Agile Nudge大学创新论坛（ANUIF）：基于敏捷科学（Agile Science）的医疗健康协同问题解决平台实证研究

本推荐评述聚焦于印第安纳大学Agile Nudge创新论坛（ANUIF）这一在线群体问题解决平台。研究通过混合方法分析论坛数据，展示其如何整合多元利益相关者（包括医护人员、患者及管理者），应用敏捷科学（Agile Science）与助推理论（Nudge）协同生成创新解决方案。论坛不仅显著提升参与度与满意度（平均NPS=51.56），还产出大量新颖且具现实适用性的医疗策略，为构建可持续的虚拟创新社区（Virtual Innovation Communities）提供实践范例与数据支持。

　　

1 引言

在线社区平台如PatientsLikeMe和Mayo Clinic Connect已突破地理限制，促进经验与知识共享。这些平台汇聚多元视角以应对各行业挑战，尤其在医疗健康领域，虚拟社区通过连接患者、提供者及研究者，支持教育、模拟、知识共享并推动研究与创新。然而，尽管在线健康社区不断发展，关于如何建立并维持其长期、以解决方案为导向的参与模式的实证研究仍较为缺乏。

Agile Nudge大学创新论坛（ANUIF）是印第安纳大学Agile Nudge University（ANU）项目于2021年推出的在线群体问题解决平台，由美国国家老龄研究所（NIA/NIH）资助。该论坛作为一个私有社区平台，旨在召集医师、护士、社会工作者、患者、医疗管理者及其他关键利益相关者，共同应对复杂的医疗健康挑战。与传统讨论型论坛不同，ANUIF应用敏捷创新（Agile Innovation）原则，强调快速实验与迭代问题解决，推动可行动、证据支持的行为策略快速转化至实践。

论坛概念化为一个虚拟创新社区（Virtual Innovation Community），致力于生成用于医疗改进的行为助推（Nudge）。基于虚拟社区理论，此类社区利用数字化媒介网络加速知识共享与协同问题解决。医护人员与患者在论坛中常基于实践经验形成实用见解，并可被塑造成有效助推。通过开放创新（Open Innovation）原则的应用，ANUIF促进跨边界想法的生成与完善，使其成为共同创造解决方案的数字化实验室。其迭代的构思与反馈循环根植于敏捷科学模型（Agile Science Model），强调快速实验、适应性学习及持续改进。通过这种整合，论坛作为一个数字化支持的创新生态系统，能够将分散的经验知识转化为可扩展、证据支持的战略，加速特定情境下助推策略的设计与扩散。

“助推”由Thaler和Sunstein提出，指通过对选择架构进行微小调整以影响行为。在医疗领域，助推已被证明可改善决策制定与合规性。ANUIF通过敏捷创新框架应用这些概念，促进快速迭代与实操落地。在医疗场景中，助推有助于基于科学证据快速创新并实施新的护理标准。敏捷科学原则作为开发助推的基础，融合迭代与增量方法、反馈循环及持续改进。因此，助推是一种灵活、快速演进的方法，用于在动态现实环境中发现与应用知识。借助敏捷科学的见解，ANUIF要求严格遵循最小化指定流程，以确保最大程度的参与者参与，并为参与者产生最小可行解决方案（Minimally Viable Solutions）。

尽管医疗系统与研究组织投入大量资源以改进医疗，但建立能够持续培育可扩展、可实施创新的社区仍具挑战。ANUIF致力于解决虚拟社区创建过程中的两个常见问题：首先，通过招募来自广泛职位与技能的人员，论坛在保持群体凝聚力的同时，通过聚焦敏捷科学与助推维持多元视角；其次，通过提供免费在线材料且不严格遵循特定回应结构，ANUIF确保所有参与者间的透明度。

对医疗虚拟实践社区的研究综述表明，关于维持这些社区的方法与过程的报告较为匮乏。本文首次对ANUIF进行实证分析，评估了26个月期间的参与者招募、参与度、满意度及解决方案生成，为构建可持续、可扩展的医疗虚拟创新生态系统提供实践见解。

