《Journal of Medical Internet Research》：National Acceptance and Determinants of Immersive Extended Reality in Health Care in China: Cross-Sectional Study
编辑推荐：
背景：沉浸式扩展现实(immersive extended reality, XR)有望变革医疗保健，但其公众接受度及用户侧的决定因素在很大程度上仍不明确。目的：本研究旨在评估中国成年人群中沉浸式XR的全国接受度，并确定其社会人口学、社会心理、健康和数字化决定
背景：沉浸式扩展现实(immersive extended reality, XR)有望变革医疗保健，但其公众接受度及用户侧的决定因素在很大程度上仍不明确。目的：本研究旨在评估中国成年人群中沉浸式XR的全国接受度，并确定其社会人口学、社会心理、健康和数字化决定因素。方法：这项全国性横断面调查于2024年6月至9月进行，采用多阶段抽样方法，涵盖了中国33个省级行政区和800个社区的35,861名18岁及以上成年人。研究人员评估了沉浸式XR接受度（0-100分）以及跨越人口统计学、逆境、人格、素养、生活方式、身体和社会心理领域的139个潜在预测因子。事后分层权重根据国家年龄-性别分布进行了校准。研究人员使用调查加权(survey-weighted)分层线性回归结合Benjamini-Hochberg错误发现率(false discovery rate, FDR)校正来识别决定因素。弹性网络(elastic net)验证用于评估预测因子的稳健性，分类与回归树(classification and regression tree)分析用于识别可能的非接受者特征。结果：平均接受度为63.11（95% CI 62.75-63.46），各省间存在差异（95% CI 47.9-72.3）。接受度在年轻成年人中最高（18-24岁女性和30-34岁男性），并随年龄增长而下降；性别差异极小。接受度在15种慢性病之间存在差异（最低：罕见病，均值54.24，95% CI 45.40-63.07；最高：高脂血症，均值62.26，95% CI 60.19-64.33）。接受度与社会经济因素（较高社会地位：标准化β=0.17，95% CI 0.16-0.18；较高的青年社会经济地位：标准化β=0.14，95% CI 0.13-0.16；较好的青年经济环境：标准化β=0.06，95% CI 0.04-0.07）、数字资本（既往数字健康使用：标准化β=0.15，95% CI 0.14-0.16；电子健康素养(eHealth literacy)：标准化β=0.09，95% CI 0.07-0.10）和关键特质（自我效能感：标准化β=0.10，95% CI 0.09-0.12；个人意义：标准化β=0.06，95% CI 0.04-0.07）密切相关。其他正向预测因子包括拥有2种医疗保险（标准化β=0.07，95% CI 0.04-0.09）、稳定的睡眠时长（标准化β=0.07，95% CI 0.03-0.10）和童年心理虐待（标准化β=0.07，95% CI 0.05-0.09）。强烈的负向预测因子包括年龄较大（标准化β=-0.08，95% CI -0.10至-0.06）、仅夫妻家庭（标准化β=-0.08，95% CI -0.11至-0.04）、童年性虐待（标准化β=-0.08，95% CI -0.10至-0.06）、注意力缺陷/多动障碍(attention-deficit/hyperactivity disorder, ADHD)（标准化β=-0.07，95% CI -0.09至-0.05）、兄弟姐妹较多（标准化β=-0.07，95% CI -0.08至-0.05）、童年身体虐待（标准化β=-0.05，95% CI -0.06至-0.03）和集体暴力暴露（标准化β=-0.05，95% CI -0.07至-0.03）。