《CIN: Computers, Informatics, Nursing》：Impact of Video-based Handover Training on Nursing Students’ Teamwork Attitude: A Mixed-Methods Study
编辑推荐：
本综述系统分析生成式人工智能（GAI）在护理实践中的整合障碍，发现教育缺口、伦理问题、数据透明度和工作流不匹配是主要挑战。建议通过护士参与GAI设计、强化护理教育中AI课程及建立可信治理模型来推动护士中心的GAI整合，最终提升工作效率并保障患者安全。
背景
自2022年OpenAI发布ChatGPT 3.5以来，生成式人工智能（GAI）技术逐步渗透医疗领域，尤其在电子健康记录（EHR）系统中展现出提升临床决策、优化效率的潜力。尽管GAI工具日益普及，但其在护理实践中的整合仍面临显著阻力。本研究通过综合综述方法，系统分析2022年11月至2025年7月期间的文献，旨在明确阻碍GAI工具在临床护理中应用的深层因素。
方法
研究采用Cooper的理论框架，通过PICOTS（人群、干预、对照、结局、时间、研究设计）模型构建研究问题，检索PubMed、EBSCO和OVID数据库中涉及注册护士及GAI应用的实证研究。最终纳入10项研究，包括7项定性研究、2项案例报告和1项临床试验。数据分析聚焦于GAI应用的障碍主题，并依托技术接受模型（TAM）评估工具可用性与用户接受度。
结果
研究发现四大核心障碍：
- 1.
教育缺口：75%的护士认为护理课程应包含AI基础知识，但现有教育体系缺乏GAI专项培训，导致护士AI素养不足。
- 2.
伦理担忧：患者隐私风险、数据透明度不足及算法偏见问题削弱了护士对GAI的信任。例如，LLM（大语言模型）可能生成看似合理但错误的“幻觉”信息。
- 3.
工作流不匹配：GAI工具未能充分适配护理流程。例如，AI辅助文档系统（如SmartENR）虽缩短记录时间，但输出需人工修正，反而增加负担。
- 4.
护士参与缺失：所有研究均未报告护士参与GAI工具的设计或测试阶段，导致工具与临床需求脱节。
代表性案例显示，ChatGPT在护理诊断、分诊支持（如急诊严重指数ESI评估）及药物计算中表现优异，但均需人工复核。例如，阿联酋研究中57%的护士认为AI可能威胁职业发展，凸显抵抗心理。
讨论
GAI的潜力与挑战并存。尽管工具能减轻文档负担（如A+ Nurse将记录时间从15分钟降至5分钟），但推广需解决结构性障碍：
- •
教育革新：护理院校需将AI课程纳入核心培养体系，通过模拟训练提升实战能力。
- •
伦理治理：建立透明、可审计的GAI使用规范，明确数据安全与问责机制。
- •
护士主导创新：鼓励护士参与GAI开发全周期，确保工具贴合临床场景。例如，将实时急诊容量数据集成至分诊AI，避免资源过载。
- •
研究转向：当前GAI研究多以医师视角主导，未来需加强护士主导的实证研究，评估工具对护理决策、患者结局的长期影响。
结论
GAI整合于护理实践的关键在于构建“护士中心”的生态体系，通过教育赋能、伦理护航及流程优化，方可将技术潜力转化为切实的护理效能提升。未来需开展大规模、多中心研究，验证GAI在真实世界护理环境中的有效性与安全性。