2 材料与方法

2.1 研究设计与参与者

这项观察性、并行混合方法研究对IF参与者生成的23个匿名解决方案进行了定性评估，并对ANUIF生成的解决方案、参与者数量及其满意度水平进行了定量分析。论坛参与者包括参与阿尔茨海默病及相关痴呆症（ADRD）的ANU学生与教师，以及其他研究人员、医师、护士、社会工作者、医疗助理、认证护士助理、管理者、患者、其家庭成员、倡导者及社区健康工作者。参与IF属自愿行为；所有参与者均被告知IF的目的、文件记录及生成解决方案的分发，所有操作均在完全匿名下进行。

2.2 创新论坛流程

ANUIF会议为时长90分钟的月度会议，具有一致格式，由论坛及行政协调员组织。每次论坛中，不同的展示者（Presenter）向参与听众宣布一个“挑战”主题。大多数IF展示者持有健康创新与实施科学研究生证书（Graduate Certificate in Health Innovation and Implementation Science）或为Agile Nudge University毕业生，因此他们具有操作化助推的正式教育背景。听众有45分钟时间为提出的挑战生成原创解决方案（假设无资源约束）；解决方案跟踪器（Tracker）记录生成的解决方案，讨论协调员（Facilitator）执行互动基本规则以促进积极环境。解决方案跟踪器为每次IF以模板化形式转录、记录并归档生成的解决方案。管理团队、其角色及IF流程概括于表1。行政协调员确保挑战展示者的可用性及至少10名IF参与者的注册。每次论坛前4周，通过电子邮件联系潜在参与者，展示者在社交媒体平台发布挑战问题。活动前7–10天，向邮件回复者发送提醒；部分回复者注册并成为ANUIF的出席者。每次ANUIF后，行政协调员调查参与者满意度。参与者以0到10分评分他们向其他医疗专业人士推荐IF的可能性，并计算范围从?100到100的净推荐值（Net Promoter Score, NPS）。

数据来自三个参与者队列（Cohort 1：2022年10月28日–2023年4月27日；Cohort 2：2023年5月22日–2024年4月11日；Cohort 3：2024年5月30日–2024年12月30日），收集自2022年10月至2024年12月。收集的数据包括每次论坛的参与者数量及NPS分数，存储于Excel电子表格中。2024年4月，创建了交互式仪表板以跟踪并显示目标联系的参与者数量、回复者、注册者及出席者。ANUIF交互式仪表板以控制图为特色，使用交通信号灯指示流程各阶段目标参与者数量的偏差。绿色与红色箭头表示最近四次ANUIF出席者平均值高于或低于总体平均值两个标准差（SD），黄色右指箭头表示平均值在总体平均值2个SD范围内。累积漏斗图描绘招募不同阶段的损耗水平，选项卡将仪表板连接至计数与比率的控制图。控制图根据Nelson规则进行颜色编码以检测非随机性。2024年4月，NPS分数被整合至ANUIF仪表板控制图中。

2.3 参与者与论坛构成

每次论坛包括具有五种专业知识的参与者：(1) 刚完成为期3天助推训练营并接受持续指导的ANU队列成员；(2) 具有助推先前培训的个人，如CHIIS研究生证书毕业生及前ANU成员；(3) 助推专家，包括ANU教师及医疗系统内经验丰富的实施者；(4) 来自考虑干预的医疗系统的情境专家；(5) 领域主题专家，如挑战聚焦老年人护理时的老年病学家。这种视角混合确保解决方案既基于行为科学又具备领域特定知识。

2.4 论坛结构

每次论坛由协调员领导，确保对话保持以解决方案为中心而非批评过往尝试。挑战展示与澄清问题设有严格时间限制，以避免占用会话并留出足够时间用于解决方案创建。尽管协调员偶尔使用助推框架生成想法，但大多数情况下参与者无需正式支持进行协作头脑风暴。这种灵活性鼓励广泛多样的贡献并帮助参与者舒适地分享创意解决方案。

