综述：使用辅助技术和数字工作场所支持对残疾人职业发展影响的系统评价

《Disability and Rehabilitation: Assistive Technology》：Vocational outcomes following assistive technology and digital workplace supports for people with disabilities: a systematic review

　　摘要

背景
就业是健康的关键社会决定因素，然而残疾人在参与劳动力市场和保持工作方面仍面临持续的障碍。辅助技术（AT）和技术支持可能减少功能限制；然而，将这些干预措施与职业结果联系起来的经验证据仍然存在差异。

目的：本研究系统地回顾了辅助技术和技术支持对残疾人职业结果影响的定量证据。

方法
本研究在PROSPERO注册后进行了系统回顾（CRD420251270554）。从研究开始到2025年11月30日，检索了电子数据库（EBSCOhost、Web of Science Core Collection、Scopus和ScienceDirect）。符合条件的研究考察了职业结果，包括就业保持、竞争性就业获得、工作质量、工作功能、工作场所独立性/支持需求和任务表现。由于临床和方法上的巨大差异，没有进行元分析。相反，使用SWiM（无元分析的综合）效应方向编码并考虑风险偏倚进行结果综合。

结果
十项研究（2013-2025年）符合纳入标准（美国8项；荷兰1项；以色列1项），包括纵向面板/调查（3项）、行政队列（1项）、随机对照试验（2项）、横断面研究（3项）和单案例设计（1项）。总体而言，效应方向编码显示辅助技术在大多数结果领域中都具有优势。在就业保持方面的证据最为有力，辅助支持显著增加了残疾发生后继续就业的可能性（β = 0.124，p < .05）。接受AT服务的职业康复者中，竞争性就业结果也显著改善（OR = 2.09，p < .001）。工作质量的影响是积极的，但在不同残疾亚组中有所差异（OR ≈ 6.62–17.43）。尽管基于的研究数量有限，但工作功能（WSAS得分减少5.3分，p < .0001）、支持需求减少（p = .013）和任务表现提高（p < .001）的证据一致有利。

结论
辅助技术和技术支持显示出改善残疾人职业结果的潜力，特别是在就业保持方面。然而，证据基础仍然有限、多样化且依赖于具体情境。未来的研究应优先考虑使用客观就业结果，在不同的劳动力市场环境中进行现代、标准化的评估。

关键词：
辅助技术；工作场所适应；残疾；就业；就业保持；职业康复

引言
工作是健康、身份和社会参与的主要决定因素[引用1, 引用2]。然而，残疾人在劳动力市场准入、工作质量和长期就业稳定性方面仍然系统性地处于不利地位[引用3, 引用4]。持续的障碍（包括歧视、工作场所不可访问和有限的工作再设计）导致残疾人的就业率降低和经济脆弱性增加[引用5-8]。这些不平等不仅是一个公共卫生问题，也是基于权利的发展优先事项。根据《联合国残疾人权利公约》第27条，缔约国承认残疾人有权与其他人平等地工作，并有义务促进包容性和可访问的工作环境中的就业机会[引用9]。尽管有政策承诺，国际证据仍表明，残疾人和非残疾人之间的就业差距显著，说明许多劳动力系统中的工作场所包容性仍然不完整[引用3]。

辅助技术（AT）日益被视为通过减少工作功能障碍来实现公平劳动力市场参与的关键机制。世界卫生组织（WHO）将AT描述为通过产品及相关系统和服务，帮助人们过上富有生产力和独立的生活，并参与教育和劳动力市场[引用7]。全球对AT的需求巨大：WHO-UNICEF关于辅助技术的全球报告估计，超过25亿人需要一种或多种辅助产品，但近10亿人无法获得这些产品，尤其是在低收入和中等收入环境中需求最为迫切[引用10]。虽然AT的需求贯穿整个生命周期，但对于工作年龄人口而言，这一点尤为重要，因为他们面临经济独立、持续参与和减贫的核心问题[引用7, 引用10]。与职业相关的AT包括专用设备（例如移动辅助工具、适应性接口）和广泛可用的数字支持（例如通信应用程序和认知支持工具），这些可以促进不同残疾群体的任务表现和工作场所功能[引用10]。

