《Frontiers in Public Health》：AI-assisted hierarchical primary care and health equity among older adults with chronic diseases: a matched observational mixed-methods study in China
编辑推荐：
摘要专业翻译
背景： 人口老龄化和慢性病负担日益加重，增加了对更可及、更公平的初级卫生保健的需求。人工智能（AI）辅助分级诊疗已被越来越多地引入初级保健，以支持患者导诊、分诊、随访、转诊协调和风险预警。然而，关于AI赋能的初级保健是否与老年慢性病患者更公平的疾
摘要专业翻译
背景： 人口老龄化和慢性病负担日益加重，增加了对更可及、更公平的初级卫生保健的需求。人工智能（AI）辅助分级诊疗已被越来越多地引入初级保健，以支持患者导诊、分诊、随访、转诊协调和风险预警。然而，关于AI赋能的初级保健是否与老年慢性病患者更公平的疾病管理相关联，现有证据仍然有限。
目的： 本研究考察了中国分级医疗体系内AI赋能初级保健与老年慢性病患者健康结局之间的关联。研究进一步评估了这些关联是否因收入、教育和数字素养群体而异，以及健康信息获取和医疗服务可及性是否是连接AI赋能照护与患者结局的合理路径。
方法： 一项多中心、基于机构、匹配的观察性混合方法研究在中国广东省开展。分析样本包括420名老年慢性病患者，其中210名来自AI赋能初级卫生保健机构，210名来自匹配的对照机构。研究人员采用多变量回归模型、亚组分析、交互检验、探索性路径分析和稳健性检验，考察AI暴露与慢性病控制、自评健康和住院相关结局之间的关联。研究人员对48名医务人员和机构管理者进行了半结构化访谈，以对定量结果进行情境化阐释，并更好地理解AI赋能服务如何在常规初级保健中实施。
结果： 与对照机构的患者相比，AI赋能机构的患者表现出更高的慢性病控制率、更好的自评健康和更低的住院风险。调整后的回归结果显示，机构AI可及性与慢性病控制（OR = 1.69, 95% CI: 1.12–2.56）和自评健康（β = 0.24, 95% CI: 0.08–0.39）呈正相关，与住院呈负相关（OR = 0.63, 95% CI: 0.39–0.99）。亚组分析表明，这些关联在低收入和低教育水平患者中更为明显，而数字素养仍然是一个重要的边界条件。探索性路径分析显示，健康信息获取和医疗服务可及性部分解释了AI赋能照护与患者结局之间观察到的关联。定性研究结果进一步表明，AI支持常规随访和患者导诊，但数字素养较低的老年人通常需要工作人员协助才能受益于AI赋能服务。
结论： 在这项匹配观察性研究中，中国分级医疗体系内的AI赋能初级保健与老年慢性病患者更好的疾病管理结局相关联。研究结果表明，当伴随更好的健康信息获取、服务可及性、随访和转诊协调时，AI赋能初级保健可能具有与公平性相关的关联。这些关联不应被解释为因果关系。其潜在的公平性意义取决于AI工具是否被整合到初级保健工作流程中，并得到面向数字素养有限的老年人的包容性、人工辅助服务模式的支持。
论文解读
一、研究背景与问题提出
随着全球人口老龄化进程加速，慢性病负担持续加重，初级卫生保健系统面临前所未有的压力。对于老年慢性病患者而言，疾病管理远不止于诊断和用药，而是涉及长期随访、及时转诊、健康信息获取、自我管理以及与医疗机构的持续互动。然而，这些过程并非对所有患者同等可及。低收入、低教育水平、家庭支持薄弱或数字技能不足的老年人，在理解健康信息、选择合适就医层级、完成线上挂号、接收随访提醒或维持稳定疾病控制方面往往面临更大困难。因此，老年慢性病患者中的健康不平等不仅体现在临床结局上，更嵌入于他们寻求、理解和使用医疗服务的日常过程中。
中国分级诊疗制度为审视这一问题提供了关键场景。该改革旨在强化基层首诊、促进双向转诊、改善不同层级医疗机构的资源配置。然而，现有证据表明，患者对基层医疗的使用意愿受到服务可及性、药品供应、费用、转诊便利性、医生信任和健康素养等多重因素影响。制度性改革本身可能并不充分，关键在于患者如何在体系内获得引导——这正是公平性得以改善或悄然丧失的关键环节。
