综述：中风护理领域的新兴趋势与未充分探索的领域：一项文献计量学综述

《Collegian》：Emerging trends and underexplored frontiers in stroke nursing care: A bibliometric review

该研究通过文献计量分析，揭示数字健康技术在中风护理中的应用现状，发现远程康复、可穿戴设备、移动医疗等四个主要研究集群，但护士在技术设计、实施及评估中的核心角色未被充分重视。建议未来研究聚焦护士主导的延续护理、数据分诊、远程协调及患者依从性支持等领域。

　　

亚历克斯·S·博罗梅奥（Alex S. Borromeo）|艾伦·M·马纳洛托（Allan M. Manaloto）|弗里茨·V·德拉库兹（Fritzie V. dela Cruz）|拉蒙·拉德拉斯（Ramon Laderas）|蕾妮莉·C·维拉伊（Rhenelee C. Viray）|蕾琳·V·维塞多（Rhhealeen V. Vicedo）|沃尔顿·维德（Walton Wider）

菲律宾布拉坎州立大学（Bulacan State University）护理学院

摘要

背景

数字健康技术，如远程康复、可穿戴监测设备和移动健康（mHealth）平台，通过改善可及性、连续性和患者参与度，正在改变中风护理的方式。然而，护士在领导、实施和评估这些技术方面的作用仍然没有得到充分体现。当护士没有参与共同设计和测试时，这些工具可能无法适应家庭护理的实际需求（如教育、护理者支持、紧急情况处理和后续跟进），从而降低护理的采纳率和连续性。尽管护士在中风服务中起着核心作用，但尚未有文献计量学综述从护理学的角度综合分析数字健康相关的研究。

目的

本研究旨在梳理全球关于数字健康在中风护理领域的研究，识别具有影响力的出版物，并突出新兴的研究方向和尚未充分探索的护理领域。

方法

通过共引用分析和共词分析，对Web of Science核心合集（Web of Science Core Collection）中的同行评审文章进行了分析，以揭示该领域的知识结构并探讨概念趋势。

结果

研究发现了四个共引用集群：远程康复证据框架；临床疗效与设计；用于预防的可穿戴设备/mHealth；以及基于系统的远程中风护理。在这些集群中，重点在于疗效和系统实施，而护士主导的实施要素、教育内容、护理者指导、分诊/紧急情况处理规则、心理社会支持和连续性协议则定义得不够明确。将这些发现转化为护士主导的远程康复实施、可穿戴设备数据分诊、远程中风协调和自我管理依从性支持的路线图。我们建议报告实施和公平性指标（如入职完成情况、警报响应时间、协议遵循度、连接障碍和数字素养），以支持可扩展的、以患者为中心的服务。未来的研究应前瞻性地测试由护士提供的方案及其对患者的影响。