AT获取与职业结果之间的关系最好通过国际功能、残疾和健康分类（ICF）来理解，该分类将残疾视为健康状况与环境因素相互作用的结果，包括环境促进因素和障碍[引用11]。在这个框架内，AT可以作为环境促进因素，通过改善人-环境适应性并使工作任务得以执行来减少活动限制和参与限制。重要的是，AT与合理适应的做法密切相关，即工作场所修改工作结构或环境以支持公平参与。在这项回顾中，AT被定义为用于减少工作参与功能障碍的辅助产品和技术支持，包括当技术本身作为实现机制时的基于设备的适应措施[引用7]。尽管适应措施可能产生组织价值，如保留率或生产力提升，但这些结果在这里被视为情境相关性而非主要综合目标[引用12]。

尽管对AT和就业包容性的兴趣日益增加，但定量证据基础在方法上仍然存在差异，难以综合。研究在设计（例如行政队列分析、纵向面板、试验和小型实验研究）、残疾人群体和干预类别方面差异很大。结果也多样，从宏观层面指标（就业状况、保持率、竞争性就业和收入）到微观层面指标（工作障碍、任务生产力和支持需求）都有涉及。这种变异性导致结论不一致，并限制了跨情境的普遍性。先前的证据综合报告了混合或低确定性的结果，并强调了研究质量和可比性的局限性，同时往往专注于狭窄的人群或特定类型的干预[引用5, 引用13, 引用14]。

至关重要的是，现在需要更新的综述不仅是因为证据的多样性，还因为技术本身的快速发展。2015年之前的回顾大多发生在移动和基于云的可访问工具以及现在作为“日常”辅助解决方案的消费者技术主流采用之前[引用10]。此外，新出现的证据表明，基于AI的工具可能进一步扩大残疾人在劳动力市场中的包容机会，同时也引入了新的风险和实施挑战[引用15]。这些发展强调了需要一个同时涵盖传统基于设备的适应措施和现代数字AT解决方案的当代综述，并评估这些技术是否能在不同的环境和人群中转化为改进的职业结果。

因此，本系统回顾的目的是综合有关残疾人使用AT干预和技术支持后的职业结果的定量证据。感兴趣的结果包括就业状况、就业保持、竞争性就业、收入相关指标、感知就业能力、工作障碍和任务层面的职业功能。考虑到预期的临床和方法学多样性，综合采用了透明的分组和符合PRISMA 2020指南的结构化叙述报告[引用16]以及适用于无元分析综合的SWiM报告框架[引用17]。

方法、协议注册和报告标准
本研究是对使用辅助技术（AT）设备/服务和技术支持对残疾人职业结果影响的实证证据进行的系统回顾。回顾协议在PROSPERO中进行了前瞻性注册（CRD420251270554）。报告遵循《系统回顾和荟萃分析的优选报告条目》（PRISMA 2020）声明。当不适合统计汇总时，使用无元分析（SWiM）指南进行结果综合和报告。

纳入标准
使用PICOS框架定义了纳入标准。

参与者
如果研究包括工作年龄的成年人、老年人或过渡年龄的青少年，并且他们患有可能影响职业参与的残疾或健康状况（例如身体、感官、神经、精神、发展或慢性疾病），则符合条件。如果参与者在基线时处于就业状态、失业状态或从学校过渡到工作，并且评估了职业结果，则包括这些研究。

干预/暴露
如果研究评估了以下内容，则符合条件：
- 用于支持工作参与的辅助技术设备/服务（例如工作场所辅助设备、改良的工作空间、用于工作的移动辅助设备、职业康复提供的AT服务）；
- 与职业参与相关的技术支持，包括直接支持工作任务或工作相关功能的数字工具（例如数字提示系统、基于技术的职业支持）。