人工智能正进入这一领域，可能重塑初级保健的“信息—决策—服务利用”链条。AI辅助导诊、智能分诊、慢性病随访、风险预警和决策支持有望减少信息不对称、改善患者与服务匹配、支持更及时的转诊。从公平性视角看，AI可能帮助缺乏医学知识或服务导航能力的老年患者获得更清晰的建议和更便捷的基层医疗可及性。然而，这一乐观预期不应被轻易接受——如果AI系统依赖有偏数据、忽视弱势用户或要求部分老年人不具备的数字技能，则可能复制甚至放大现有不平等。正是这一张力推动了本研究的开展。
二、研究设计与核心发现
研究人员在中国广东省开展了一项多中心、基于机构、匹配的观察性混合方法研究。定量部分纳入420名老年慢性病患者，其中210名来自4家AI赋能初级卫生保健机构，210名来自4家匹配对照机构。匹配标准包括服务人口规模、城乡位置、年门诊量、全科医生数量、慢性病管理工作量、家庭医生服务可得性、与二三级医院距离及当地社会经济背景。定性部分对48名医务人员和机构管理者进行了半结构化访谈。数据收集于2025年3月至12月进行。
研究发现，与对照机构患者相比，AI赋能机构患者表现出更高的慢性病控制率、更好的自评健康和更低的住院风险。调整后回归结果显示，机构AI可及性与慢性病控制（OR = 1.69, 95% CI: 1.12–2.56）和自评健康（β = 0.24, 95% CI: 0.08–0.39）正相关，与住院负相关（OR = 0.63, 95% CI: 0.39–0.99）。亚组分析显示，这些关联在低收入和低教育水平患者中更为明显，而数字素养是重要的边界条件。探索性路径分析表明，健康信息获取和医疗服务可及性部分解释了观察到的关联。定性研究进一步揭示，AI支持常规随访和患者导诊，但低数字素养老年人常需工作人员协助才能受益。
三、关键技术与方法
本研究采用了以下主要技术方法：一是多中心匹配观察性设计，通过机构层面匹配减少混杂；二是多变量回归模型，根据结局类型分别采用普通最小二乘回归、Logistic回归和修正Poisson回归；三是亚组分析与交互检验，考察收入、教育、数字素养等分组变量对关联的调节作用；四是探索性路径分析，采用非参数Bootstrap置信区间评估间接关联；五是稳健性检验，包括替代暴露定义、替代结局规格、倾向评分加权、多重插补和模型诊断；六是混合方法整合，采用COREQ框架指导定性报告，通过联合展示实现定量与定性发现的三方验证。样本来源于中国广东省8家初级卫生保健机构。
四、研究结果
描述性统计： 最终分析样本420人，平均年龄69.8岁，54.5%为女性。42.4%为小学及以下教育水平，35.0%为低收入，48.6%为低数字素养。高血压（66.7%）和糖尿病（44.8%）是最常见的慢性病，44.3%报告多病共存。
基线回归模型： 以机构AI可及性为主要暴露指标，调整协变量和匹配对固定效应后，AI可及性与慢性病控制（OR = 1.69）、自评健康（β = 0.24）正相关，与住院（OR = 0.63）负相关。
亚组与交互分析： 关联在低收入和低教育水平患者中更为明显，提示可能具有补偿性关联模式。数字素养作为边界条件，低数字素养患者需要更多人工协助。
探索性路径分析： 健康信息获取和医疗服务可及性作为提出中介变量，部分解释了AI暴露与健康结局之间的关联。间接关联通过Bootstrap获得置信区间。
定性访谈与整合： 访谈显示AI支持常规随访和患者导诊，但实施效果取决于工作流程整合、人员培训和针对低数字素养患者的人工辅助服务模式。
五、讨论与结论
研究人员指出，AI赋能初级保健的公平性相关关联取决于AI工具是否被整合到基层工作流程中，以及是否得到面向数字素养有限的老年人的包容性、人工辅助服务模式的支持。研究强调，观察到的关联不应被解释为因果关系，其潜在的公平性意义需要谨慎解读。结论部分指出，在中国分级医疗体系内，AI赋能初级保健与老年慢性病患者更好的疾病管理结局相关联；这些关联的公平性意义取决于实施条件和针对弱势群体的支持机制。研究建议，未来需要纵向设计和更客观的临床指标来进一步验证这些发现。