2.5 创新论坛数据收集与变量

分析的变量包括联系人数、回复者数、注册个体数、论坛出席者数及其NPS分数。数据从2022年10月至2024年4月从Excel电子表格提取；2024年4月至12月论坛数据从交互式仪表板提取。

2.6 数据分析

2.6.1 定性数据分析

ANUIF解决方案以模板化形式生成并记录，被访问并去标识化。每次IF的文件由一位具有定性数据分析专业知识的研究员合并分析，结合手动编码与NVivo软件，应用主题分析以系统探索数据。遵循Braun与Clarke的反身主题分析方法，使用归纳与演绎编码策略组合。由于单一位研究员进行编码，无法建立评分者间信度。然而，通过向研究团队其他成员共享代码簿，对组相关代码及代码间连接进行交叉验证，并启动开发初步类别的迭代过程。过程包括六个步骤：(1) 熟悉数据；(2) 生成初始代码（混合从数据涌现的归纳代码及由研究目标与先前文献 informed 的演绎代码）；(3) 分组相关代码以识别主题；(4) 审查并精炼主题；(5) 定义并命名主题；(6) 生成详细报告。此外，在审查所有21次IF后认为达到主题饱和，因分析最终阶段无新主题出现。为加强严谨性，全过程应用反身方法。编码员维护审计轨迹记录编码决策、代码定义及主题演变以确保透明度。与两位高级研究员进行同行汇报会，他们就编码框架与主题精炼提供反馈，从而减少个体偏见影响。通过多次重访早期转录本验证编码一致性以确认主题稳定性。此外，为每个主题提取 exemplary 引述以保留参与者声音并使研究发现扎根于原始数据。这些方法学保障共同增强了定性结果的可信度、可转移性及可靠性。

2.6.2 定量数据分析

为每个变量计算描述性统计，包括累积计数、范围、均值及标准差。变量计数趋势以图形表示。使用t检验统计比较行政管理变更与交互仪表板实施前后变量计数（联系人数、回复者数、注册者数及出席者数）以及三个出席者队列的NPS。使用Spearman相关系数计算联系组、回复组、注册组及出席组间的相关系数。使用0.05的alpha水平确定显著性。使用Excel ToolPack进行统计分析。每次IF中，跟踪并记录解决方案（Solutions）、子解决方案（Sub-solutions，解决问题特定部分）及详细解决方案（Detailed Solutions，包括所有必要步骤与推理的全面解释）。解决方案分类为“新颖”（ANUIF独有）或“现有解决方案”（先前其他论坛生成并适应所提出挑战）。计算每个解决方案类别的总数、平均值及标准差。

3 结果

3.1 定性分析

对21次IF进行定性分析；IF 22与23数据不可用。21次IF中所有论坛部分均完成；因此，由于IFs 22与23不可用，我们将其排除在数据分析过程外。从分析的21次IF中涌现出生成解决方案的五个主要主题：

• ?

  适应性创新（Adaptive innovation）：聚焦灵活性及从变化中学习。

• ?

  协同问题解决（Collaborative Problem-Solving）：强调团队合作与知识共享以创建解决方案。

• ?

  数据驱动改进（Data-driven improvement）：突出使用反馈与证据进行持续进步。

• ?

  实用且相关解决方案（Practical and Relevant Solutions）：确保解决方案简单、以用户为中心且适用于现实情境。

• ?

  可持续且可扩展影响（Sustainable and Scalable Impact）：聚焦创建持久、适应性解决方案。

以下是主导21次分析IF的已识别主题示例。

3.1.1 适应性创新

此主题强调适应性及对变化的接受性。参与者提出适应使用者需求并促进从持续遭遇中学习的解决方案。

• ?

