《Nursing & Health Sciences》：Machine Learning in Causal Effect Estimation and Causal Evaluation of ML-Enabled Interventions in Nursing-Related Research: A Scoping Review
编辑推荐：
机器学习（machine learning, ML）可为护理实践提供信息，但预测无法确立干预或工作流程的效果。目的：描绘ML在因果效应估计以及ML赋能干预的因果评估中于护理与助产领域的应用。研究人员检索了8个电子来源，查找2015年1月至2026年6月发表的报
机器学习（machine learning, ML）可为护理实践提供信息，但预测无法确立干预或工作流程的效果。目的：描绘ML在因果效应估计以及ML赋能干预的因果评估中于护理与助产领域的应用。研究人员检索了8个电子来源，查找2015年1月至2026年6月发表的报告，并随后进行向后引文检索。纳入资格要求具备因果估计量（causal estimand）、相应的识别策略（identification strategy）、实质性的ML角色以及护理或助产相关性。两名研究人员独立筛选记录和全文。共纳入15项研究（17篇报告）。其中5项涉及急性恶化或脓毒症；其余研究涉及护理优先级排序、跌倒、出院后护理以及护士或助产士主导的服务。5项研究将ML用于因果效应估计，以考察纵向效应和溢出效应、治疗效应异质性以及靶向策略。10项研究评估了ML赋能干预或工作流程；报告显示对死亡率、护理升级、消息审阅时间和护理过程具有有利影响，而若干对照估计值显示无效应或不精确。现有证据仍然规模有限且方法学上不均衡。未来研究应使估计量、识别策略、分析方法和临床工作流程保持一致，并评估模型-工作流程结合体对护理过程和患者结局的影响。
1 引言
机器学习（machine learning, ML）在护理与助产相关研究中已广泛用于风险预测、患者监测、文档记录、临床决策支持、工作流程管理和教育。然而，预测与因果效应估计回答不同问题：预测模型估计的是在现有照护模式下个体发生结局的可能性，并不能确定如果临床医生使用该模型、改变工作流程、分配干预或选择某种照护策略将会发生什么。因果推断需要比较定义明确的替代干预或暴露场景下的结局。本综述将因果效应估计界定为需要明确干预或暴露问题、定义因果估计量（causal estimand）以及相应的识别策略（identification strategy）。ML在框架中可占据两个不同位置：一是直接用于因果效应估计（分类1），例如通过因果森林、元学习器（meta-learners）和反事实表征学习灵活估计结局或治疗效应异质性；二是作为被评估干预、工具、工作流程或靶向策略的功能组成部分（分类2），此时被评估的是模型-工作流程结合体的效应，而非孤立算法。
2 方法
2.1 综述设计、研究问题与人群-概念-情境框架
本范围综述遵循乔安娜·布里格斯研究所（Joanna Briggs Institute, JBI）方法学，并按范围综述系统评价和荟萃分析首选报告项目扩展（PRISMA-ScR）进行报告。主要研究问题为：哪些护理或助产相关实证研究将ML用于因果效应估计，或评估了ML赋能干预、工具、工作流程或靶向策略的因果效应；次要问题涉及这些研究的方法学和情境特征。问题与资格标准采用人群-概念-情境（Population–Concept–Context, PCC）框架构建。
2.2 资格标准
资格判定在研究层面进行。纳入研究必须明确因果估计量和相应识别策略，并具有实质性的ML角色。ML角色分为两类：分类1中ML构成主要因果效应估计程序的一部分；分类2中ML是干预或工作流程的功能组成部分，其输出指导或触发分配、优先级排序、升级、推荐或决策。仅用于预测、队列构建、预处理或辅助分析不满足条件。护理或助产相关性可通过四条非互斥路径满足：干预角色（护士或助产士领导或实施干预）、最终用户（ML输出交付给护士或助产士并由其采取行动）、数据与问题（以护理或助产数据为主要分析来源且因果问题直接涉及护理或助产）、教育（护理或助产教育中的ML应用）。报告类型限于2015年1月至2026年6月发表的英文全文实证文章、会议论文或学位论文。
2.3 信息来源与检索策略