鉴于文献中的概念重叠，明确报告工作相关功能结果的技术支持治疗项目被保留，但在综合时被视为相邻的证据流并谨慎解释。

比较组
符合条件的研究包括与无AT/无适应措施、常规实践/常规护理、替代支持、延迟启动对照组或单案例设计中的基线阶段的比较。

结果
如果研究在以下至少一个领域报告了一个或多个职业结果，则包括这些研究：
- 就业保持/继续就业（例如，在随访期间保持就业）
- 就业获得/竞争性就业（例如，在随访期间工作；竞争性就业结果）
- 工作质量和就业能力（客观的工作质量指标，如收入、工资/小时数和全职工作，和/或自我感知的就业能力）
- 工作功能/工作角色障碍（例如，经过验证的工作角色功能量表，如工作和社会适应量表[WSAS]）
- 工作场所独立性/支持需求（例如，辅导要求、任务独立性）
- 与职业技能相关的任务表现/生产力结果（例如，任务准确性）

结果领域是事先指定的，以支持跨异质性职业终点的透明综合。这些领域基于职业康复和残疾-就业文献，区分了（a）就业保持与获得，（b）作为客观工作特征的工作质量（例如收入、小时数、全职状态），以及（c）执行工作及相关社会角色的限制（即工作障碍而非身体障碍）。反映自我感知的就业能力或自我报告的能力的措施被视为代理指标，并以较低的信心度解释。

研究设计
符合条件的研究包括随机对照试验（RCT）、纵向队列/面板研究、回顾性行政队列、横断面分析研究和单案例实验设计。仅定性的研究、社论、评论和证据综合被排除。除非有足够的方法学和结果数据，否则会议摘要也被排除。

信息来源和搜索策略
开发了全面的搜索策略，以识别将AT与职业结果联系起来的研究。在EBSCOhost、Web of Science Core Collection、Scopus和ScienceDirect中进行了电子数据库搜索，最终搜索截至2025年11月30日。搜索词结合了与辅助技术和适应措施相关的控制词汇和关键词（例如辅助技术、辅助设备、适应性设备、工作场所适应措施、职业康复）以及职业结果（例如就业、就业保持、竞争性就业、工作参与、收入、工作功能）。所有数据库的完整搜索策略见补充附录S1。筛选了纳入的研究和相关回顾的参考列表，以确定其他符合条件的研究。如有必要，对关键研究进行了前向引用跟踪。

所有记录被导入参考管理软件进行去重，然后上传到系统回顾筛选平台（Covidence；2025年12月访问的基于网络的软件）[引用18]。两名审查员独立根据纳入标准筛选标题和摘要，然后对潜在符合条件的报告进行全文筛选。通过讨论和共识解决分歧，必要时由第三名审查员进行仲裁。在全文阶段排除的原因进行了记录。研究选择过程使用PRISMA流程图进行了总结（图1）。

图1. PRISMA流程图。
详细说明了研究选择过程。它从“识别”阶段开始，共找到359项研究，其中47项重复项被删除。在“筛选”阶段，审查了312项研究，因指示错误（107项）、干预（64项）、人群（42项）、结果（83项）和数据不足（2项）等原因排除了283项研究。“检索”部分列出了14项研究，其中4项未检索到并被归类为撤回。过程以“纳入”阶段结束，有10项研究被认为符合条件，通过箭头连接以说明各阶段之间的流程。

数据提取
在完全提取之前，开发并试用了标准化的数据提取表单，并进行了修改。两名审查员独立提取数据，通过共识解决了差异。提取的项目包括：作者/年份；国家和收入水平；数据来源和背景；研究设计；样本量（相关的情况下包括基线和随访数据）；参与者特征（年龄和残疾/健康状况）；基线就业状况；报告的辅助技术类型/类别以及剂量/强度；职业结果领域和测量工具；随访持续时间；统计方法和协变量调整；效应估计（例如，比值比（OR）、回归系数、平均差异、标准化效应大小、比例）以及95%置信区间或p值（如果可用的话）；以及作者的结论。当报告了多个模型时，优先提取了调整最为充分的估计结果。当关键的定量信息缺失时，如果结果可以解释，则保留这些结果用于叙述性综合，并记录下缺失情况。

