医疗保健中的个人健康数据:卫生健康专业学生所考量的重要因素——一项定性研究

《Healthcare》:Personal Health Data in Healthcare: Important Factors Considered by Health Students—A Qualitative Study

【字体: 大 中 小 】 时间:2026年06月17日 来源:Healthcare 2.7

编辑推荐:

  背景/目的:数字技术与数据驱动方法正在迅速改变医疗保健实践,并推动更加个体化与预防导向的照护。随着个人健康数据日益嵌入医疗保健系统,理解未来卫生专业人员如何诠释这些发展,对于塑造具有回应性的卫生专业教育至关重要。本研究旨在识别卫生相关专业项目学生对于医疗保健中

  
背景/目的:数字技术与数据驱动方法正在迅速改变医疗保健实践,并推动更加个体化与预防导向的照护。随着个人健康数据日益嵌入医疗保健系统,理解未来卫生专业人员如何诠释这些发展,对于塑造具有回应性的卫生专业教育至关重要。本研究旨在识别卫生相关专业项目学生对于医疗保健中个人健康数据日益增加之使用所认为重要的因素。方法:研究人员于2024年3月至2025年7月,在澳大利亚、加拿大和荷兰的5所高等教育机构开展了一项探索性定性焦点小组研究。研究共组织7个焦点小组,纳入40名卫生相关专业学生,专业包括护理、公共卫生、作业治疗和社会工作。参与者围绕医疗保健中个人健康数据的使用展开讨论,并对为激发其就数据驱动型医疗保健可能发展进行讨论而设计的虚构未来短情境进行反思。研究数据采用反思性主题分析(reflexive thematic analysis),并使用ATLAS.ti进行分析。结果:研究识别出3个总括性领域:(1)个体化与预防;(2)数据质量与伦理考量;(3)组织层面的影响与条件。学生将个人健康数据描述为促进个体化、预防以及知情决策的有力工具。与此同时,学生也提出了对数据可靠性、对自动化系统的过度依赖、患者焦虑、照护去人性化、隐私风险,以及与数据系统中的可及性和代表性相关的新兴不平等问题的担忧。总体而言,学生既非单纯的技术乐观主义者,也非技术恐惧者,而是阐述了围绕数据驱动照护的细致伦理、文化与专业张力。结论:为了使未来卫生专业人员为数据驱动型医疗保健做好准备,需要在卫生专业教育中整合批判性数据素养、伦理反思、跨学科协作,以及对数据驱动技术之社会与专业影响进行批判性参与的机会,同时还需确保组织条件能够支持个人健康数据的负责任使用。
本文发表于《Healthcare》,聚焦“个人健康数据”在医疗保健实践中不断扩张的现实背景下,未来卫生专业人员如何理解、接受并评估这类数据的价值与风险。研究背景在于,数字健康技术、患者门户、可穿戴设备与连续监测系统正持续推动医疗体系从传统治疗导向向个体化、预防性和人群健康导向转型。个人健康数据不仅包括医学信息,还涉及生活方式监测信息以及临床、社区和家庭场景中的社会与情境性数据。这些数据正在成为支持精准干预、风险预测、康复追踪和公共卫生决策的重要基础。然而,数据驱动型医疗保健的推进并非单纯技术扩散过程,它同时改变专业角色、工作流程、责任分配与医患关系,也带来隐私保护、知情同意、算法偏倚、照护去人性化以及健康不平等再生产等问题。

正因如此,开展这项研究具有明确必要性。现有文献虽然讨论过卫生专业学生对技术、数字化工具或人工智能(AI)的态度,但对“个人健康数据”这一更基础、也更广泛支撑新兴医疗技术的对象本身,相关研究仍较有限。研究人员据此指出,卫生相关专业学生是未来医疗队伍的重要组成部分,他们今天对数据的理解、期待与顾虑,将深刻影响未来数据驱动照护模式在临床、公共卫生与社会照护中的实际落地方式。尤其值得注意的是,年轻一代虽然在日常生活中熟悉数字技术,但这种熟悉并不自动转化为对医疗场景中数据使用的认同。医疗情境中涉及身体、隐私、脆弱性与制度权力,因此必须单独考察其专业认知与伦理判断。研究人员因此以“卫生相关专业学生认为什么因素对个人健康数据日益用于医疗保健最为重要”为核心问题,试图为卫生专业教育改革与未来医疗组织准备提供证据基础。