检索了8个电子来源：PubMed、Scopus、Embase、CINAHL、Web of Science核心合集、IEEE Xplore、ACM数字图书馆以及ProQuest Dissertations & Theses Global。初始检索于2025年9月完成，最终扩展检索于2026年6月完成。检索策略结合了因果推断、ML、AI、预测模型、临床决策支持系统以及护理和助产相关术语。由于术语异质性，还进行了向后引文检索，筛检纳入研究报告的参考文献列表以及四个相关既往综述的参考文献。
2.4 检索管理与研究选择
电子检索记录导入Zotero去重；引文检索记录单独管理并与电子检索集核对。两名研究人员先在100条记录上试点资格定义和决策规则，随后独立筛选所有标题、摘要和潜在全文。分歧通过讨论和共识解决，未计算正式审稿人间一致性统计量。资格标准按报告类型、因果估计量与识别策略、ML角色、护理或助产相关性顺序依次应用。
2.5 数据图表化
使用标准化表格提取数据，先在小部分纳入报告中试点。一名研究人员提取，另一名核对所有项目，差异通过共识解决。提取内容涵盖研究特征、设置与人群、干预或暴露与比较条件、结局与时间范围、因果估计量与识别策略、设计、估计量、ML角色、相关性路径、主要发现和局限性。
2.6 关键评估
未进行正式偏倚风险或方法学质量评估，因为本综述旨在描绘证据而非判定效应确定性，符合JBI范围综述指南。
2.7 数据合成
证据在研究层面进行描述性综合，同伴报告合并。分类1按因果目标和估计量家族组织，分类2按识别设计组织，并叙述性综合因果规范、识别、ML角色和发现中的跨研究模式。未进行荟萃分析或推断性研究间比较。
3 结果
3.1 研究选择
电子检索识别4918条记录，向后引文检索识别1146条。筛选和全文评估后，15项独特研究符合资格，由17篇报告代表；其中15篇来自电子检索，2篇来自引文检索。
3.2 纳入研究的特征与分析分组
15项研究发表于2016至2026年，其中14项自2020年起。9项在美国进行，其余分布于加拿大、中国、埃塞俄比亚、德国、肯尼亚和韩国。设置包括医院急性照护、门诊或出院后或照护者支持服务、产科服务、HIV诊所、护理之家和护理教育。分类1的5项研究使用ML估计纵向和溢出效应、治疗效应异质性及靶向策略；分类2的10项研究使用随机或分配比较、回归不连续、中断或贝叶斯结构时间序列、差分差分以及对照前后设计评估已实施的ML系统。值得注意的是，没有研究同时包含两种角色。
3.3 分类1：ML在因果效应估计中的应用
Tran等和Miles等使用目标最大似然估计（targeted maximum likelihood estimation, TMLE）结合超级学习器（Super Learner）评估替代的低风险快速照护策略，发现即时可用且登记入组时的在照护生存率最高，而随机重新分配策略获益有限。Marafino等使用因果森林估计出院后过渡期项目的条件效应，发现预测的再入院风险与估计获益并不一致，基于获益的靶向可防止更多再入院。Langenberger等使用增强逆概率加权和诚实因果森林，发现平均效应较小，亚组对比提示异质性但全局检验证据有限。Moges等使用因果分类器、梯度提升、S-/T-/X-/R学习器和反事实表征学习估计助产士主导连续性照护对低出生体重的影响，平均效应估计值在不同方法间存在差异。Shepherd-Banigan等使用基于模型的递归划分和因果树识别照护者亚组，发现较低照护负担和较低基线抑郁症状的亚组表现出更有利的效果。
3.4 分类2：ML赋能干预、工具、工作流程或靶向策略的因果评估
4项研究使用个体或整群随机化。Shimabukuro等的患者级随机对照试验显示，ML脓毒症监测与电话警报相比现有规则检测器可缩短住院时间并降低住院死亡率。Liu等的探索性对照教育研究显示，基于大语言模型（large language model, LLM）的教学代理可提高护理模拟设计评分和部分自我效能域，但可用性无差异。Barwise等的阶梯楔形整群随机试验估计ML排序的口译员外展对接受现场口译服务的影响，调整后优势比为1.40但置信区间较宽，首次口译时间无差异。Scott等的阶梯楔形整群随机试验显示，可见的ML脓毒症休克临床决策支持对早期脓毒症治疗主要结局无实质性影响。
在阈值或时间序列设计中，Gallo等的尖锐回归不连续研究显示，接近恶化阈值时激活警报和护士-医生快速会诊使护理升级绝对降低10.4个百分点。Cho等的对照中断时间序列研究显示，贝叶斯网络跌倒风险评估工具与目标性护理计划相比，跌倒率在实施后立即下降，但无持续趋势效应或跌倒伤害减少。Boussina等的前后准实验使用贝叶斯结构时间序列预测无部署反事实，显示部署与死亡率降低、脓毒症集束化依从性提高和序贯器官衰竭评估（Sequential Organ Failure Assessment, SOFA）评分变化减小相关。