**偏倚风险评估**
偏倚风险由两名评审员使用适合研究设计的工具独立进行评估。随机试验使用Cochrane偏倚风险工具（RoB 2）进行评估，该工具涵盖了随机化、偏离预定干预措施、结果数据缺失、结果测量和选择性报告等方面。队列研究和回顾性行政研究使用Newcastle–Ottawa量表（NOS）进行评估，该量表分为选择、可比性和结果三个领域。横断面分析研究使用JBI批判性评估清单进行评估，重点关注抽样、暴露测量、混杂控制以及结果有效性。单案例实验设计使用RoBiNT量表进行评估，以评估内部有效性、设计质量、结果可靠性和报告质量。总体研究层面的判断结果被归纳为低/中等/高偏倚风险（与工具一致的类别）。意见不一致时通过共识解决，必要时由第三名评审员进行仲裁。

**元分析计划**
我们原计划进行一项随机效应元分析，前提是至少有三项研究报告了足够可比的辅助技术暴露情况、结果变量和效应指标，以支持统计合并。如果存在异质性，将使用τ2统计量和临床及方法学多样性的定性评估来进行评估。然而，由于未达到合并标准，并且现有研究之间存在显著的临床和方法学异质性（包括辅助技术定义的多样性、雇主提供的便利措施、移动设备、数字支持、研究设计、随访持续时间以及结果变量（就业状况、保留情况、收入/全职工作、工作角色障碍、工作场所独立性、任务表现等方面），因此未进行元分析。相反，我们采用SWiM指导下的结构化叙述方法对研究结果进行了综合。

**证据地图中的辅助技术类别**
辅助技术类别是从每项研究的干预/暴露描述中归纳得出的，然后映射到一组互斥的标签上，以便跨研究进行比较（例如，雇主提供的设备便利措施、虚拟现实（VR）提供的辅助技术服务、移动辅助设备以及数字/任务提示支持）。当研究使用广义术语时（例如，“工作场所便利措施”或“辅助技术”），我们根据报告中最明确的技术组成部分进行分类，并记录任何解释上的歧义。

**效应方向编码和结果选择规则**
为了确保透明度和可重复性，效应方向是按照预先指定的规则进行编码的。首先，在每项研究中，优先考虑与领域定义最匹配的职业终点。如果在同一领域内报告了多个结果，則提取作者指定的主要结果；如果没有指定主要结果，则选择与竞争性就业/保留最接近的终点。优先考虑调整后的估计结果，而非未经调整的描述性比较；如果有多个随访时间点，优先考虑最长的随访时间点，以反映持续的职业结果。效应被编码为正面（支持辅助技术/技术支持的）、无关联或混合/异质性，具体取决于子组结果的一致性。

**基于SWiM的证据可信度**
为了支持在没有统计合并的情况下进行解释，每个领域都使用SWiM指导的信心度评分进行总结（例如，中等、低-中等、低）。信心度评估基于五个方面：（i）研究设计强度（随机对照试验、纵向队列研究、行政队列研究与横断面研究）；（ii）偏倚风险；（iii）效应方向的一致性；（iv）终点的直接性（就业/收入与代理指标/任务级指标）；（v）证据数量（参与研究的数量）。开发了一个证据地图，以直观显示各项研究在辅助技术类别和职业结果领域中的分布情况。

**对协议的偏离**
任何对已注册协议的偏离（例如，扩大符合条件的研究范围或由于纵向证据不足而包含相关技术支持的报告）都已被记录、合理化，并在最终手稿中透明地报告。

**研究选择**
共有十项研究符合纳入标准，被纳入叙述性综合分析（表1）。图1展示了总结选择过程的PRISMA流程图。

**研究特征**
纳入的研究发表于2013年至2025年间，主要在美国（n = 8项）进行，此外还有来自荷兰（n = 1项）和以色列（n = 1项）的研究。研究设计包括纵向面板/调查研究（n = 3项）、行政回顾性队列研究（n = 1项）、随机试验（n = 2项）、横断面调查/混合方法研究（n = 3项）以及一项单一受试者多基线研究（n = 1项）。辅助技术暴露方式包括雇主提供的设备便利措施、职业康复（VR）提供的辅助技术服务、学校为基础的辅助技术、移动辅助设备、视频提示以及与工作参与相关的技术支持。样本量范围从N = 6到N = 3,013不等，其中有一项过渡研究报告了大约129,842人的加权国家估计值。不包括加权估计值，各项研究的合并基线样本量为11,204名参与者。关于性别/性别的报告不一致：在报告该信息的研究中，女性比例在33.3%到60.4%之间。有四项研究未报告性别/性别构成。