在研究设计方面,研究人员采用开放式、探索性的定性焦点小组研究,于2024年3月至2025年7月在澳大利亚、加拿大和荷兰5所高等教育机构中实施。样本为40名年满18岁的本科或研究生层次卫生相关专业学生,来自护理、公共卫生、作业治疗、社会工作等项目,采用目的性抽样(purposive sampling)以获取多样化视角。数据收集由受过定性研究训练的研究生研究者主持,通过7个焦点小组完成,并结合结构化讨论提纲与两个“思辨性虚构影片”情境促进深入反思。数据分析采用归纳性反思性主题分析(reflexive thematic analysis),由两名编码者借助ATLAS.ti完成逐字稿编码、主题归纳与跨学科团队讨论。样本来源明确覆盖澳大利亚、加拿大与荷兰5所高校。

研究结果部分围绕3个总括性领域展开,清晰展现了学生对个人健康数据的价值判断与风险意识并存的复杂立场。

3.2.1. Domain 1: Personalization and Prevention
这一领域包含“数据作为有价值的信息来源”“改善照护个体化”“增强预防性照护”3个主题,集中体现了学生对数据积极面的认识。首先,在Data as Valuable Source of Information这一主题下,学生认为个人健康数据能够提供较为持续、可回溯且更具证据支撑的信息,有助于医疗专业人员作出更一致、更有依据的判断。尤其在无法持续面对面观察患者的场景中,连续监测可作为早期信号来源,帮助识别病情变化并及时干预。但学生同时强调,数据不能脱离临床评估与具体情境而被孤立解释,这一认识也为后文关于数据可靠性的担忧埋下伏笔。

在Improved Personalization of Care这一主题中,学生指出,可穿戴设备与监测工具可揭示个体生活方式、健康模式与变化趋势,从而帮助专业人员据此调整干预方案,实现更符合个体需求的照护。长期纵向数据还能增强患者参与,使其更容易识别个人风险和行为模式,进而主动调整健康管理方式。与此同时,学生也注意到,汇总性数据在个体层面之外,还可能支持预测模型构建、公共卫生策略制定以及减少住院的干预设计。

在Enhancing Preventive Care这一主题中,学生进一步把个人健康数据视为推动预防性照护的重要工具。持续监测与模式识别有助于在明显恶化发生之前捕捉细微下行趋势,从而尽早开展预防性康复或其他干预。应用程序与可穿戴设备还能通过进度追踪促进自我管理与健康行为改变。不过,学生并非无条件认同这种功能,他们指出过于频繁的提醒或过于规定性的反馈可能带来被控制感,意味着技术在鼓励健康行为与侵蚀自主性之间存在张力。

3.2.2. Domain 2: Data Quality and Ethical Considerations
这一领域包含“较差的数据质量”“由数据洞见引发的患者焦虑”“伦理考量”3个主题,构成研究中最关键的批判性维度。首先,在Inferior Data Quality这一主题中,学生明确质疑个人健康数据的准确性、稳定性与代表性。他们提到传感器误差、测量不一致、对微小变化的过度解释等问题,认为这些数据更适合作为辅助信息,而不应成为临床决策的唯一基础。除技术层面外,学生还关注样本代表性不足的问题:如果数据主要来自会使用或能够获得应用程序、可穿戴设备的人群,就会使数据集偏向特定群体,忽视无法接入相关技术的脆弱人群,进而在知识生产与照护实践中复制既有不平等。此外,旧记录或既有标签还可能导致对个体健康状况的僵化判断,忽视人的变化性、多样生活方式以及不符合标准化模式的经验。

在Patient Anxiety Caused by Data Insights这一主题中,学生指出,持续健康监测并不必然带来安全感,反而可能诱发焦虑、恐惧、疑病倾向(hypochondria)与认知负荷。对于缺乏足够解释能力的个体而言,额外数据可能不是赋能,而是负担。学生尤其担心,人们会因心率等微小异常而恐慌,并借助网络搜索进行自我诊断,最终把注意力集中在错误的健康问题上。由此可见,“更多数据”并不自动等于“更好照护”,信息过载反而可能降低患者对技术和照护体系的信任。

在Ethical Considerations这一主题中,学生提出了一系列深刻的伦理与社会关切。最突出的担忧是照护去人性化,即对数据驱动洞见的依赖可能把人简化为可量化指标,削弱人与人之间的互动与理解。学生强调,个人健康数据必须与生活经验、临床判断和情境信息共同解释,而不是替代这些维度。与此同时,隐私、数据治理与所有权问题高度突出。学生反复追问谁拥有数据、谁可访问数据、数据如何被安全管理,以及个体是否真正能够控制、删除自己的健康信息。更进一步,学生还担忧商业机构或政府主体可能出于盈利、行为塑造或定向影响等目的不当使用数据。研究还揭示了一个更深层问题:数据系统及其算法可能内嵌主导性文化视角,对“正常”与“健康”作出隐性定义,从而压制文化多样性并忽视替代性健康观。

