《Frontiers in Digital Health》：Mapping the landscape of standardized usability questionnaires in healthcare: a 26-year scoping review
编辑推荐：
摘要
背景：利用标准化可用性问卷评估医疗技术的相关文献呈指数级增长，反映了以用户为中心的设计在电子健康（eHealth）领域中日益重要。然而，这些工具在临床专科和目标人群中的应用仍较为零散。
目的：本范围综述综合了26年间的文献，旨在考察标准化可用性问卷在
摘要
背景：利用标准化可用性问卷评估医疗技术的相关文献呈指数级增长，反映了以用户为中心的设计在电子健康（eHealth）领域中日益重要。然而，这些工具在临床专科和目标人群中的应用仍较为零散。
目的：本范围综述综合了26年间的文献，旨在考察标准化可用性问卷在不同用例、医疗专科和目标人群中的应用情况，以识别当前的方法学空白。
方法：在MEDLINE/PubMed数据库中检索了1999年至2025年6月期间发表的文章，纳入采用标准化可用性问卷评估医疗技术的研究。提取出版年份、具体可用性工具、目标人群、医疗专科和应用领域等数据，并进行描述性分析。
结果：检索共获得1,342篇同行评审文章。发表量呈显著上升趋势，于2024年达到峰值（256项研究）。系统可用性量表（SUS）为最主要使用工具，见于92.8%的文献中；研究后系统可用性问卷（PSSUQ）为第二常用工具，应用于6.0%的研究中。内科学和公共卫生是最主要的临床领域。移动应用和网络工具是最常被评估的系统类型，占41.4%。患者和医疗专业人员是主要用户群体。
结论：尽管发表量激增，但该领域高度依赖SUS，限制了对诊断性洞察的提取能力。为确保未来医疗技术针对复杂临床环境进行优化，研究人员必须超越整体满意度评分，战略性采用诸如PSSUQ等成熟、全面的评估工具。
1 引言
1.1 医疗技术中的可用性
可用性定义为系统使用户以有效性、效率和满意度达成特定目标的程度。在医疗技术中，可用性不仅涉及界面设计，更从根本上决定健康信息技术系统与临床流程的整合程度以及用户认知需求的满足水平。确保电子健康记录、医疗设备和健康应用具备高可用性，对于预防效率低下、用户挫败感、职业倦怠和安全危害至关重要。然而，由于使用情境的多样性和评估方法的不一致性，医疗领域的可用性评估面临诸多挑战。标准化可用性问卷通过固定题项和计分规则量化用户对系统的主观可用性感知，经充分的心理测量学检验，能够提供可靠有效的测量结果，并支持跨系统、跨研究的客观比较和基准参照。
1.2 研究后问卷
系统可用性量表（SUS）由Brooke于1986年开发，包含10个条目，采用5点Likert计分，持续表现出高信度（Cronbach's alpha＞0.90），即使在小样本条件下也能区分可用与不可用系统。尽管SUS具备技术无关性和便捷的基准比较优势，但其缺乏诊断性洞察，仅能识别问题存在而无法明确问题的性质或成因。研究后系统可用性问卷（PSSUQ）由Lewis于1992年发表，包含19个条目，采用7点量表，提供总体得分以及系统可用性（SysUse）、信息质量（InfoQual）和界面质量（IntQual）三个子量表，内部一致性系数介于0.83至0.96之间。在医疗环境中，其独立的信息质量与界面质量子量表有助于区分数据呈现相关与导航交互相关的可用性问题。其他专业工具包括软件可用性测量清单（SUMI），为50个条目的标准化问卷，评估效率、情感、帮助性、控制性和可学习性等维度；以及用户交互满意度问卷（QUIS），评估屏幕设计、术语、系统反馈、学习支持和系统能力等方面，其模块化结构支持适应不同应用情境。
1.3 任务后问卷
情境后问卷（ASQ）由Lewis于1991年开发，为3条目7点Likert式任务后可用性工具，评估任务完成满意度、所需时间及支持信息，信度系数均超过0.90，并与任务完成率和任务时间等客观指标相关。可用性幅度估计（UME）运用心理物理学幅度估计原理，要求参与者相对于参考任务赋予感知任务难度以比例数值，但因管理复杂和非标准作答格式而应用有限。主观脑力负荷问卷（SMEQ）由Zijlstra和Van Doorn于1985年开发，采用0至150的连续垂直评分量表，评估任务执行中的感知脑力负荷。单易度问题（SEQ）由Sauro和Dumas于2009年提出，为单条目7点Likert式任务后测量工具，对感知任务难度具有敏感性。期望评分（ER）由Albert和Dixon于2003年引入，基于期望-失验理论，用户在执行前评估预期任务难度，再与任务后体验评分进行比较，从而对用户满意度和任务表现产生诊断信息。
2 方法学
2.1 信息来源与检索策略
检索限定于MEDLINE/PubMed数据库，检索词源自Sauro和Lewis定义的标准化研究后与任务后可用性问卷分类体系，并补充电子健康（eHealth）等广泛术语，同时纳入可用性、用户满意度、用户接受度和用户体验等搜索词。检索于2025年4月至6月实施，覆盖截至2025年6月发表的文章。
2.2 纳入与排除标准
