《Journal of Geriatric Psychiatry and Neurology》：Dementia Carers’ Perspectives on Paper- and Artificial Intelligence (AI)-Based Assessment Tools: A Qualitative Think-Aloud Study Using the COM-B Framework
编辑推荐：
目的：照护者的观察为痴呆症评估提供了有价值的纵向和情境化信息，但传统的基于知情人（informant）的问卷可能限制对细微、波动变化的报告。基于人工智能（AI）的工具可能提供更大的报告灵活性，但其成功应用取决于照护者的能力和可接受性。尽管如此，对照护者对现有知
目的：照护者的观察为痴呆症评估提供了有价值的纵向和情境化信息，但传统的基于知情人（informant）的问卷可能限制对细微、波动变化的报告。基于人工智能（AI）的工具可能提供更大的报告灵活性，但其成功应用取决于照护者的能力和可接受性。尽管如此，对照护者对现有知情人问卷和新兴AI工具的看法仍知之甚少，因此本研究探讨了照护者对影响纸质和AI评估工具参与度的障碍与促进因素的看法。
方法：10名痴呆症照护者完成了出声思考访谈（think-aloud interviews），同时审查了剑桥行为量表修订版（Cambridge Behavioural Inventory-Revised，CBI-R）和两种AI工具CognoSpeak?与LUMEN（语言使用监测早期神经退行性变，Language Usage for Monitoring Early Neurodegeneration）。采用混合归纳-演绎方法，识别了与参与障碍和促进因素相关的主题，并随后映射到能力、机会和动机-行为（Capability, Opportunity and Motivation-Behaviour，COM-B）框架。
结果：照护者重视CBI-R的简洁性和广度，但认为其结构、复杂语言和有限的自由文本空间具有限制性。口头叙述性回答感觉更自然且负担更小，因此AI工具被视为更具吸引力、能够收集更丰富的叙述，并具有远程访问的额外优势；然而，数字素养、感官障碍和隐私担忧可能限制其应用。参与者强调AI应支持而非取代人类主导的护理。
结论：参与取决于个人能力、可用机会和动机，这些是成功应用的基本因素。未来的工具应通过共同设计确保可访问性、文化敏感性和临床相关性。
论文解读：痴呆症照护者对纸质和人工智能（AI）评估工具的参与：一项基于COM-B框架的质性研究
**研究背景**
痴呆症是全球75岁及以上人群中第四大残疾原因，超过5500万人患病，预计到2050年患病率将增加三倍。英国仅三分之二的痴呆症患者获得正式诊断，误诊率估计为30%，全球约62%病例未被发现，欧洲和北美约四分之一患者延迟诊断。早期准确检测是公共卫生优先事项。当前常用筛查工具如简明精神状态检查（Mini-Mental State Examination，MMSE）和蒙特利尔认知评估（Montreal Cognitive Assessment，MoCA）对轻微或非记忆缺陷的敏感性有限，并受人口学、教育和文化偏见影响。知情人报告（informant reports）能提供重要的纵向和情境化信息，但传统纸质问卷反应选项僵化、语言复杂、存在文化假设，且临床使用不一致、标准化程度低。新兴人工智能（AI）工具可能提供更灵活的报告方式，但照护者对现有问卷和AI工具的接受度尚不清楚。因此，该研究开展了一项探索性定性研究，旨在识别影响照护者参与纸质和AI评估工具的障碍与促进因素，论文发表在《Journal of Geriatric Psychiatry and Neurology》。
**研究概述与意义**
研究人员招募了10名非正式照护者（informal carers），通过出声思考访谈（Think-Aloud）收集他们对剑桥行为量表修订版（CBI-R）和两种AI工具（CognoSpeak
?和LUMEN）的实时反馈。采用混合归纳-演绎主题分析，将主题映射到能力、机会和动机-行为（COM-B）框架。结果显示，照护者认为CBI-R简单且覆盖广泛，但结构、复杂语言和有限自由文本空间限制其表达；AI工具能提供更自然的叙述性回应和远程访问优势，但数字素养、感官障碍和隐私担忧可能限制使用。参与者强调AI应支持而非取代人类主导的护理。结论指出，参与取决于个人能力、可用机会和动机；未来工具应通过共同设计确保可访问性、文化敏感性和临床相关性。该研究为痴呆评估工具的设计和临床整合提供了重要依据。
**主要技术方法**
本研究的样本来自英国，通过慈善通讯、社区中心和“Join Dementia Research”平台招募。主要方法包括：使用出声思考访谈法，参与者在操作或观察工具时实时说出想法，随后接受半结构化提问；工具为纸质CBI-R（45项知情人问卷）、CognoSpeak
?（基于自动语音识别和机器学习的AI分层工具）和LUMEN（基于Mistral-7B大语言模型的会话聊天机器人）；采用混合归纳-演绎主题分析，先归纳编码再演绎映射到COM-B框架。访谈由独立于工具开发团队的研究人员进行，持续85-117分钟，其中9次线上、1次线下。
**研究结果**
结果分为纸质评估工具和人工智能工具两大主题。
**纸质评估工具（Pen-and-Paper Assessment）**
在**能力（Capability）**方面，**生理能力（Physical Capability）**上，照护者认为CBI-R填写容易，但字体小、间距密、布局拥挤影响可读性，尤其对视力障碍者不友好。**心理能力（Psychological Capability）**上，简单说明和明确回忆期（“过去一个月”）有助于准确完成，但李克特量表类别僵化，区分“每天”和“经常”等选项困难；术语如“定向”(orientation)和“打盹”(catnaps)对低识字或非英语使用者构成