**研究内的偏倚风险**
整体偏倚风险因研究设计而异（表2）。纵向研究和行政队列研究被评估为具有低至中等偏倚风险，这得益于清晰的时间序列和使用了调整后的分析或行政结果。横断面研究由于缺乏时间顺序、残留混杂因素（例如，基线就业能力和残疾严重程度）以及依赖于自我报告的暴露或代理终点，被评估为高偏倚风险。各研究之间的常见问题包括暴露定义的异质性（广泛的辅助技术定义）以及关于依从性或技术使用偏离的信息有限。

**结果综合（SWiM叙述性综合）**
由于辅助技术分类、职业结果变量和效应指标存在显著异质性，因此未进行元分析。相反，我们采用了SWiM原则对结果进行了综合，优先考虑了调整后的估计值和可用的直接职业终点。表3提供了按职业结果领域划分的辅助技术类别证据地图，表4总结了各领域的效应方向。

**就业保留和持续就业**
两项研究探讨了就业保留情况。Hill等人[Citation19]分析了一项针对美国老年工人的纵向面板研究（重复调查受访者），这些工人出现了新的工作限制性残疾。在接受设备/辅助支持后，他们在下一次调查中继续就业的概率更高（β = 0.124，p < .05），经过倾向得分调整和协变量调整后得出的结果。横断面调查证据表明存在保留益处[Citation27]，但这属于高偏倚风险的代理证据。

**就业获得和竞争性就业**
三项研究考察了就业获得或竞争性就业情况。一项针对多发性硬化症VR申请者的行政回顾性队列研究显示，接受VR辅助服务的申请者在研究结束时获得竞争性就业的概率更高（OR = 2.09，p < .001）[Citation24]。一项纵向调查显示，在4年随访时，接受便利措施的受访者的就业率更高（+13.2个百分点），但这种比较是描述性的且未经调整[Citation20]。相比之下，一项调整后的横断面VR申请者调查未发现特殊设备与当前就业之间存在独立关联（β = ?0.005，p > .10）[Citation23]。

**工作质量与就业能力**
两项研究关注工作质量或就业能力。一项纵向过渡队列研究显示，在中学期间接受辅助技术支持与更好的工作质量结果相关（例如，收入高于最低工资和全职就业），但子组效应存在较大差异（不同残疾类别的比值比范围从6.62到17.43），这表明“一刀切”的辅助技术方法可能不适用[Citation21]。一项小规模的横断面混合方法研究显示，移动辅助设备与感知的就业能力之间存在正相关，但这些发现基于代理指标和自我报告结果[Citation28]。

**工作角色功能（工作障碍）**
一项随机试验评估了工作角色功能，通过工作和社会适应量表（WSAS）将工作障碍进行量化。基于互联网的认知行为疗法（iCBT）在6个月内显著降低了慢性疲劳综合征成年人的WSAS障碍评分（MD = ?5.3，p < .0001）[Citation22]。虽然这种干预方式比基于设备的辅助技术更广泛，但它代表了通过改善功能实现职业支持的技术。

**工作场所支持需求和独立性**
一项延迟开始的随机对照试验（即等待名单/延迟干预设计）显示，在接受PDA辅助支持的自闭症成年人中，对辅导支持的需求减少了（p = .013），表明工作场所独立性增强[Citation26]。但由于样本量小和随访时间短，这一证据的可信度有限。

**任务表现和职业技能准确性**
一项单一受试者多基线研究显示，使用iPad的视频提示显著提高了任务准确率（t(5) = 14.59，p < .001），目标任务的准确率从大约40%提高到了90%以上[Citation25]。尽管参与者内的效应显著，但由于样本量小，证据有限。

**证据强度总结**
在纳入的研究中，证据总体上支持辅助技术或技术支持的积极作用，尽管由于暴露方式、结果变异性和研究设计差异，推断受到限制。就业保留方面的信心度最高，而VR相关的竞争性就业结果得到了调整后的纵向或行政研究的支持。就业获得和工作质量的证据大多为正面，但一致性较低，反映出子组间的异质性和对混杂因素的敏感性。工作功能、支持需求和任务级结果方面的证据相对一致但较少，通常依赖于单项研究，在某些情况下依赖于代理终点。表5总结了各领域的发现和证据信心度评分。

