的数据叙述帮助患者导航多维糖尿病数据以作出护理决策

文献标题

“It can bring you in the right direction”: Episode-Driven Data Narratives to Help Patients Navigate Multidimensional Diabetes Data to Make Care Decisions

文献信息

• 主题领域: 健康信息学，患者数据分析，数字化健康管理
• 关键词: 糖尿病, 个性化健康数据, 人机数据交互, 数据决策支持, 可视化健康数据, 个人健康信息学, 患者生成数据, 多维数据接口

研究背景与问题

• 问题与挑战:

  • 糖尿病患者需要处理多种健康数据流以支持自我护理，但现有工具在使数据转化为可操作信息时支持能力有限。
  • 多维度数据的复杂性，例如血糖、饮食、胰岛素和体力活动等因素，使得数据的分析和决策变得困难。
  • 患者生成的健康数据报告往往注重功能性而非直观性，导致使用过程中认知负担较重，行动计划难以制定。

• 重要性:

  • 糖尿病是一种慢性病，数据驱动的自我管理对于提高血糖控制和减少医疗依赖非常重要。
  • 由于多维度因素对健康的综合影响，工具需要帮助患者理解和连接数据以促进有效决策。

• 研究动机与相关工作:

  • 之前的研究主要关注患者数据的收集和可视化，但对如何基于多维数据支持决策的研究较少。
  • 商业化糖尿病数据可视化工具主要面向临床医生，不适合患者独立使用，限制了数据参与和个人决策能力。

解决方案

• 方法与解决方案:

  • 提出了一组新型数据接口，称为“基于情节驱动的数据叙述 (Episode-Driven Data Narratives)”。
  • 设计的目标是帮助患者独立参与多维度数据，以支持糖尿病管理中关键的决策任务。

• 创新之处:

  • 强调以“情节”为单位结构化数据呈现，帮助用户关注特定时间段内的数据表现及相关因素。
  • 融合领域启发式规则解释数据流之间的关系，采用代表性数据展示关联。
  • 提供不同情节和可能因素的全景视图，支持患者选择和实施适合自身的干预措施。

• 实施步骤与技术:

  1. 定义数据接口的设计目标，包括支持多维度数据的互动、情节驱动的数据呈现、和领域启发问题上下文化。
  2. 使用糖尿病患者数据（CGM和胰岛素泵）创建数据叙述原型，结合领域知识制定可解释因果推断和关联问题。
  3. 通过可交互界面设计（Figma实现）测试数据启发工具的易用性和理解度，并与现有商业工具进行比较。

研究成果

• 具体成果:

  • 与商业糖尿病数据报告相比，基于情节驱动的数据叙述提高了数据理解能力，降低了参与数据分析的认知负担。
  • 促进患者鉴别并优先处理复杂的多维数据问题，例如选择需要干预的情节和构建适合因素数据的行动计划。

• 比较优势:

  • 显著提高了数据理解测试中的表现（91分 vs. 商业工具的69分）。
  • 使用NASA任务负荷评估工具发现任务复杂负荷显著降低。
  • 促使患者更加主动地分析可能的干预措施，在关联因素和验证证据间建立联系。

• 实验与评估结果:

  • 收集参与者基于两种工具进行数据分析的行为，对比了达成任务的效率和结果质量。
  • 利用情节驱动的数据叙述，患者能够更清楚地识别潜在干预因素并优先处理高影响因素。
  • 实验印证了使用多维度数据时设计直观的情节驱动工具的价值。

• 局限性与未来方向:

  • 样本量较小，研究发现的普遍适用性需要更大规模验证。
  • 研究对象主要限于糖尿病患者，其他疾病的应用场景尚需进一步探索。
  • 对于一些慢性病如抑郁症，因果因素可能无法直接测量，这样的情节驱动设计需要针对复杂性调整。

总结与设计启示:

• 工具在帮助患者使用多维数据时，需要同时减少不必要的数据探索并允许一定程度的探索以促进决策的自主性。
• 通过基于情节的数据结构化呈现和领域知识上下文化，用户可以更直观地解读和操作健康数据，增强数据驱动健康管理的可能性。