术前焦虑是一个具有重要临床意义的顾虑,与对手术、麻醉、疼痛、并发症及恢复的不确定性有关[[2], [1]]。焦虑程度较高与较差的围手术期体验、疼痛感知增加、麻醉需求增加及患者满意度降低相关[3],Bedaso等人[4]。教育、心理准备、音乐及其他非药物干预可能减轻痛苦[[6], [8], [5], [7], [9]],但通常需要大量临床医生时间,且可能无法及时解答个体化的疑问。
数字健康工具,包括移动应用程序、多媒体教育和虚拟现实,可以标准化信息、提高参与度并支持术前准备[[10], [12], [11]]。某些干预可能通过沉浸式准备、分散注意力或交互式学习来减轻焦虑[[13], [14]]。然而,这些机制主要基于自然语言交互的对话系统有所不同;因此,不能假定其效果可直接适用于AI聊天机器人。
在本综述中,"AI聊天机器人"被用作功能性统称,指代能够解读患者输入并检索已验证响应或生成新响应的对话系统。早期基于脚本或检索的系统通常依赖预定义路径或精选知识库,提供了更高的内容保真度、可追溯性和可控性,但个性化和对话灵活性有限。生成式大语言模型能够针对个体化问题产生流畅的、情境敏感的响应,但其输出可能可重复性较差、来源透明度较低,并引入幻觉、偏见、隐私泄露或不恰当建议的风险。这些架构差异也可能影响作用机制:基于检索的系统主要强化标准化信息,而生成式系统可能还通过个性化交互额外影响安慰感、感知响应度和不确定性[[16], [17], [15]]。
聊天机器人在围手术期护理中的应用仍处于发展阶段。Lin等人[18]回顾了截至2023年5月所识别的8项围手术期聊天机器人研究,包括随机和非随机设计。其综合主要关注患者满意度和知识获取,其中八项干预中有七项为基于规则的聊天机器人。本综述纳入的五项焦虑随机对照试验——Yahagi等人[19]、Gan等人[20]、Zhang等人[21]、Cardon de Lichtbuer等人[22]和Mutlu Sütcüo?lu等人[23]——与Lin等人[18]回顾的研究无重叠;所有研究均在其检索之后发表,且其中四项评估了基于大语言模型的聊天机器人。Shimada等人[24]更广泛地考察了AI辅助围手术期麻醉管理,但未提供仅针对焦虑的聊天机器人辅助教育随机对照试验综合。因此,本综述通过专注于随机焦虑结局、呈现研究层面的比较效应估计值、区分聊天机器人架构和焦虑测量工具,并应用RoB 2和GRADE,针对一个独特且更新鲜的证据基础。
近期的随机对照试验已开始评估不同手术背景下AI聊天机器人辅助术前教育,包括择期手术、白内障手术、全膝关节置换术、泌尿系结石手术和择期剖宫产[[19], [23]]。这些试验使用了不同的聊天机器人系统,包括基于ChatGPT的大语言模型和基于规则的对话代理,并与标准宣传册、护士主导教育、外科医生主导知情同意或医师咨询进行比较。尽管部分研究表明AI聊天机器人辅助术前教育可能减轻焦虑或改善患者理解[20],但其他研究未发现相对于传统临床医生主导教育的明确优势[21]。这一新兴但异质性的证据使临床医生难以判断AI聊天机器人辅助术前教育是否应作为减轻焦虑的干预措施采用。
因此,需要一项聚焦的系统性综述,以确定目前的随机证据支持了AI聊天机器人辅助术前教育的哪些内容,并解释技术和临床配置之间的差异。实际上,本综述可以告知临床医生和服务设计者证据是否足以支持采用、哪些实施特征需要谨慎以及何处需要进一步试验。从概念上,它根据聊天机器人架构、干预功能、对照条件、手术背景、人工监督和结局测量来组织证据,避免假定所有聊天机器人都构成单一的干预期类。因此,我们进行了一项系统性综述和结构化叙述综合,以计算可比较的研究层面估计值,评估偏倚风险和证据确定性,并表征研究间不一致的潜在来源。
综述问题采用PICO框架构建:对于手术患者(P),与通过宣传册、护士、医师或标准咨询提供的非聊天机器人常规护理或教育(C)相比,AI聊天机器人辅助术前或围手术期教育(I)是否影响教育干预后定量测量的围手术期焦虑(O)?