6节点分类树显示出适中的区分度（测试集曲线下面积(area under the curve, AUC)=0.61；准确率=0.681）、高特异性(specificity=0.903)和低敏感性(sensitivity=0.242)，表明其识别可能非接受者的能力优于识别可能接受者的能力。结论：中国医疗保健中沉浸式XR的接受度处于中等水平但不均衡。接受度因年龄、地区、社会经济资源、数字资本、社会心理因素、家庭背景、健康状况和逆境暴露而异，这表明XR的实施既是一项数字健康创新，也是一项健康公平挑战。部署应包括针对性的教育、可及的演示、可用性支持和针对较少接受群体的可信指导，特别是老年人、社会经济弱势人群、数字健康经验有限的人群以及社会心理脆弱人群。
研究背景
沉浸式扩展现实(extended reality, XR)技术——涵盖虚拟现实(virtual reality, VR)、增强现实(augmented reality, AR)和混合现实(mixed reality, MR)——正日益应用于康复、症状管理、程序支持和培训等医疗保健领域。尽管现有证据综合显示XR在疼痛、神经康复、癌症支持治疗、心理健康等领域展现出益处，但证据质量和普遍性仍然参差不齐。随着市场预计到2030年将超过50亿美元，临床应用的扩展使得关键的实施问题不再仅仅是XR在临床上是否有效，还包括其在现实世界的医疗保健环境中是否被预期用户所接受。沉浸式XR通常需要头戴式设备、具身交互、感官沉浸、用户信心以及临床或家庭支持，这使得即使临床前景良好的XR干预措施也可能因用户不愿采用而无法推广。然而，当前的证据仍然碎片化，主要来源于小型或高度特定的队列，缺乏更广泛的人群模式。现有研究在普通公众意识、专业人员临床整合以及患者接受度方面均显示出巨大差异，且未能阐明接受度如何在不同地理区域、年龄-性别组以及患有不同非传染性疾病的人群中变化。此外，关于接受度的决定因素也缺乏广泛的上游因素评估。因此，研究人员亟需开展大规模全国性研究，以填补这一空白，了解哪些人群可能在实施过程中掉队。
研究方法
为了探究上述问题，Jiaying Li等研究人员于2024年6月至9月在中国开展了一项大规模的横断面调查研究。该研究作为“中国居民心理与行为调查”项目的一部分，采用了五阶段地理抽样框架，覆盖了33个省级行政区、150个城市、202个区县、390个乡镇街道和800个社区或村庄。最终纳入了35,861名18岁及以上的中国成年人作为分析样本。
在测量指标方面，主要结局是自我评定的沉浸式XR接受度，采用0（完全不可接受）到100（完全可接受）的单一量表进行测量。研究人员同时评估了涵盖7个预设领域的139个候选变量，包括：1) 人口统计学和社会经济学（如年龄、教育、收入、社会地位）；2) 生活逆境和压力（如童年不良经历(adverse childhood experiences, ACEs)、压力事件）；3) 人格和自我效能感（如外向性、尽责性、一般自我效能感）；4) 健康素养和赋权（如电子健康素养(eHealth literacy)、感知社会支持）；5) 生活方式行为（如睡眠、吸烟、饮酒）；6) 身体健康和暴露（如体质指数(body mass index, BMI)、慢性病诊断）；7) 心理和社会心理健康（如抑郁症状、焦虑、ADHD特征）。
数据分析分为三个阶段：首先，利用事后分层(poststratification)权重将样本与国家人口普查的年龄-性别分布对齐，计算加权和未加权的描述性统计量，并按省份、年龄-性别层、慢性病绘制加权接受度图表。其次，采用调查加权(survey-weighted)分层线性回归模型，按预设的因果顺序分7个模块拟合模型，并在每个模块内应用Benjamini-Hochberg错误发现率(false discovery rate, FDR)校正以处理多重检验问题，仅保留显著预测因子进入下一模块；同时使用10折交叉验证的弹性网络(elastic net)（α=0.50）作为补充的数据驱动方法，以评估分层回归结果的稳健性并识别更简约的预测因子集。最后，为了构建快速分类工具，研究人员将接受度二分为≥80（“接受者”）与<80（“非接受者”），按7:3比例随机拆分样本为训练集和测试集，构建了基于基尼系数(Gini-based)的分类与回归树(classification and regression tree)，并通过调查加权接收者操作特征(receiver operating characteristic, ROC)曲线及其曲线下面积(area under the curve, AUC)等指标评估其分类性能。
