《Frontiers in Public Health》：Large language models versus expert clinicians in optimizing Chinese patient education materials for temporomandibular disorders: a mixed-methods study integrating readability, accuracy, actionability, and cultural adaptability
编辑推荐：
目的：评估大型语言模型（LLM）与临床专家在优化颞下颌关节紊乱病（TMD）中文患者教育材料（PEM）方面，于可读性、准确性、可操作性与文化适应性上的表现，并判断人机协作模式能否在上述维度间取得最优平衡。方法：通过德尔菲共识流程遴选15个TMD教育主题，生成四组
目的：评估大型语言模型（LLM）与临床专家在优化颞下颌关节紊乱病（TMD）中文患者教育材料（PEM）方面，于可读性、准确性、可操作性与文化适应性上的表现，并判断人机协作模式能否在上述维度间取得最优平衡。方法：通过德尔菲共识流程遴选15个TMD教育主题，生成四组材料：原始文本（A组）、LLM重写文本（B组，Claude Opus 4.6）、临床医生重写文本（C组）及人机协作文本（D组）。由专业小组（n=3）及按健康素养分层的患者小组（n=6）盲法评估。可读性以句长与常用字比例衡量，准确性由5分制专家量表对照标准清单评定，可操作性采用PEMAT（Patient Education Materials Assessment Tool）量表，文化适应性行定性主题分析，并对三种提示风格做敏感性检验。结果：相较原始文本，LLM重写文本句长显著缩短（21.1对33.9字，p<0.001），可操作性大幅提升（95.6%对16.7%，p<0.001）；临床医生重写文本准确性最高（4.48对3.23，p<0.001）但可操作性低（46.7%）。人机协作模型准确性与临床医生文本相当（4.49，p=1.000），同时保留LLM可操作性（95.6%），临床医生耗时减少72%。敏感性分析显示共情与权威提示下可操作性稳健，简练提示下减弱。定性分析提炼四类文化适应性主题：LLM在术语本土化与行为结构化上占优，但中医概念深度不足。结论：人机协作模式是制作中文TMD患者教育材料的一种有前景且均衡的路径，兼具LLM结构优化优势与临床专家对准确性及文化适切性的把控。
研究背景方面，颞下颌关节紊乱病（TMD）影响全球5%–15%人群，女性居多，是慢性口面疼痛的主要来源之一。高质量患者教育是一线管理基石，但门诊平均问诊不足20分钟，书面材料质量直接决定教育成效。既有证据表明各专科PEM可读性普遍超标，且即便可读，常缺乏可操作性（actionability，即读者能否识别具体可执行动作）。中文语境下，医学复合词密度高、仅约25%成人具备充足健康素养，加之饮食沟通规范与中医（TCM）主流化，使文化适应性成为独立维度。现有LLM卫生传播研究多聚焦英文可读性，尚未系统评估中文TMD PEM在可读性、准确性、可操作性、文化适应性四维框架下的表现，亦缺人机协作时效量化。该研究即在此缺口下展开。
研究人员开展的是一项横断面混合方法研究，发表于《Frontiers in Public Health》。通过三阶段德尔菲从35个候选主题遴选15个核心主题（覆盖西医与中医针灸等内容）；针对每主题生成A组原始文本、B组四款LLM（GPT-4、Claude Opus 4.6、Gemini 3.0 Pro、DeepSeek-V2）重写文本、C组两名TMD专家重写文本、D组以Claude Opus 4.6为基座的人机协作文本。评估流包括客观可读性（句长、常用字比例、专业术语密度）、三人专业小组5分制准确性评分、PEMAT可操作性量表、6名确诊TMD患者（按NVS新近生命征量表分低中高三层）理解度评分，以及20%双编码定性主题分析；另对三主题测试共情/简练/权威三种提示的敏感性；时效以自报与系统计时比对。
研究结果如下。客观可读性：四组句长呈A(33.9)＞C(27.3)＞B(21.1)＞D(20.4)字符梯度（p<0.001）；总字数D最多（6162），常用字比例A最高（56.9%）而D最低（39.9%），专业术语密度反向。准确性：C(4.48)与D(4.49)显著高于A(3.15)与B(3.23)（p<0.001），C与D无差（p=1.000），中医相关主题各组成绩均最低。可操作性：A仅16.7%、C仅46.7%未达PEMAT≥70%阈值；四LLM子组80.0%–97.8%，D为95.6%与最优LLM无差；15主题中D有13项达标。提示敏感性：共情提示（A）可操作性稳健，简练提示（B）衰减，权威提示（C）准确性略升但仍低于C组临床文本。文化适应性四主题：术语本土化（LLM用“口腔科”“你”直称）、饮食生活建议契合度（LLM列条+中式食材）、共情语域（LLM用比喻与强调符）、中医安全特异性（LLM条目化警示）——LLM结构占优但中医病理深度不及医生，D组保留LLM结构并融入医生修正。时效：LLM单篇＜10秒，医生重写在18.5分钟/篇，医生审改LLM草稿5.1分钟/篇，省时72%。
讨论部分指出，LLM在句法简化与行为指令上天然占优，但出现“结构扩张伴词汇稀释”悖论——总字数增99%致常用字比例下降，实因术语被拆解为解释性短语而非词汇变难。准确性缺陷具领域依赖性，集中于程序性知识与中医表征，人机协作可补齐至医生独写水平，印证协作工作流在中文专科情境的外推效度。可操作性差距部分源于任务指令非对等（LLM被显式要求逐步行动），但四LLM一致高分说明属当代模型共性。文化适应性上LLM完成操作层本土化，概念层尤中医仍赖专家；作者提出含五项核查点的审改清单（准确性、文化契合、共情语域、安全警示完备性、保留逐步结构）。局限含15主题非穷举、患者样本n=6单中心、静态材料未测临床结局、LLM快照效应、中西医指令非对等、Claude后选可能限推广性。
结论部分原文意译：在本研究条件下，人机协作模型（LLM生成结构优化草稿+专家审改准确性与文化适切性）是制作中文TMD患者教育材料的有前景且均衡路径；LLM在句法简化与行为指令占优，专家审改对保障医学准确性与文化安全性（尤中医）不可或缺；协作模型大幅削减医生耗时，化解高质量书面教育供给障碍；负责任部署AI于患者教育须以文化适应性为核心要件而非后置步骤。