**讨论**
在这项系统性回顾中，我们评估了辅助技术（AT）和技术支持是否与残疾人士的职业结果改善有关。在2013年至2025年间发表的10项研究中，整体研究发现模式表明，在大多数结果领域中辅助技术具有积极作用，尤其是在就业保留方面证据最为可靠，在调整后的纵向或行政分析中也得到了支持性证据。然而，由于辅助技术定义的异质性、结果测量的变异性以及高严谨度研究设计的复制有限，这些发现的信心度仍受到限制。这些发现直接回应了我们的评估目标，即评估辅助技术和技术支持是否能够转化为可衡量的职业结果，包括就业保留、就业获得、工作质量、工作功能和工作任务表现等方面。

**跨领域的综合：证据的总体启示**
总体而言，证据表明，当辅助技术直接降低即时任务障碍并保持人与工作的匹配度时（例如，在残疾发生时保持就业），它最有可能支持职业结果；而当结果强烈依赖于结构性劳动力市场条件（例如，招聘实践、工资设定、工作重新设计机会）时，其效果则不那么一致。这一模式与基于ICF（国际功能分类）的解释一致，即辅助技术作为一种环境促进因素，能够促进参与，但无法完全补偿更广泛的背景决定因素，如工作场所的可访问性、污名化和歧视或有限的便利设施。

**与以往证据综合的比较**
2010年至2015年间发布的先前系统性回顾指出，关于辅助技术和就业结果的证据往往质量较低、存在异质性，并且效应不一致[Citation5,Citation13,Citation14]。相比之下，当前的综合结果表明，辅助技术在就业保留和某些竞争性就业结果方面呈现出更为一致的好处，尽管仍存在实质性局限。这表明证据基础有所进步，同时强调了需要与现代数字辅助技术生态系统和标准化职业结果测量方法相一致的当代评估。

**就业保留和持续就业**
在本回顾中，关于就业保留的证据最为可靠。最有力的发现来自一项针对新出现工作限制性残疾的老年工人的调整后的纵向面板研究，其中接受设备/辅助支持与随访时继续就业的概率更高[Citation19]。在残疾初期，保持就业是一个尤为敏感的职业转型时期。这一研究结果支持了这样的观点：及时的辅助技术支持可以通过维持功能与工作要求的兼容性来稳定就业轨迹。横截面证据表明，工作者认为辅助技术在职场中有助于保持就业[参考文献27]，但这应当被视为支持性的、可信度较低的证据，因为这些数据依赖于自我报告的属性，并且缺乏时间顺序的考量。从实施的角度来看，这些发现表明，在功能转变的关键时刻迅速且响应性地提供辅助技术可能会产生最大的价值，尤其是在主要目标是防止可避免的失业情况下。

关于就业达成和竞争性就业的证据大多为正面，但一致性较弱。针对多发性硬化症（MS）患者的职业康复（VR）申请者的行政队列研究表明，接受VR提供的辅助技术服务的个体在研究结束时获得竞争性就业的可能性更高[参考文献24]。描述性纵向证据显示，在4年的随访中，接受了适应措施的个体就业率更高[参考文献20]，尽管这种比较未经调整，因此容易受到基线就业能力和工作投入等选择效应的影响。相比之下，一项经过调整的横截面VR申请人调查显示，特殊设备与就业之间没有独立的关联[参考文献23]。

多发性硬化症（MS）的情况说明了为什么应以职业为导向的辅助技术应纳入长期的就业支持体系中。在纳入的研究中，VR提供的辅助技术服务与研究结束时获得竞争性就业的可能性更高[参考文献24]；然而，该数据集并未详细说明提供了哪些技术，或者这些技术是否解决了MS患者常见的就业障碍，如疲劳、症状波动、认知迟缓和热敏感性问题。来自MS患者的定性证据强调，维持就业不仅依赖于辅助产品，还依赖于及时的工作重新设计、灵活的工作安排、雇主的响应性以及职业健康和康复方面的协调支持[参考文献29]。综合来看，现有证据表明辅助技术可以解决MS患者在某些任务层面的障碍，但除非结合组织调整和持续的支持，否则可能不足以满足患者更广泛的需求。