  实施损失厌恶助推：声明维持Agile Nudge University（ANU）会员资格的最低要求；如未满足，成员将从部落中淘汰。

• ?

  对心率变异性（HRV）数据使用红绿灯式报告（红、黄、绿）以鼓励患者采用有效应对策略。

3.1.2 协同问题解决

此主题显示协作与信息交换的重要性。若干解决方案强调与同行、护理者及社区成员共同合作以共创有效策略。

• ?

  让患者伴侣参与护理过程，确保其护理网络中有人积极参与。

• ?

  利用来自社区的有意信使（Deliberate Messenger），以不同于健康提供者的方式接触人群，以增强招募策略。

• ?

  向跨机构的较老队列介绍新ANU成员，当面对面会议不可能时利用数字化社交。

3.1.3 数据驱动改进

此主题突出使用反馈与证明的关键性。参与者常提供跟踪进展并使用数据持续改进解决方案的想法。

• ?

  跟踪ANU申请者数量并计算完成百分比；如低于25%，终止申请。

• ?

  向患者提供HRV分数及相关事件随时间变化的仪表板，以识别压力源并评估应对策略。

3.1.4 实用且相关解决方案

此主题强调简单、实用、以用户为中心概念的重要性。创建的解决方案直接可用于日常实践并易于目标消费者访问。

• ?

  建立家庭远程医疗访问以弥合不信任与有限访问。

• ?

  通过RSVP调查询问拒绝创新论坛的受邀者提供不参加理由。

• ?

  分发敏捷信息图并在组织内使用精确词汇，使价值观成为日常实践的一部分。

3.1.5 可持续且可扩展影响

此主题聚焦开发可持续且超越特定情境的解决方案。参与者专注于制定灵活且面向更广受众的策略。

• ?

  使用异步创新论坛（Asynchronous Innovation Forums）超过一天或一周以促进更大出席并解决时间约束。

• ?

  将创新论坛的超级粉丝（Superfans）扩展为训练有素的协调员，并根据需要进行持续监控与再培训。

3.2 定量分析

(i) 表3呈现了联系人数、回复者数、注册及出席参与者数。8.69%的参与者数据缺失。联系回复者、注册个体及出席者的摘要统计（包括范围、均值及标准差）呈现于表4。在联系个体中，7.9–38%回复；13–100%的回复者注册活动，61–100%的注册参与者及偶尔更多个体出席论坛。在五次ANUIF中，出席者数量低于10。图3中，折线图展示了研究期间联系、回复及注册IF参与者数量的趋势。IF参与者数量出现两次显著峰值，一次在2023年11月，另一次在2024年5月至6月期间，参与者数量范围27至30。引入行政管理变更与交互仪表板前后联系者、回复者、注册者及出席者数量比较结果摘要于表5。连续联系、回复、注册及出席者数量间的相关性摘要于表6。会后IF调查数据可用于23次事件中的21次，调查回复率范围27至100%。图4呈现了IF出席者NPS分数的趋势。23次事件的平均NPS分数为51.56，SD=25.08。研究中涉及的三个队列间NPS分数差异的摘要统计及统计检验结果分别呈现于表7、表8。按出席者队列的NPS箱线图展示于图5。

(ii) 分析包括将解决方案分类为四种 distinct 类型：主解决方案（Main Solutions），代表提出的核心策略；子解决方案（Sub-solutions），是支持或增强主解决方案的较小互补想法；详细解决方案（Detailed Solutions），涉及更全面、具体的策略；及总解决方案（Total Solutions），结合所有提议想法，包括主解决方案与子解决方案。21次创新论坛的主解决方案、子解决方案、详细解决方案、解决方案总数及现有与新颖解决方案的数量、平均值及标准差位于表9。每次论坛生成解决方案的平均数量为16（SD=5.1），平均10.71（SD=3.16）主解决方案及4.38（SD=3.71）子解决方案。老旧或现有解决方案的平均数量为6.19（SD=2.94），新颖解决方案的平均数量为4.52（SD=2.44）。