其余对照前后或差分差分研究中，Yang等的差分差分分析显示，基于BERT的高优先级消息分诊使护士首次读取时间在办公时间减少9分钟、非办公时间减少21分钟。Verma等使用倾向评分加权和同时期差分差分，调整后前后风险比为0.74，但受控差分差分风险比为0.79（95%置信区间0.50–1.24），包含无效应。Barrett等对218所护理之家进行差分差分分析，16/18项质量指标显示电子健康记录加AI设施的改善更大，其中满足平行趋势标准的11项中，主要跌倒减少9%，需要日常生活帮助的居民减少22%。
3.5 因果规范、ML角色与估计效应的跨研究模式
分类1研究通常明确命名正式因果估计量，包括平均、亚组、个体水平、直接、总体和替代分配效应。分类2研究更多定义与设计相关的实用目标，如分配效应、阈值附近效应、实施后变化或相对于比较组的变化。在识别策略上，随机化试验依赖分配过程，观察性研究依赖可交换性、阳性假设和干扰假设，阈值和时间序列设计依赖连续性、无操纵和可信反事实趋势。ML角色也一致区分：分类1中ML直接估计治疗效应或建立结局和治疗分配模型；分类2中ML产生预测、排序、警报、风险类别或教育响应，以指导优先排序、监测、升级、沟通、教育或照护计划。
4 讨论
4.1 主要发现
本综述识别了15项研究，构成一个小型、异质且地理集中的证据基础。发现仅适用于满足综述明确因果阈值的研究，不能外推至更广泛的护理ML文献。
4.2 ML的两个不同角色
分类1中，ML在因果估计量和识别策略被规定后为估计提供灵活性，但不能建立识别。分类2中，ML是干预或工作流程的功能组成部分，因果目标涉及实施的模型-工作流程结合体，可能反映模型、实施策略、专业响应和组织能力的综合效应。异质性研究显示预测风险不必与估计获益一致，数据自适应亚组发现需要充分样本支持和独立验证。
4.3 因果规范与识别
因果关系解释需要分离因果目标、识别策略和估计量。分类1报告更常命名正式效应，分类2报告更常规定设计相关目标。识别假设因设计而异：随机化依赖分配过程，回归不连续依赖连续性和无操纵，差分差分依赖可信的干预前趋势，时间序列依赖可辩护的反事实轨迹。总体而言，识别假设的报告不均衡。
4.4 ML赋能系统与护理或助产实践
分类2发现与既有人工智能（artificial intelligence, AI）评估指南一致，包括SPIRIT-AI、CONSORT-AI和DECIDE-AI，这些指南强调预期用途、用户、输出、人机交互、工作流程整合和实施情境。在10项分类2研究中，8项由护理专业人员将模型输出转化为下游行动。因此，评估应同时纳入护理过程结局和患者结局，并包括响应及时性、工作负荷、警报负担、覆盖、安全性和公平性等平衡结局。Barrett等是唯一仅通过数据与问题相关性纳入的研究，说明以护理数据为主要分析来源的显式因果分析仍然罕见。
4.5 与既往综述的关系
既往护理聚焦综述主要描绘ML应用领域、模型评估方法、方法学特征和临床实施进展。本综述的不同之处在于要求明确的因果估计量、相应识别策略、实质性ML角色和可操作的护理或助产相关性，并区分用于效应估计的ML与嵌入被评估干预中的ML，从而生成了规模更小但因果上更专门的证据图。
4.6 方法与报告启示
未来研究应首先陈述因果问题并定义干预或暴露、比较条件、结局、目标人群、时间范围和效应测量，再规定识别策略、假设、估计量和ML方法。设计选择应反映分配机制、可用数据和因果目标。纵向g方法可能适用于时变混杂，干扰感知方法适用于结局依赖其他单位暴露的情况。分类1报告应区分平均与异质性目标，说明ML功能、诊断和不确定性量化。分类2报告应描述从模型输入到专业响应和下游行动的路径，包括依从性、覆盖、实施保真度、错误案例和平衡结局。
4.7 优势与局限性
优势包括扩展的8源检索、向后引文检索、两名审稿人的独立试点和筛选、同伴报告的研究层面关联，以及显式的因果、ML和护理相关性操作标准。局限性包括未预先注册方案、仅英文全文资格、因果方法和ML系统索引不一致可能导致漏检，以及资格判定依赖于检索报告中的充分描述。未进行正式偏倚风险或质量评估，未计算审稿人间一致性统计量。语料小且异质，9/15项研究在美国进行，限制了定量合成和跨情境可推广性。
5 结论
合格证据显示，ML要么支持因果效应估计，要么构成被评估因果效应的ML赋能干预或工作流程的一部分。两种角色都需要显式估计量和可信识别，实施系统还需要清晰规定周边工作流程。与既定AI评估指南一致，未来研究应评估模型-工作流程结合体对患者结局和护理过程的影响，包括工作负荷、安全性、公平性和意外后果。
