基于主流智能家居技术的ASSIST干预方案提升复杂躯体功能障碍患者功能独立性的可行性研究

针对复杂躯体功能障碍患者的环境控制需求，研究人员开发了基于主流智能家居技术(MSHT)的ASSIST干预方案。这项单组前后测可行性研究纳入17例电动轮椅使用者，通过结构化辅助技术(AT)服务流程实施干预，结果显示74.8%的任务实现从依赖到独立的转变，任务满意度评分从2.9提升至9.0（P<0.001），证实MSHT可显著提升功能独立性。

　　

随着物联网(IoT)和人工智能(AI)技术的飞速发展，主流智能家居技术(MSHT)如智能音箱、自动化设备等已深入日常生活。然而对于复杂躯体功能障碍患者而言，这些本可成为辅助技术(AT)的创新产品却面临"看得见摸不着"的困境——设备繁杂难选择、安装调试门槛高、数字鸿沟难跨越，导致74%的潜在使用者最终放弃使用。更严峻的是，传统环境控制单元(ECU)价格昂贵且功能单一，而平价易得的MSHT又缺乏针对残障群体的系统化服务方案，形成"技术普惠"与"特殊需求"之间的巨大断层。

美国匹兹堡大学的研究团队在《JMIR Rehabilitation and Assistive Technologies》发表的研究，首次提出名为ASSIST（Autonomy, Safety, and Social Integration via Smart Technologies）的标准化干预方案。该研究基于人类活动辅助技术模型(HAAT)，由职业治疗师(OT)主导，联合技术专家和承包商，通过2次评估确定技术方案、设备安装及最多8次培训的完整流程。研究纳入17例电动轮椅使用者（平均年龄47.9岁），采用ASSIST功能表现指数(AFPI)和目标达成量表(GAS)等工具评估效果。

关键技术方法包括：1）使用定制化智能家居演示站进行生态系统选择；2）采用AFP1评估46项日常任务表现；3）通过移动设备熟练度量表(MDPQ-16)评估数字素养；4）基于GAS制定个性化训练目标；5）整合IoT和AI驱动的智能设备如语音控制门锁、自动化窗帘等。

研究结果显示：

• 任务完成情况：共解决127项任务，平均每人花费3308美元。其中95项(74.8%)实现从需要协助到独立完成的转变，24项(18.9%)降低协助等级或减少努力程度。
• 训练效果：117个训练目标中97.4%达到预期，GAS评分从基线22.6提升至77.2（P<0.001）。
• 主观体验：任务表现自评从2.6分升至8.8分，满意度从2.9分升至9.0分（均P<0.001）。
• 技术应用：最常部署的是环境控制设备（50.4%），如智能门锁（8.7%）和灯光控制（7.9%）。

讨论部分指出三个突破性发现：首先，MSHT的成本效益显著，排除自动门开启器后人均仅需2234美元，远低于传统ECU；其次，混合生态系统选择策略（35%参与者选择双系统）能更好满足多样化需求；最重要的是，数字素养被确认为核心障碍——53%参与者存在技术挫败感，29%甚至闲置已购设备。研究同时揭示医疗补助家庭社区服务(HCBS)覆盖不足的问题，59%符合资格的参与者完全不知可报销MSHT费用。

该研究的创新价值在于构建了首个可复制的MSHT临床转化框架，其"评估-演示-定制-训练"四步法尤其适合上肢功能障碍群体。局限性包括未评估开源方案、样本量较小等。未来研究应重点关注：1）开发医保报销路径；2）建立跨品牌设备兼容标准；3）加强看护者培训模块。这些发现为智能家居技术纳入辅助技术服务体系提供了关键实证依据，推动"普惠科技"向"包容性设计"的范式转变。