4 讨论

ANUIF环境重视创新、创造性思维及证据支持的问题解决，利用敏捷科学方法论。其成功取决于确保最低参与者数量的简化招募流程。尽管IF出席者平均数量为15，但数量曾上升至30。尽管整个研究中回复者与注册参与者数量有所变化，但后期论坛中出席者数量增加。尽管这些参与度量 varied，但鉴于ANUIF的现实世界、跨学科性质，这是可理解的。重要的是，数据指示了相关模式，如行政管理调整后的持续收益及跨论坛改进的解决方案创建。2022年及2023年初控制图显示的低出席促使2023年9月管理团队重组及其职责重新分配。2023年10月，联系及回复个体数量急剧增加，反映在注册个体及出席者数量的上升，可见于图6所有控制图。行政管理变更及ANUIF仪表板实施导致联系者、回复者、注册者及出席者数量统计显著增加，摘要于表5。连续联系、回复、注册及出席者计数间的相关性摘要于表6。对2024年3月低注册者及出席者原因的调查揭示两个关键因素。首先，忙碌的医疗专业人士无法同月参加两次ANUIF。其次，2024年3月底的演讲者对ANUIF学生及常规出席者未知。2024年5月，控制图显示NPS下降（图4）。管理团队确定调查回复率随连续ANU队列下降（图5）且NPS变化与出席者数量无关。队列间分数差异统计显著，且NPS下降原因被进一步调查。为确定NPS趋势原因，管理团队正在测试ANUIF生成解决方案的格式。

实施行政管理变更与交互仪表板改进了招募跟踪并简化了流程。通过提醒事件利益相关者组织流程不同阶段目标参与者数量的任何偏差，仪表板的交通信号灯与趋势箭头发出需主动干预的信号。将NPS整合至ANUIF仪表板允许流畅的分数分析与解释。尽管研究期间NPS平均为51，但分数呈下降趋势。尽管队列间NPS存在微小变化，但持续高平均分数指向普遍满意的参与者体验。多样性可能是协调、内容或参与者背景变化的结果，而非普遍不满。

ANUIF生成解决方案的主题证明可推广且适用于“现实世界”医疗挑战，强化了ANUIF的“内置咨询”功能。在所有分析的21次论坛中，参与者针对讨论问题生成不止一个解决方案且常若干子解决方案，展示了问题解决、构思及创新的理解。一旦生成，解决方案基于预定义标准缩小为候选解决方案。如前所述，收敛或单一解决方案选择基于科学证据并优先投资最有前景的想法。解决方案生成者以新颖方式组合或修改现有解决方案元素以应用并本地化至新问题，或交付IF先前未知的新颖解决方案。这些方法并不新颖，已在成功创新者行为中被识别。ANUIF参与者展示了在想法生成过程中批判的能力；他们的经验、旅程、需求及偏好独特且显著地贡献于寻找解决方案。

尽管组织IF事件可行且规划、邀请及协调可由单一个体完成，但跨医疗系统扩展生成解决方案呈现若干挑战。尽管论坛成功生成多样且常实用的解决方案，但这些想法跨医疗系统扩展呈现若干挑战。首先，许多解决方案具情境特异性，植根于当地机构文化、可用资源及参与者专业知识；因此限制其直接适用于其他医疗环境。此外，助推按设计为小型行为干预，但从构思到广泛采用需要强有力的机构支持、领导买入及适应现有工作流程。无专用实施途径与问责机制，有前景的想法风险保持“试点解决方案”，无法实现更广 health system 改变。

参与者时间限制限制了论坛出席及后续实施活动的参与。此外，尽管仪表板简化了招募与跟踪，但未完全解决更深层系统问题，如初始构思阶段后的持续协调。一个重要观察是并非所有论坛生成以助推为重点的解决方案；相反，若干论坛产生更广策略。此差距可能反映特定医疗挑战的复杂性，其中行为助推 alone 不足应对，或缺乏将提议行为改变与可测量结果联系起来的证据。这种科学严谨性，虽然适当，但有时限制快速、实用助推的生成，导致更传统的问题解决方法。

