综述：人工智能在护理模拟教育中的有效性：一项系统评价、元分析及文献计量可视化分析

《Nurse Education Today》：Effectiveness of artificial intelligence in nursing simulation education: A systematic review, meta-analysis and bibliometric visualization analysis

　　**摘要**
**目的** 通过系统评价综合人工智能（AI）在护理学生模拟教育中的角色和核心功能，通过元分析定量评估其对学生知识和技能成果的影响，并通过文献计量可视化分析绘制该领域的研究格局和发展趋势。

**设计**
系统评价、元分析和文献计量可视化分析。

**数据来源**
使用了八个电子数据库：Pubmed、Web of Science、MEDLINE、ERIC、Academic Search Complete、中国国家知识基础设施（CNKI）、万方数据库、VIP中国科学技术期刊数据库（VIP），检索从建库至今至2025年12月16日的相关研究。

**方法**
筛选符合纳入标准的研究。使用修订后的Cochrane偏倚风险工具（ROB 2）和Joanna Briggs Institute（JBI）的批判性评估清单进行质量评估。元分析使用Review Manager 5.4进行，文献计量可视化分析使用VOSviewer 1.6.20和基于R4.4.3的Bibliometrix进行。

**结果**
共纳入61项研究。AI在护理模拟教育中主要扮演了两种角色：新型主体（n=24）和直接中介（n=22）。元分析显示，AI干预显著提高了护理学生的知识（SMD=1.49，95% CI [0.55, 2.43]，p=0.002）和技能（SMD=0.66，95% CI [0.02, 1.31]，p=0.04）。文献计量分析表明，美国和中国是该领域的主要贡献国，关键主题包括生成式人工智能、虚拟患者和老年护理。

**结论**
AI对护理学生在模拟教育中的知识获取和技能提升具有积极影响，其中新型主体和直接中介是主要作用方式。未来的研究应重点扩展AI在多专业模拟场景中的应用，激活机器学习的数据驱动价值，并加强国际合作和标准化建设，以促进AI集成护理模拟教育的可持续发展。

**引言**
医疗保健和护理教育发展的一个关键趋势是通过整合人工智能（AI）来转变护理教育，引入创新工具和方法，为护理学生提供更加个性化和高效的学习体验（Bozkurt等人，2021；Hamilton，2024）。AI在护理教育中的应用包括基于AI的模拟器（Padilha等人，2019）、虚拟患者（Zawacki-Richter等人，2019）、自适应学习平台（Cucci等人，2025）和生成式AI（GenAI）（Sun和Hoelscher，2023）。这些策略使学生能够在AI整合的临床环境中发展核心能力，如批判性思维、临床决策和医疗数据分析（Bo?i?，2024）。随着对实践能力需求的增加，作为理论与实践之间关键链接的基于模拟的教学越来越需要技术支持（Shin等人，2019；Qiao等人，2021）。在虚拟培训场景构建和交互方面，AI驱动的虚拟患者系统可以模拟多种临床情况，包括常见疾病护理和紧急情况管理。通过自然语言交互技术，它们能够与学生进行实时沟通，支持重复训练和场景变体练习，从而显著提高基于模拟的教学覆盖率和可访问性（Elendu等人，2024；Lai等人，2023；Padilha等人，2019）。在个性化学习方面，AI驱动的自适应学习系统可以实时监控学生的护理实践行为，识别其特定的知识和技能差距，并动态调整教学内容的难度和节奏。通过提供个性化反馈和有针对性的培训建议，这些系统有效提升了学生的护理能力（Krishnamurti等人，2024；Shen等人，2025；Tang等人，2025）。在提升实践培训效果方面，AI与虚拟现实（VR）等技术结合构建的混合模拟环境能够实现生理指标的动态响应和操作行为的精确量化，帮助学生在高度沉浸式的体验中积累临床决策经验（Anthamatten等人，2024；Mergen等人，2023）。此外，通过智能辅导系统和聊天机器人，学生可以参与常规场景回顾并获得概念澄清，从而巩固基于模拟的培训成果（Zhu等人，2023；He等人，2017；Shorey等人，2020）。传统的基于模拟的教学受到固定标准化场景、个性化指导不足和实践培训资源分配效率低下的限制，难以完全满足现代护理教育多样化、精确和高效的实际培训需求（Jung，2023；Fawaz等人，2018）。AI的整合直接解决了这些长期存在的问题，通过动态生成的模拟内容打破了固定标准化场景的僵化，通过实时交互反馈提供定制的个性化指导，并通过可扩展、低成本的虚拟培训系统优化实践培训资源的分配（Mustafa等人，2024）。这些针对性的改进为高质量的护理模拟教育建立了新的高效技术框架。随着AI技术在护理教育中的整合加深，其在基于模拟的教学中的应用场景不断扩展，技术融合进一步推进，其在护理人才培养中的支持作用也得到持续加强。尽管AI在护理教育中的应用已引起广泛关注，且多项综述研究探讨了其当前状况和发展趋势，但现有研究主要集中在AI在护理教育中的整体应用上（Button等人，2014；Kueper等人，2020）。针对基于模拟的教学这一核心场景的专门系统评价仍然较少，且尚未对该特定背景下的应用形式和实施成果进行系统综合分析。