研究结果
受访者特征
加权后的受访者平均年龄为47.50岁；男性占50.4%，女性占49.2%；汉族占93.1%；82.0%至少接受过中学教育；72.5%居住在城市地区。
按地区、年龄-性别和慢性病划分的加权接受度
总体平均加权接受度为63.11（95% CI 62.75-63.46）。省级均值差异显著，从贵州的55.96到吉林的72.34不等。一线城市中，北京为63.01，广东为66.15，上海为67.38。接受度随年龄变化，女性在18-24岁达到峰值（均值68.51），男性在30-34岁达到峰值（均值66.44），此后普遍下降。局部加权散点图平滑曲线证实性别差异极小（小于3分）。患有任何慢性病的个体接受度（均值61.15）低于总体样本（均值63.11），不同疾病间差异明显，从罕见病的54.24到高脂血症的62.26不等。
接受度的预测因子
在139个候选预测因子中，76个具有FDR显著性，弹性网络模型保留了其中的70个（92.1%）。最强的正向预测因子包括：更高的社会地位（标准化β=0.17）、既往数字健康干预使用（标准化β=0.15）、较高的青年社会经济地位（标准化β=0.14）、自我效能感（标准化β=0.10）和电子健康素养（标准化β=0.09）。最强的负向预测因子包括：年龄较大（标准化β=-0.08）、仅夫妻家庭（标准化β=-0.08）、童年性虐待（标准化β=-0.08）、ADHD症状（标准化β=-0.07）以及兄弟姐妹数量较多（标准化β=-0.07）。
接受度的分类树分析
在完整的案例子样本中，决策树识别出3条“接受者”路径和4条“非接受者”路径。在测试集上，该树实现了0.61的加权AUC，准确率为0.681，接受者的敏感性为0.242，非接受者的特异性高达0.903。这表明该树识别可能非接受者的能力远优于识别可能接受者。最大的非接受者群体（占训练集样本的62%）仅由无既往数字健康使用定义。
讨论与结论
本项大规模全国性调查表明，中国公众对医疗保健中沉浸式XR的接受度处于中等水平但分布不均。这种接受度不仅受人口统计学和疾病相关特征影响，还与社会经济资源、数字资本、心理因素、生活方式和健康相关因素密切相关。
在讨论部分，研究人员指出，结构性环境因素（如社会经济地位、教育、保险覆盖）是影响接受度的重要相关因素，突显了数字准入和累积社会优势的作用。个体特质因素中，自我效能感是关键驱动力，而某些看似矛盾的正向关联（如自恋、职业倦怠）可能反映了更深层的数字沉浸或健康信息寻求行为，而非持续的XR使用准备度。社会和数字资本（如既往使用经验、eHealth literacy）则是最强的预测因子之一，强调了结构化引导和家属参与的重要性。行为健康特征（如睡眠稳定性、艺术接触）也为人群层面的接受度提供了新的见解。
分类树虽然敏感性较低，但特异性极高，可作为实用的实施分流辅助工具，帮助识别需要密集引导支持的弱势群体。
结论翻译
据我们所知，这是首批使用多领域框架检查中国公众对沉浸式医疗技术接受度的大规模全国性研究之一。与以往较小规模或特定人群的研究不同，它提供了人群层面的证据，并表明接受度不仅与社会人口学因素相关，还与社会、心理、数字、行为和健康相关特征相关。本研究为哪些人群可能或多或少接受医疗保健中的沉浸式XR提供了一个面向公平和实施相关的视角。研究结果表明，公平的采纳可能不仅仅取决于技术的可用性；它可能还取决于对老年人友好的设计、对疾病状况敏感的实施方案，以及对自我效能感较低、数字准备度较差或社会资源较少的用户的有针对性支持。此外，6项分类树可能为识别可能的非接受者以进行外联和支持优先级排序提供了一个实用的起点，但在实际使用之前需要进行外部验证。总之，我们的研究结果表明，沉浸式XR成功且公平的实施不仅是一个技术问题，也是一个社会、行为和实施挑战。