3.2.3. Domain 3. Organizational Implications and Conditions
这一领域包含“角色演变”“协作与责任转移”“教育与培训”“患者参与”4个主题,表明个人健康数据的使用不仅是技术问题,更是组织和制度问题。在Evolving Roles主题中,学生预期未来卫生专业角色将部分转向“解释者”和“教练者”,帮助患者理解并使用其自身数据,而不是单纯直接提供照护。这一变化可能提升患者赋权,但也引发信任、责任边界与专业自主性问题。多数学生并不认为卫生专业人员需要自己处理原始复杂数据,而是认为临床信息学家(clinical informaticians)或数据科学家(data scientists)等专业人员将在数据转换与分析中发挥更大作用。即便如此,学生仍坚持临床决策应由人承担,数据系统应提供趋势与支持,而不应自行作出照护决定。

在Collaboration and Shifting Responsibilities主题中,学生认为个人健康数据的有效利用依赖团队内部与跨学科之间的协调合作。如果团队成员对数据记录、理解和使用不一致,系统整体价值就会下降。因此,共同协议、清晰流程、持续沟通和组织文化支持被视为成功实施的关键。学生还指出,碎片化和不一致的数据录入会直接削弱数据质量与临床可用性,而统一且有意义的数字记录则可能促进多学科协作。

在Education and Training主题中,学生普遍强调需要在课程中系统纳入数据素养(data literacy)教育,包括数据解释技能、隐私与偏倚反思、负责任使用数据的意识,以及跨学科协作能力。不同学生在现有教育中接触这些内容的程度差异很大,提示当前卫生专业教育在相关训练上尚不均衡。同时,学生还特别提醒,应防止对自动化输出形成过度依赖,以免侵蚀专业技能与批判性思维。若系统不断“给出答案”,专业人员可能逐渐停止质疑其输出,形成技能侵蚀(skill erosion)风险。

在Patient Involvement主题中,学生强调患者必须被积极纳入其个人健康数据的理解与使用过程中,但这建立在患者具备足够数字素养与健康素养的前提上。许多个体,尤其是老年人及数字能力较弱者,可能并不具备正确解读数据的能力。因此,数据系统需要具备可及性、包容性和清晰解释支持。与此同时,知情同意不能沦为形式化“勾选框”程序,患者应保有对自身数据用途的真实控制权,儿童、老年人和社会弱势群体尤其需要额外保护,以避免误读、误导或被利用。

讨论部分进一步整合了这些发现。研究人员指出,学生既看到个人健康数据在个体化照护与预防中的潜力,也清醒意识到数据质量、代表性不足、过度自动化、心理负担和去人性化等问题。这表明未来卫生专业人员并未简单滑向技术乐观主义或技术恐惧,而是表现出带有伦理敏感性、文化意识和专业边界感的复杂理解。论文特别强调,学生关于“何为正常、何为健康”的追问揭示了数据基础设施背后的规范性力量,也提示如果设计和治理不透明,数据驱动系统可能强化主流健康标准并排斥代表性不足群体。围绕不平等问题,研究人员指出,某些群体既可能因无法接触技术而无法获益,也可能因未被数据系统充分代表而在未来算法模型中持续被忽视。

研究的重要意义在于,它把卫生专业学生的视角置于数据驱动型医疗保健转型的核心位置,说明教育改革不能仅停留于技术操作层面,而必须同时涵盖批判性数据素养、伦理反思、跨学科合作和对社会后果的敏感性。对医疗机构而言,数据系统实施也不能仅被视为技术部署,而应被视为关于责任、信任、解释权与专业判断如何重新分配的持续组织性对话。

结论部分可译述为:本研究探讨了卫生相关专业学生认为在患者照护中日益增加使用个人健康数据时哪些因素最为重要。研究发现,未来卫生专业人员认识到个人健康数据在支持更加个体化和预防性照护方面的潜力,同时也表达了对数据质量、伦理影响以及数字技术可及性不平等的担忧。学生并未采取单纯技术乐观或技术恐惧的立场,而是阐明了数据驱动型医疗保健所带来的机遇与维护专业判断、人际互动及在更广泛临床与社会情境中解释数据之能力之间的细致张力。这些发现提示,为未来卫生专业人员做好数据驱动型医疗保健准备,不能仅依赖技术培训。面向未来的卫生专业教育应整合批判性数据素养、伦理反思、跨学科协作,以及使学生能够批判性参与数据驱动技术社会与专业影响讨论的机会。同时,医疗机构与政策制定者应认识到,数据驱动技术融入医疗实践不仅依赖技术创新,还需要围绕数据在医疗中的角色展开持续对话。通过主动应对这些挑战,卫生专业教育与医疗系统或可更好地帮助未来专业人员适应日益数据化的照护环境,并确保照护始终保持公平、可及并以患者为中心。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号