
-
生物通官微
陪你抓住生命科技
跳动的脉搏
利用技术辅助的方法来评估医疗提供者与患者之间治疗联盟的质量:一项范围综述
《JBI Evidence Implementation》:Technology-assisted methods to assess the quality of the therapeutic alliance between health care providers and patients: a scoping review
【字体: 大 中 小 】 时间:2025年12月25日 来源:JBI Evidence Implementation 2.9
编辑推荐:
本综述探讨技术辅助评估医患治疗联盟中非语言行为的方法,通过分析2010-2023年25项研究,发现注视频率和面部表情是最常测量的行为,技术应用包括眼动追踪、AR/VR系统及机器学习算法,但语音和社会接触分析仍存在局限。
本综述的目的是识别并总结那些能够评估非言语行为的技术辅助方法,这些非言语行为已知会影响医疗提供者与患者在临床、研究和/或教育环境中的治疗关系质量。
医疗提供者与患者之间牢固的治疗关系有助于改善患者的预后。先前的研究表明,提供者的非言语行为(如语调、面部表情、眼神交流和身体姿态)有助于建立良好的治疗关系。技术的进步为自动化检测和反馈这些非言语行为提供了机会,而无需高度训练的指导人员的介入。自动化检测和反馈将增加改进非言语沟通的机会,从而有望提高治疗关系的质量。
参与者是当前的或有志成为医疗提供者的人,他们通常需要在临床、教育或研究环境中与患者进行互动。互动对象可以是真实患者、模拟患者或虚拟患者。纳入的研究采用了技术辅助方法来收集和/或分析至少一种非言语行为。本综述涵盖了定性和定量研究以及综述文章。
在2010年至2023年间,通过PubMed、Embase、CINAHL、ERIC、Scopus和Google Scholar检索了英文出版的和未发表的文献。两位审稿人独立完成了标题和摘要的筛选、全文审查以及数据提取工作。出现的任何分歧由第三位审稿人解决。数据提取工作由两位审稿人共同完成。
共纳入了25个研究来源。最常被测量的非言语行为包括注视患者面部的频率或持续时间(52%的研究),以及面部表情(48%的研究);24%的研究测量了社交接触或言语模式,20%的研究测量了姿势和手势,12%的研究测量了与患者的距离,8%的研究测量了同步性,4%的研究测量了声音。数据收集技术包括音频或视频记录,以及其他技术(如眼动追踪眼镜或多功能耳机),这些技术可以单独使用或集成到增强现实或虚拟现实系统中。数据分析面临的挑战包括识别患者和提供者的声音、面部特征和身体部位,以及分类身体姿势和动作、面部表情和动作。研究们使用了商业软件、开源软件或定制软件来应对这些挑战。许多研究采用了与人工智能相关的机器学习或算法,这需要大量的训练数据。用于分析声音和社交接触的技术辅助方法较为有限,而用于分析同步性、手势、姿势和与患者距离的分析技术则相对较多。
利用技术在医疗提供者与患者互动的数据收集和分析中增强非言语行为和沟通技能正在快速发展,目前有多种方法可用于非言语行为的收集和分析。未来的工作应重点开发用于分析声音和社交接触的技术辅助方法,并应透明地报告机器学习模型或人工智能相关算法的贡献因素和训练数据。系统的开发需要经过大量测试,以确保目标用户能够使用,并且能够准确、有意义地识别非言语行为。
OSF (https://osf.io/kedmf)
通俗语言总结:本综述探讨了用于评估能够增强医疗提供者与患者之间治疗关系的非言语行为的技术辅助方法。牢固的治疗关系有助于改善患者预后,而眼神交流和面部表情等非言语线索至关重要。综述中包含的研究使用了音频或视频记录、眼动追踪眼镜和多功能耳机等技术(有时这些技术会集成到增强现实或虚拟现实系统中),来测量诸如注视患者面部的频率或持续时间、面部表情、社交接触、言语模式、姿势、手势、与患者的距离、同步性和声音等行为。面临的挑战包括准确识别声音、面部特征和身体部位,以及分类身体姿势和动作、面部表情和动作。虽然已有用于分析同步性、手势、姿势和与患者距离的技术辅助方法,但用于分析声音和社交接触的技术仍较为有限,需要进一步发展。未来的工作应致力于改进这些技术,确保它们的可用性和有效性。
本文为机器生成,可能存在不准确之处。常见问题解答