从复杂适应系统理论的角度来看，Xu和Ouyang（2022）提出了一个广泛认可的三类AI在教育系统中角色的概念框架，将AI的功能分为新型主体、直接中介和辅助助手三类。该框架最初通过系统文献评价开发并验证，自发布以来一直作为教育研究中AI功能角色的标准化分类工具，为包括教育者、研究人员和技术开发者在内的AIEd利益相关者之间建立了统一的桥梁，促进了该领域的集体理解和发展（Fu等人，2025）。由于该框架为AI应用特征的系统综合提供了标准化的、可复制的分析维度，本研究计划将其作为系统评价的预设核心分析基础。因此，本研究的核心目的是系统阐明AI在护理学生模拟教育中的教育价值和应用特征，我们通过三个互补的目标实现了这一目标：（1）通过系统评价综合AI的角色、核心功能和应用场景；（2）通过元分析量化AI对学生知识和技能成果的干预效果；（3）通过文献计量可视化分析绘制该领域的研究格局、热点和发展趋势。

**方法**
本研究采用系统评价、元分析和文献计量可视化分析，遵循更新的PRISMA 2020指南以确保透明报告（Page等人，2021）。该研究的前瞻性方案已在PROSPERO注册（ID：CRD420251182311）。本研究应用文献计量可视化分析系统地整理和分析了人工智能在护理教育中的应用现状和发展趋势。

**研究选择**
从八个数据库中共选取了1546项研究。使用Rayyan去除重复项后，根据纳入和排除标准对标题和摘要进行筛选，剩余1069项研究，其中872篇文章被排除。对于剩余的197项研究，通过多种渠道尝试进行了全文检索，包括访问机构订阅的学术数据库、大学图书馆馆际借阅以及直接联系相关作者。

**讨论**
这项系统评价结合了元分析和文献计量可视化，全面综合了AI在护理模拟教育中的应用现状、角色特征和效果。研究发现，2019年至2025年间相关研究呈指数级增长，美国和中国是主要贡献国。AI主要扮演了新型主体和直接中介的角色。

**局限性**
本研究有三个主要局限性：首先，本研究仅纳入了中文和英文的出版物，可能导致其他语言的相关文献被遗漏，可能影响研究结果的完整性；其次，尽管通过敏感性分析和亚组分析验证了结果的稳健性，但元分析显示AI对知识和技能的影响存在较高异质性。

**结论**
本研究采用系统评价、元分析和文献计量可视化的综合方法，探讨了AI在护理模拟教育中的应用现状、教育效果和研究趋势。结果表明，AI在护理模拟教育中主要扮演新型主体和直接中介的角色，对提高护理学生的知识有显著的中等到较大的影响，对技能提升也有显著影响。

**作者贡献声明**
Xiaoxi Yan：撰写——初稿、可视化、验证、软件、项目管理、方法论、数据管理、概念化。
Ziyu Wang：撰写——初稿、可视化、概念化。
Ou Chen：撰写——审稿与编辑、监督、资源管理、形式分析、概念化。
Yufang Guo：撰写——审稿与编辑、监督、资源管理、项目管理、方法论、资金获取、数据管理、概念化。

**资助**
本研究得到了山东省重点教育改革项目（资助编号Z2024062和Z2024012）的支持。

**利益冲突声明**
作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。