纳入标准包括：报告使用至少一种上述标准化可用性问卷；可归属至明确的目标人群；可归属至特定医疗专科；明确说明问卷施测的用例；为完整或简短研究论文。排除标准包括：研究方案、系统综述、荟萃分析、评论或理论性论文；非英文或德文发表；数据集中重复记录。
2.3 检索结果与文献筛选
系统检索获得1,407条引文，经标题和摘要筛查排除25篇，全文评估后进一步排除40篇，最终纳入1,342篇文章进入综述。
2.4 数据提取与分类
提取文章标题、第一作者、发表来源与年份、所用可用性工具、样本量、目标人群、医疗专科及用例等数据，录入Microsoft Excel结构化表格进行分类比较，并导出至R软件进行统计分析。鉴于范围综述旨在描绘方法学图谱而非评估证据质量，未进行正式的关键评价。
3 结果
3.1 文献概况
最终纳入1,342篇同行评审文章，发表时间跨度自1999年至2025年，共计26年。时间序列分析显示发表量呈显著上升趋势，大部分研究发表于2018年至2024年间。SUS应用次数从2018年的52次激增至2024年的242次峰值，占SUS全部评估的19.4%。
3.2 所用可用性测试工具
SUS为最常用工具，应用于1,246篇文献（92.8%）；PSSUQ为第二常用工具，应用于80项研究（6.0%）；QUIS应用于25项研究（1.9%）；ASQ应用于11项研究（0.8%）；SEQ应用于10项研究（0.8%）；SUMI和期望评分各应用于6项研究（0.4%）；SMEQ应用于4项研究（0.3%）；纳入研究中无一采用UME。由于部分文献同时使用多种工具，各分类并非互斥，累计百分比超过100%。
3.3 医疗专科与应用领域
内科学为最突出领域，涵盖766项研究（57.1%），其次为公共卫生（592项，44.1%）、专职医疗（195项，14.5%）和心理学（161项，12.0%），另有重症监护（7.6%）、外科学（6.8%）、初级保健（4.4%）和药理学（4.1%）等领域。应用领域方面，移动应用与网络工具为最常评估的系统类型，占41.4%（556项研究）；患者护理与远程医疗占29.7%；研究、教育与公共卫生占26.0%；康复与培训系统占21.8%；决策支持与安全工具占12.0%。交叉分析显示，在决策支持与安全工具的评估中，PSSUQ应用率达11.8%，显著高于其6.0%的总体平均水平。
3.4 可用性测试的目标人群
患者为主要用户群体，参与736项研究（54.8%）；医疗保健专业人员为第二大群体，参与581项评估（43.3%）；公众参与183项研究（13.6%）；学术人员（10.5%）、IT专业人员（6.9%）和管理人员（1.5%）参与较少。当IT专业人员为目标人群时，PSSUQ（7.6%）、QUIS（4.3%）和SUMI（3.3%）等诊断性工具的应用比例相对提升，显示高技术专业用户的评估呈现更多元化的方法学选择。
4 讨论
4.1 主要发现
本综述描绘了26年间医疗技术标准化可用性评估的全景，发现研究发表量呈指数级增长。SUS在92.8%的纳入研究中的主导地位证实了其作为快速且稳健的整体可用性测量工具的行业标准地位。这一纵向轨迹表明SUS的普及并非暂时性趋势，而是近三十年来持续强化的方法学偏好。相比之下，PSSUQ和QUIS等诊断性或任务特异性工具的应用频率远低于SUS，提示该领域存在显著的方法学不平衡。
4.2 方法学空白与可用性工具的演变
尽管评估复杂临床工作流至关重要，多维度可用性工具的应用比例仍偏低。研究者常通过修改和改编而非采用更全面的问卷来应对SUS的局限性，包括开发干预可用性量表（IUS）、UMUX及其派生工具UMUX-LITE、针对老年人和认知障碍者的简化版本，以及截断版本SUS等。这些修改虽反映了灵活评估的需求，但损害了标准化可比性。未来应倡导全球指标与任务级工具相结合的方法，或纳入有声思维（Think-Aloud）等定性评估的混合方法。此外，人工智能在医学中的快速扩展要求可用性评估与FUTURE AI等国际共识框架对齐。
4.3 对医疗技术开发的影响
可用性影响患者安全、工作流程效率和临床医生福祉。电子健康记录（EHR）和临床决策支持系统的可用性不足是医疗专业人员职业倦怠的公认驱动因素。尽管内科学和公共卫生领域对标准化问卷的采用较为充分，但外科（6.8%）、诊断（2.4%）和医疗技术（1.5%）等高风险领域的可用性文献占比偏低，需利益相关者和政策制定者通过激励措施促进严格评估。本综述建议采取风险分层工具匹配策略：低风险技术可使用SUS等快速全球指标；中风险系统应补充SEQ或ASQ等任务级测量；高风险临床技术则必须采用PSSUQ结合客观临床工作流模拟的综合评估框架。
4.4 局限性
检索限于MEDLINE/PubMed，可能遗漏工程学和人机交互领域的相关研究；语言限于英文和德文，存在地域偏倚；2025年发表量下降是数据收集时间节点所致，并非研究产出衰退；排除大幅修改或未经效度验证的问卷版本意味着非正式可用性测试实践未完全纳入定量综合。
5 结论
标准化可用性问卷在医疗技术评估中的应用呈指数级增长，SUS仍然是几乎所有临床专科和目标人群的主要评估工具。然而，研究者频繁对量表进行结构性修改以适应特定需求，限制了标准化可比性。未来应战略性采用PSSUQ等成熟且全面的诊断工具，并维持可用性评估与行为科学之间的清晰方法学界限，以支持安全、高效且用户友好的数字健康干预的开发。
