数字技术在心脏病诊断中的实施障碍与促进因素：基于利益相关者视角的定性研究

推荐：为解决数字技术在心脏病诊断中实施效果不佳的问题，研究人员通过定性研究探讨了患者和临床医生对技术应用的障碍与促进因素。研究发现资源限制、技术可靠性和用户态度是关键影响因素，提出了针对性建议以提升技术接受度，为优化心血管诊疗路径提供重要依据。

　　

随着数字技术在医疗领域的快速渗透，心血管疾病诊断正迎来革命性变革。然而，技术应用的"最后一公里"问题日益凸显——尽管政策制定者热衷推广，但患者和临床医生的真实需求常被忽视，导致技术落地效果不佳。英国多机构合作团队在《JMIR Cardio》发表的研究，首次系统揭示了数字技术在心脏病诊断阶段面临的复杂挑战。

研究背景充满现实矛盾：一方面，心电图(ECG)等数字监测技术已证明能早期识别风险、提升诊断效率；另一方面，COVID-19大流行催生的远程医疗暴露出"数字鸿沟"——患者抱怨失去人文关怀，医生苦于数据过载。更关键的是，现有研究多聚焦确诊后的管理阶段，而诊断初期（症状出现到确诊）这个涉及更广泛人群（约39%成人曾出现疑似心脏病症状）的关键窗口却被忽视。当患者处于诊断不确定性的焦虑中时，数字技术能否真正提供支持？这项研究给出了答案。

研究团队采用现象学导向的定性分析方法，在英国招募32名参与者（23名心脏病患者和9名诊断医生）。患者参与半结构化焦点小组讨论，医生接受一对一访谈，通过NVivo软件进行主题编码。为增强结果可信度，研究者不仅与心血管患者咨询小组反复验证发现，还在英国心脏病学会会议通过二维码收集临床医生反馈。

资源相关障碍：临床医生最担忧工作负荷增加，典型如全科医生抱怨："10分钟问诊里，哪有时间教患者用APP？"（Clinician2）。NHS（英国国家医疗服务体系）的陈旧系统也被诟病为"落后20年"（LE17）。而患者更关注技术成本转嫁风险，质疑"大公司是否在靠我们的病历赚钱"（LE4）。

技术相关障碍：数据安全是共同痛点。医生强调"必须建立严格的安全阈值"（Clinician8），患者则害怕"系统报警却无人响应"（LE11）。值得注意的是，AI（人工智能）的可靠性遭医生强烈质疑："AI可能给出完全错误的心梗判断"（Clinician1），这与患者对网络稳定性的担忧形成呼应。

用户相关障碍：最具启示性的发现。患者群体呈现明显分裂——技术爱好者认为"自动化流程是天赐福音"（LE10），而抵触者直言"这是医院为省钱牺牲体验"（LE28）。更严峻的是，65岁以上患者普遍存在"多病共存"带来的技术使用障碍（LE17）。医生则苦恼于无法预测患者的技术接受度："有人会爱上健康APP，也有人坚决抵制"（Clinician2）。

促进因素方面，效率提升是最大共识。医生期待技术能替代24小时动态心电图等传统检查（Clinician2），患者则渴望"一键获取完整健康档案"（LE1）。个性化设计被反复强调，如患者建议"设备应显示与正常值的对比趋势图"（LE10），医生则认为"通用方案必然失败"（Clinician7）。值得注意的是，数据所有权引发有趣分歧——医生坚持"患者有权查看所有数据"（Clinician2），但患者反而更希望"医生先解读，再告诉我"（LE19）。

研究通过旭日图直观显示：用户相关因素（态度、体验等）占比最大（46%），远超技术（31%）和资源（23%）因素。这颠覆了传统认知——技术性能并非首要障碍，如何赢得"人心"才是关键。基于此，团队提出分级建议：技术层面需确保操作简易性（如兼容现有NHS系统）、数据可视化；系统层面应建立独立技术支持热线，解决"医生没空教"的困境；最重要的是采用"分阶段披露"策略——既保障患者知情权，又避免信息过载引发焦虑。

该研究的独特价值在于突破既往局限：首次同步采集诊断阶段的双视角数据，揭示出临床实践中"技术冷遇"的深层原因。特别是发现"诊断焦虑"这一特殊心理状态会显著放大用户对技术缺陷的敏感度，这对数字健康产品的适老化设计具有警示意义。正如讨论部分指出：当技术应用于诊断这种高不确定性场景时，单纯的"功能完善"远远不够，必须构建"技术-人文"双轨支持体系。这些发现不仅为心脏病诊断技术的优化指明方向，更为其他慢性病领域的数字医疗实施提供了普适性框架。