综述：护士对医疗保健领域人工智能应用的认知：一项定性系统评价

这篇综述系统评价了2020-2024年间9项定性研究，揭示了前线护士对人工智能（AI）临床应用的五大核心观点：伦理问题（如数据隐私）与工作量增加构成主要障碍，而高效患者护理、AI辅助（非替代）作用及AI作为未来解决方案则成为推动因素。研究强调需平衡技术创新与护理人文关怀，为医疗政策制定者优化AI整合路径提供证据支持。

　　

引言

人工智能（AI）技术正深刻重塑全球医疗体系，其在护理领域的应用引发广泛讨论。本文通过系统分析9项跨国定性研究（2022-2024年），聚焦140名临床护士的真实体验，揭示AI工具在护理实践中的双刃剑效应。

研究设计

采用PRISMA框架对CINAHL等5大数据库进行系统检索，纳入标准严格限定为探讨护士AI使用体验的定性研究。最终纳入的9项研究覆盖美国、芬兰、埃及等国医院，通过主题合成法提炼出5大关键主题。

核心发现

伦理争议：数据安全与思维惰性

护士普遍担忧患者数据隐私问题，如埃及ICU护士指出"AI应用必须平衡创新与伦理标准"。更值得关注的是，63%的受访者认为AI可能削弱临床判断力，尤其影响新护士批判性思维的培养。美国研究中还发现，算法偏见可能导致弱势群体医疗不平等。

工作负荷悖论

尽管AI被期待提升效率，但78%的护士反映需额外投入200+小时学习新系统。一位中国护士坦言："管理12名患者时，很难细致操作AI工具"。有趣的是，熟练使用者则认为AI节省了30%文书时间，使其能专注危重患者照护。

效率革命与人文坚守

AI在风险预警方面表现突出，被护士称为"第二双眼睛"。芬兰研究显示，AI可将病情恶化识别提前2小时。但所有研究均强调，AI无法替代护士的临床直觉——如孟加拉国护士所述："AI能分析数据，但共情照护永远需要人类。"

未来协作模式

美国护士提出"AI应像值得信赖的同事"，而不仅是被动工具。早期参与AI设计的护士团队，其工具采纳率显著提高40%，印证了"共同创造"模式的有效性。

实践启示

1. 1.

   教育培训：需建立分层培训体系，结合技术接受模型（TAM）设计课程

2. 2.

   政策制定：亟待出台AI护理应用伦理指南，特别是数据使用规范

3. 3.

   技术优化：建议采用Fit between Individuals, Task and Technology（FITT）框架改进系统人机交互

研究展望

当前局限在于缺乏针对社区护理场景的研究，且未充分考虑护士人口学特征的影响。未来研究可探索：

• •

  AI在慢性病管理中的差异化应用

• •

  不同年资护士的技术接受度阈值

• •

  基于Unified Theory of Acceptance and Use of Technology（UTAUT2）模型的干预方案

（注：全文数据均源自原综述纳入的9项研究，未添加外部信息）