由ChatGPT、Gemini和DeepSeek生成的儿童和青少年精神心理健康护理计划的比较评估：一项横断面文本分析

《Archives of Psychiatric Nursing》：Comparative evaluation of child and adolescent psychiatric-mental health nursing care plans generated by ChatGPT, Gemini, and DeepSeek: A cross-sectional text analysis

　　

摘要

大型语言模型在护理文档编写和教学中日益广泛地应用，但其在儿童和青少年精神心理健康护理计划制定中的价值仍存在不确定性。本横断面比较文本分析研究评估了由ChatGPT、Gemini和DeepSeek生成的护理计划文本。研究使用标准化提示词输入了30个儿童和青少年精神心理健康护理诊断，生成了90份护理计划。研究汇总了文本特征、参考文献可及性、来自两种计算工具的七种可读性公式、DISCERN评分以及可靠性指标。由于每个诊断均在各模型间进行评估，模型间比较采用了Friedman检验和Bonferroni校正后的Wilcoxon符号秩检验。Gemini的DISCERN总分最高（63.8 ± 4.3），其次是ChatGPT（61.2 ± 3.8）和DeepSeek（59.7 ± 4.5；Q = 12.07，P = 0.002）。ChatGPT按平均Flesch阅读易读性评分生成的文本最为易懂（53.9（43.4–66.0）），而DeepSeek生成的文本最为复杂（42.1（26.7–55.6）；Q = 30.87，P < 0.001）。所有模型在各年级水平公式中均超过了推荐的六年级可读性水平。可及性参考文献与较高的DISCERN总分关联最为一致。研究结果支持根据特定任务选择模型、核查来源、进行可读性修订，并在人工智能生成的护理计划用于临床或教育场景前由精神心理健康护士进行审核。

引言

儿童和青少年心理健康问题是一项全球性的重大优先事项，对家庭、学校和卫生系统具有深远影响（UNICEF, 2021；世界卫生组织, 2024）。儿童和青少年精神心理健康护理计划必须将复杂的临床信息转化为清晰、符合发展特点且可操作的干预措施。护士需要在一份计划中整合症状评估、家庭背景、自杀和暴力风险、治疗性沟通、用药教育以及结局评估。这些要求使得文档编写在临床层面至关重要且认知负荷巨大（美国精神科护士协会, 2022；Halter, 2022）。

大型语言模型（LLMs）是基于大规模文本语料库训练、用于预测和生成词序列的机器学习模型。在对话系统中，LLMs可以综合生成类似临床文档、教学材料或面向患者的解释的提示响应，但它们不会独立核实事实、判断临床适当性或承担专业责任（OpenAI, 2023；Singhal等, 2023；Thirunavukarasu等, 2023）。因此，LLMs在医疗保健领域的使用引发了对幻觉性参考文献、缺乏依据的主张、可读性参差不齐以及责任归属不明等方面的担忧（Bender等, 2021；世界卫生组织, 2021）。

精神心理健康护理是一个高风险的临床情境，因为护理计划往往涉及自杀风险、自伤预防、用药安全以及其他可能对患者和家庭产生严重后果的决策。一份流畅的护理计划可能仍然遗漏风险评估、照护者能力、创伤知情沟通、文化背景或可测量的结局指标。一份技术性较强的计划如果对家庭教育而言超过了推荐的健康素养水平，也可能不适用（Jorm, 2012；Nutbeam, 2000；疾病预防与促进办公室, 2010）。以往的研究已评估过人工智能生成的心理健康护理、围产期护理、肿瘤相关文档以及一般护理诊断语境下的护理计划，但针对儿童和青少年精神心理健康护理的证据仍然有限（Dagci等, 2024；Dos Santos等, 2024；Gokalp等, 2025；Johnson等, 2025；Woodnutt等, 2024）。因此，对人工智能生成的儿童和青少年精神心理健康护理计划进行专项评估是必要的。

本研究比较了由ChatGPT、Gemini和DeepSeek生成的儿童和青少年精神心理健康护理计划文本。分析聚焦于文本特征、可读性、DISCERN质量、参考文献可及性以及可靠性指标。护理诊断作为配对的比较单位。

章节摘要

研究设计

本横断面比较文本分析研究评估了由三个公开可及的大型语言模型系统生成的儿童和青少年精神心理健康护理计划文本。生成的护理计划文本为分析单位，护理诊断为重复测量的配对单位。研究设计强调可重复的提示词、预设结果、盲法质量评估以及配对模型比较。

护理诊断的选择

选取了30个儿童和青少年精神心理健康护理诊断

描述性特征

分析共纳入90份护理计划文本，涵盖30个配对诊断和三个模型。DeepSeek生成的文本最长且变异最大。传统相似度评分为0%，而AI检测分类则将所有文本识别为AI生成。表2汇总了描述性特征。

可读性

可读性结果显示，所有模型在各年级水平公式中均超过了推荐的六年级阈值。ChatGPT按平均Flesch阅读易读性评分生成的文本最为易懂，

主要发现

研究结果表明，大型语言模型生成的儿童和青少年精神心理健康护理计划在不同质量领域上存在差异，而非沿单一等级排列。Gemini表现出最强的DISCERN表现，ChatGPT生成的文本最为易懂，而DeepSeek生成了更复杂的输出。这一模式与近期医学和护理文献一致，即LLMs的表现因任务、受众和评估标准而异（Ross等, 2024；Singhal等, 2023；

结论

ChatGPT、Gemini和DeepSeek生成的儿童和青少年精神心理健康护理计划文本具有中等水平的整体书面信息质量，但表现特征各不相同。Gemini在结构质量方面更强，ChatGPT生成的文本更为易懂，而DeepSeek生成了更复杂的语言。这些发现不支持在护理计划制定中自主使用大型语言模型。它们支持一种更窄且临床更安全的角色：LLMs可以提供草案结构，但

CRediT作者贡献声明

方金琳：撰写——初稿、方法学、正式分析、数据管理、概念化、调查。钱超：调查、数据管理、方法学、验证、撰写——审阅与编辑。钱小芳：项目管理、概念化、监督、验证、撰写——审阅与编辑。

生成式AI及AI辅助技术在写作过程中的声明

人工智能工具在本研究中作为研究对象进行评估。除生成构成研究数据集的研究材料外，未使用AI系统生成、分析、解读或撰写本手稿中报告的科学发现。

资金来源

本研究未获得公共、商业或非营利领域任何资助机构的专项资助。

利益冲突声明

作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。

致谢

无。

方金琳｜钱超｜钱小芳

绍兴市第七人民医院（绍兴大学附属精神卫生中心），浙江省绍兴市越城区胜利西路1234号，邮编312000，中国