某些案例中缺乏助推导向也可能反映论坛参与者的多样性。尽管部分个体具有行为科学与敏捷创新的正式培训，但许多其他成员生成以操作或系统术语框架的解决方案。未来论坛可能受益于将助推特定提示或训练模块整合入解决方案生成过程，以确保行为策略与更广创新一同被持续考虑。综上所述，这些发现表明尽管ANUIF在培育协作、跨学科创新方面证明有效，其可扩展性依赖于更强的扩散基础设施、与证据支持助推设计更精确对齐及克服可稀释或阻止有前景解决方案超越论坛阶段的系统障碍的策略。

4.1 论坛结构与领域贡献

论坛结构本身贡献于成功与挑战。协调员与明确时间限制对于保持会话焦点与生产力至关重要。此外，通过引入来自多样学科的专家，平台变得更易被早期与中期职业阶段专业人士访问，这提高了生成解决方案的质量并扩展了他们的网络。但有时，缺乏结构化方法论（如设计思维）或正式助推框架导致解决方案超越行为助推。然而，通过弥合专业与专业知识水平间的差距，论坛对专业有益。为支持演讲者并鼓励跨学科协作，他们建立了强大且连接的专家网络，这作为更全面医疗创新的基石。

4.2 在线协作与可持续性

在线平台上的协作与创新可转变医疗行业。在线社区已被证明增强知识并改进实践。与其他繁荣在线社区类似，ANUIF聚焦开发证据支持助推以应对现实世界问题。它拥有明确结构与过程并培育社区感。维持它并管理其增长、活动与设计是必须适应其成员需求与社区目的的迭代过程。

5 局限性

本文有若干局限性。首先，尽管创新论坛的原始目的是设计、实施或协助扩散助推，但并非所有解决方案组为患者或临床医生生成助推策略。缺乏助推聚焦输出常源于提出问题的复杂性，其无法单独由行为调整解决，或参与者在无强证据基础时提议助推的谨慎。其次，由于ANUIF参与者在广阔地理区域实践，此项目缺乏 proposed 解决方案在现实世界实施与影响的反馈。第三，研究发现的可推广性有限。论坛主要吸引来自特定学术网络附属的医疗专业人士、研究人员及倡导者，这可能未完全代表医疗系统或患者社区的多样性。因此生成的解决方案可能反映参与者池的偏见且可能无法无缝转移至其他环境。第四，缺失数据为分析带来挑战。

某些案例中，参与者回复率不完整，调查数据未返回，且解决方案文件记录不一致。尽管在可能处进行了统计调整，但 gaps 可能影响定量结果与定性解释。最后，使用的结局度量（如净推荐值（NPS）与参与者满意度）捕获论坛体验的感知，而非解决方案在现实世界实践中的下游有效性。

6 结论

ANUIF是开放沟通、创建与知识共享的独特渠道。它促进利益相关者间的跨职能协作与想法交换，引领创新。ANUIF应对问题的多样性及生成解决方案的数量展示了论坛的灵活性与多功能性，以及参与者的知识财富与生成可持续、以用户为中心创新以解决现实世界问题的能力。

研究发现包括行政管理重组后的稳定参与率、通过仪表板可测量改进的招募跟踪、每次论坛多个解决方案的生成及五个一致定性主题的识别。这些结果确认ANUIF过程可可靠地吸引参与者并刺激多样解决方案的生成。

相反，某些结局仍属抱负。尽管论坛成功产生创新想法，但研究未评估这些解决方案是否被采用、维持或有效改善患者或系统水平结局。更广可扩展性、长期实施及可测量医疗影响是未来研究的目标而非确认成就。结构化跟进机制、与实施伙伴的协作及客观结局度量将必要以转变ANUIF解决方案的承诺为 demonstrated 现实世界影响。