摘要
综合护理越来越受到数字基础设施、数据治理和人工智能驱动的分析的影响，但相关文献在健康服务研究、数字健康和机器学习领域仍然分散。本文根据PRISMA-ScR指南进行了一项范围综述，探讨了综合护理模式在概念上的演变、支持这些模式的数字和人工智能基础设施、评估其临床、经济和公平影响的方法，以及当前实施情况对可持续扩展的意义。我们搜索了PubMed、Scopus、Semantic Scholar和Crossref（检索日期为2025年10月31日；后续筛选至2026年3月31日），并纳入了来自知名政策机构的灰色文献。搜索共找到15,189条记录，经过内部和跨来源去重及灰色文献整合后减少到11,789条；其中620篇全文被评估，最终有192篇被纳入综述。综述涵盖了四个领域：综合护理的概念基础、人工智能和多模态分析、实施障碍以及数字治理基础。我们使用I-V型成熟度框架（疾病、队列、整个系统、数字集成、学习）对这一领域进行了分析，并将其与Rainbow、MacColl、EMRAM/AMAM和NHS ICS模型进行了对比。大多数部署仍处于数字集成但适应性较弱的IV型阶段；常见的失败原因包括时间盲点、维护债务、语义漂移和治理漏洞，这些因素阻碍了向V型的发展。一些高调的临床人工智能项目失败案例表明，在IV型或更差的基础设施上进行V型分析会带来高昂的成本。通过对九个地区的分析，我们发现组织和支付方面的整合（而不仅仅是数字技术的先进性）是当前推动进步的主要因素。COMFORTage综合护理模型库被定义为一种工作流程，其中人工智能代理负责在整个护理生命周期中协调预测性、预防性和个性化护理，而不仅仅是一个单一的联邦学习项目。该综述将人工智能驱动的综合护理视为一个正在发展的设计领域，需要长期数据资产、对模型生命周期的管理、负责任的治理机制以及基于结果的合同机制，以构建临床有用、公平且可信的学习系统。
