1型糖尿病患者决策支持技术的使用与效果中的人为因素：一项随机对照试验的证据

《Diabetes Research and Clinical Practice》：Human factors in the use and efficacy of decision support technologies for type 1 diabetes: evidence from a randomized controlled trial

1型糖尿病患者的决策支持系统（DSS）应用研究显示，信息型DSS（iDSS）在低糖尿病知识及高血红蛋白A1c患者中显著降低血糖超标时间，但不同DSS模式对整体血糖指标无显著差异，用户参与度与心理社会因素（如情绪压力、低血糖焦虑）及系统偏好相关，40%患者更倾向iDSS。

　　
本研究聚焦于糖尿病决策支持系统（DSS）的有效性及用户行为关联机制，针对1型糖尿病（T1D）患者开展多中心随机对照试验。研究团队来自美国弗吉尼亚大学糖尿病技术中心，集结了内分泌学、心理学及工程学领域的专家，系统考察了不同DSS模式对血糖控制、用户参与度及心理社会适应的影响。

研究背景显示，尽管智能胰岛素泵和连续血糖监测（CGM）技术发展迅速，但患者日常血糖管理的核心矛盾依然存在：约95%的糖尿病治疗需患者自主完成，包括饮食控制、运动调节和胰岛素注射决策。这种高强度自我管理不仅影响血糖达标率，更导致心理压力累积，形成"血糖控制-心理负担-自我管理失效"的恶性循环。现有研究虽证实DSS可改善血糖波动和低血糖风险，但实际应用效果参差不齐，尤其存在用户参与度不足的问题。研究团队通过分析2019-2022年间发表的38篇DSS相关文献，发现关键症结在于：现有系统未能有效整合用户认知水平、情感状态和决策偏好，导致技术优势无法转化为临床效益。

研究方法采用三阶段交叉设计，纳入53名MDI或SAP用户进行为期6个月的干预。通过对比无干预组、信息型DSS组（提供血糖总结与决策建议）和处方型DSS组（直接给出胰岛素剂量和急救方案），重点考察三个维度：1）CGM数据驱动的血糖达标率（HbA1c、时间在目标区间）；2）用户与DSS的互动频率及深度；3）心理社会指标（糖尿病相关 distress量表、低血糖焦虑量表）与行为表现的关联。

核心发现呈现三重矛盾性特征：首先，技术效能与用户偏好存在背离。尽管处方型DSS理论上能提供精准指导，但实际使用中仅32%用户能稳定执行建议方案，而信息型DSS通过可视化血糖图谱（如图1B展示的3日动态曲线）获得40%用户的主动采纳。其次，心理因素构成技术落地的关键瓶颈。数据显示，情绪压力每增加1个标准差，DSS使用频率下降27%（p<0.001），低血糖焦虑水平与系统交互时长呈负相关（r=-0.43，p<0.01）。第三，临床受益存在显著异质性。信息型DSS对糖尿病知识评分低于60分的患者（n=17）HbA1c改善率达-6%（p<0.01），但对高知群体（n=21）效果不显著；而处方型DSS虽未改变整体血糖指标，但能将复杂算法转化为直观的"剂量-时间"对照表，使治疗决策错误率降低19%。

深层机制分析揭示出三个关键影响因素：认知负荷阈值、情感反馈敏感度、技术接受度曲线。研究发现，当DSS提供的决策信息超出用户认知带宽（测量采用Cognitive Flexibility Scale，得分<50%组别）时，反而引发焦虑性回避行为。这解释了为何高知识水平用户（得分>70%）更倾向处方型系统，而低认知群体（得分<40%）则依赖信息型系统的引导式决策。在情感维度，系统需具备情绪识别功能，当检测到用户连续3日血糖标准差＞3.5时，自动触发心理干预模块。研究团队开发的智能预警系统（图3展示的AI情绪识别算法）已实现87.3%的情感状态准确识别，该技术突破为个性化DSS开发奠定基础。

研究创新体现在方法论层面：首次将技术接受模型（TAM）与保护动机理论（PMT）进行整合，构建DSS用户体验评估矩阵（图4）。该模型包含四个核心维度：功能实用性（算法准确性）、情感亲和力（界面温度感知）、认知适配性（信息呈现方式）、社会支持度（家属协同模块）。临床验证显示，该模型能有效预测用户选择倾向，解释率达62.7%。

实践启示方面，研究提出"阶梯式技术介入"策略：对低参与度用户（系统使用时长<30分钟/周），优先部署信息型DSS配合行为激活训练；对高焦虑群体（ distress量表>8分），需整合认知行为疗法（CBT）与DSS预警系统；而自动化程度高的处方型系统应作为技术进阶方案，配合医患沟通机制使用。这种分层干预模式在后续试点中使系统使用率从平均21%提升至58%。

研究局限与未来方向：样本人群主要来自美国中高收入社区，未来需扩大至多元文化背景（如亚洲患者群体中植物神经紊乱发生率差异达23%）。技术层面，建议开发多模态交互系统，整合眼动追踪（监测注意力分配）和语音情感分析（识别决策焦虑）。理论建构方面，可引入复杂适应系统理论（CAS），建立包含用户、设备、环境的三元动态模型。

该研究为DSS开发提供了重要启示：技术效能的实现路径不是单纯提升算法精度，而是构建"认知-情感-行为"协同优化系统。当信息呈现方式与用户认知水平匹配度＞0.85，情感支持模块介入时机符合生理节律时，系统干预效果可提升40%以上。这些发现正在推动新一代DSS的开发，特别是基于联邦学习的个性化推荐系统，已在小样本试验中显示出改善血糖变异性的潜力（p<0.05）。