由于多项就业达成的结果来自观察性和部分调整后的研究设计，这些发现应被视为相关性而非确定的因果关系。这种混合模式可能反映了辅助技术对就业的影响受到多种因素的制约，包括劳动力市场机会、雇主实践、残疾严重程度以及辅助技术融入协调职业规划的程度。重要的是，Chiu等人的研究[参考文献24]中显示的积极信号表明，当辅助技术通过VR系统提供时，其效果可能最为显著，因为这表明辅助技术的提供应该是嵌套在结构化服务中的，而不仅仅是单独提供的输入。实际上，这支持了包括评估、工作匹配、培训、职场实施和后续支持在内的VR路径。

关于工作质量和就业能力的证据总体上是积极的，但存在差异。在一个针对过渡年龄群体的纵向队列研究中，中学期间使用辅助技术与多个残疾亚群体中更优质的工作结果相关，但这些效应的幅度差异很大[参考文献21]。值得注意的是，观察到的几率比在各个亚群体和终点之间从大约6.6到17.4不等，这表明“一刀切”的方法可能不合适，辅助技术的职业价值在很大程度上取决于个体的功能需求和情境支持。横截面混合方法的研究表明，移动辅助设备与感知的就业能力相关[参考文献28]，但这一终点是一个代理指标，不能替代工资或工作小时数等客观指标。

总体而言，证据表明，在某些条件下，辅助技术可能有助于提高工作质量，但工资和全职工作的结果很大程度上受到劳动力市场结构和组织机会的影响。未来的研究应优先考虑客观的工作质量指标，并评估在考虑工作类型、行业和就业质量的结构决定因素后，辅助技术的效果是否仍然存在。

一项随机试验评估了工作功能，发现基于互联网的认知行为疗法（iCBT）在6个月内显著减少了工作和社会适应方面的障碍[参考文献22]。这种干预措施比基于设备的辅助技术更为广泛，应被视为一个相关的证据流，而不是可以直接与基于设备的适应措施进行比较。我们保留了这项研究，因为它符合技术支持的标准，并报告了一个与职业参与直接相关的经过验证的工作功能终点。虽然工作障碍的减少可能有助于维持就业，但未来的证据综合分析可能需要将辅助产品/适应措施与技术提供的治疗支持分开分类，以避免概念上的混淆，同时保持职业相关性。

关于工作场所独立性/支持需求和任务表现的证据一致为正面，但数量较少。基于PDA的职业辅助减少了就业的自闭症成年人的辅导支持需求[参考文献26]，这表明任务支持技术可能增强工作场所中的独立性。在单主体多基线研究中，视频提示显著提高了任务准确性[参考文献25]。这些发现很有前景且在理论上是一致的，但受到有限的重复性、短暂的随访时间和任务具体性的限制。目前，它们最好被理解为可行性和潜在益处的证据，需要在实际的工作场所环境中进行大规模评估。

尽管目前的证据基础表明辅助技术总体上具有积极的效果方向，但它也揭示了证据与实践之间的重要差距。纳入的研究主要反映了传统的基于设备的适应措施、VR服务提供和针对性的提示工具，而较少涉及当代的集成智能手机无障碍功能、基于云的支持和新兴的人工智能技术。这种“证据滞后”是一个问题，因为工作场所的技术环境正在迅速变化，而职业成果研究仍然分散且方法论上存在差异。新兴的政策分析表明，如果负责任地实施，人工智能工具可能会进一步扩大劳动力市场的包容性，但同时也引入了公平性、隐私和无障碍治理方面的挑战[参考文献15]。因此，建立反映当前辅助技术生态系统的现代证据基础对于公平导向的就业政策和实施科学来说是一个优先事项。

为了更清楚地总结迄今为止研究的技术，我们总结了辅助技术和数字工作场所支持在不同研究中的实施方式（表6）。这些技术主要表现为：(a) 基于设备的职场适应措施；(b) 职业康复提供的辅助技术服务与案例管理相结合；(c) 通过主流设备（例如PDA/iPod Touch和iPad）提供的数字任务/认知支持。在各项研究中，关于可用性/复杂性、培训负担和成本的报告有限；工作环境（蓝领 vs 白领）的明确指定很少；而且没有一项研究明确评估了人工智能或机器学习组件。这些报告上的空白限制了关于可扩展性、实施负担和跨职业及残疾类型的普遍性的结论。

尽管证据仍然有限，但仍可以得出一些实际的启示。首先，研究结果支持在残疾初期和功能转变期间优先考虑适应措施的方法。其次，VR系统可能受益于将辅助技术纳入包含实施支持和后续服务的协调服务途径中，这与证据一致，即VR提供的辅助技术服务与更高的竞争性就业结果相关[参考文献24]。第三，可持续性和依从性应被视为核心的实施结果，因为技术的有效性取决于采纳、培训和持续使用。第四，不应将辅助技术视为改善工作质量结果的独立解决方案，因为即使工作参与得到了支持，这些结果仍可能受到结构性障碍的限制。最后，与全球辅助技术策略的优先事项一致，加强主流数字无障碍能力和包容性设计可能有助于更广泛地采纳“日常”辅助支持，并减少与特定技术相关的污名。

这项综述通过协议注册、PRISMA标准的报告、结构化的SWiM综合和适合设计的风险偏倚评估得到了加强。解释明确偏向于经过调整的纵向和行政数据，并在结果依赖于横断面比较或代理终点的情况下更为谨慎。尽管如此，一些限制因素制约了推断。证据密度较低（k = 10），研究主要集中在高收入地区（主要是美国），并且辅助技术的 exposure 定义差异很大。美国研究占多数可能反映了大型、可链接的行政数据集和完善的职业康复及适应基础设施（如RSA-911）的可用性，而在许多其他环境中类似的数据收集较为困难。跨研究的可比性受到结果异质性和培训、依从性及持续技术使用报告不一致性的限制。一些观察性估计仍然容易受到基线就业能力、残疾严重程度和工作场所机会等残留混杂因素的影响。这些限制因素限制了普遍性的归纳，并突显了需要进行更大规模、更现代化的研究，使用标准化的 exposure 和结果框架的必要性。

未来的研究应扩展来自低收入和中等收入地区的证据，标准化辅助技术的暴露报告（类型/功能、培训和支持、强度、依从性、放弃情况），并采用区分保持就业、达成就业、工作质量和工作功能的核心价值观。需要更强有力的因果设计，包括实际的试验、准实验研究和纵向因果推断方法，以减少混杂因素并提高决策的相关性。同时，对现代数字和人工智能辅助技术的评估应探讨有效性、公平性影响和工作场所环境中的治理问题[参考文献15]。为了扩大证据覆盖范围，未来的综合分析应考虑非英语搜索词、区域数据库，以及从康复服务、非政府组织和政府机构中结构化检索灰色文献和项目评估的结果。

在这项多样化的证据基础上，出现了两个互补的优先事项。首先，需要实施和扩展研究，以优化和扩展已建立的路径，特别是快速基于设备的适应措施，以防止失业，并结合评估、培训和后续服务的VR整合辅助技术。其次，评估框架必须跟上现代数字和人工智能支持的步伐，这些技术越来越多地被用作“日常”辅助解决方案，但在职业成果研究中仍然代表性不足。表7总结了辅助技术研究中的主要证据与实践之间的差距和推荐的报告标准。

总体而言，证据表明辅助技术和技术支持可能与职业成果的改善有关，最可信的发现表明辅助技术有助于保持就业，并且有证据支持通过职业康复系统实现竞争性就业。辅助技术对就业达成和工作质量的影响似乎更依赖于具体情境，并且对结构性障碍和补充性工作场所支持敏感。建立一个反映现代数字辅助技术生态系统的现代且方法论上严谨的证据基础，现在对于明确哪些技术能够改善职业参与、适用于哪些人以及在何种工作场所和政策条件下具有相关性至关重要。

补充材料

补充文件Appendix_S1_Search_Strategies.docx
下载 MS Word (56.1 KB)