结论

研究结果表明，需要基于理论的、由护士主导的数字中风研究，以将护士定位为公平虚拟中风护理的共同创造者和评估者。

引言

随着数字健康技术的快速整合，中风护理领域正在经历重大变革（Silva & Andrade, 2024）。远程康复平台、可穿戴监测设备、移动健康（mHealth）应用程序和新兴的人工智能（AI）工具正在重新定义中风后的护理方式、获取途径和个性化服务（American Heart Association Stroke Council, & Interdisciplinary Council on Peripheral Vascular Disease, 2009, Silva and Schwamm, 2022）。随着医疗系统向虚拟化和去中心化模式转变，护士在领导、实施和评估这些数字干预措施方面发挥着越来越重要的作用。 尽管越来越多的证据表明数字干预措施在临床效果上具有优势——从改善运动功能到提高生活质量（Laver et al., 2020, Tchero et al., 2018），但护理学在其中的贡献在文献中仍不够突出。许多系统评价和临床试验侧重于结果，而忽视了护士在部署和维持这些创新中的角色和能力。例如，虽然可穿戴技术在检测心房颤动（AF）和预防中风方面显示出潜力（Apple Heart Study Investigators, 2019, mAF-App II Trial Investigators, 2020），但很少有研究探讨护士如何解读数据、教育患者或将这些工具整合到护理流程中。同样，尽管远程中风系统在解决急性护理差距方面取得了成功（Meyer et al., 2008, American Heart Association Advocacy Coordinating Committee, 2017），但关于护士如何适应这些远程框架的研究仍然有限。 这种差距在服务不足和社区环境中尤为明显，因为护士通常是患者与技术之间的主要桥梁（Sarfo et al., 2018, Silva and Schwamm, 2022）。缺乏以护理为中心的研究限制了能力框架、基于证据的指南和定制培训计划的发展，而这些是支持中风护理数字化转型的关键（Johansson and Wild, 2011, Appleby et al., 2019）。此外，诸如智能症状监测、预测分析和虚拟辅导等AI驱动工具的出现带来了新的伦理、教育和沟通挑战，这些在护理学文献中尚未得到充分探讨（Guo et al., 2019, Apple Heart Study Investigators, 2019）。 鉴于这些差距，迫切需要一项结构化的综合研究，以梳理数字赋能中风护理的知识基础和新兴方向（Silva & Andrade, 2024）。文献计量学分析提供了一种可靠且透明的方法，用于识别有影响力的作品、聚类相关主题，并突出尚未充分探索的领域（Donthu, Kumar, Mukherjee, Pandey, & Lim, 2021; Zupic & ?ater, 2014）。特别是，共引用分析和共词分析的结合使用，能够从基础文献到当前的概念前沿，提供对该领域发展的多维度视角（van Eck & Waltman, 2010）。 虽然文献计量学方法起源于信息科学和图书馆科学，但本综述明确基于中风护理和临床实施的视角。具体来说，我们将共引用和共词集群与中风护理的连续性（急性分诊、康复、二级预防和长期自我管理）以及护理实践功能（教育、护理协调、心理社会支持、护理者参与、监测/分诊和护理连续性）相结合进行解读。这种方法使研究结果与护理相关的理论和实践重点保持一致，包括奥伦的自我照顾缺陷理论（Orem’s Self-Care Deficit Theory）、慢性护理模型（Chronic Care Model）和行为参与机制（如自我决定理论[SDT]和社会认知理论[SCT]），从而确保研究结果能够转化为可操作的、由护士主导的数字中风护理工作流程（Orem, 2001, Wagner et al., 1996）。 因此，本研究旨在通过对Web of Science核心合集中索引的同行评审出版物进行全面的文献计量学分析，对数字和AI整合的中风护理进行综述。具体目标包括：（1）通过共引用分析绘制该领域的知识结构；（2）通过共词分析揭示新兴主题和差距。通过整合这些视角，本研究为未来的研究、政策制定和实践提供了更清晰的路线图，突出了护理在中风护理数字化转型中的进展和未开发的潜力。

文献综述

近年来，数字健康技术在中风护理中的整合加速了护理干预的提供和管理方式。远程康复、可穿戴设备和mHealth平台等新兴工具正在重新定义中风后的护理，特别是在资源有限或偏远地区，提供了更好的监测、教育和随访机会（American Heart Association Stroke Council, & Interdisciplinary Council on Peripheral Vascular Disease, 2009）。

文献计量学分析

文献计量学是一种定量研究方法，通过分析学术出版物中的模式来探讨某一领域的知识、概念和结构维度。本研究使用Web of Science核心合集作为主要参考数据库，以确保高质量的同行评审来源和一致的文献元数据。Web of Science因其结构化的索引和兼容性而在文献计量学分析中得到广泛应用。

描述性分析

Web of Science数据库搜索共检索到1106篇发表于1970年至2025年的同行评审出版物。经过筛选后，该领域有大量的学术成果，主要包括期刊文章（64.5%），其次是综述文章、会议论文和会议摘要，反映了基础研究和持续的学术讨论。

理论意义

共引用和共词分析的结果显示，中风护理领域的理论体系正在快速发展，整合了康复科学、行为理论和数字健康系统。这一综合研究与自我决定理论（SDT, Deci & Ryan, 1985）和社会认知理论（SCT, Bandura, 1986）高度契合，这些理论解释了远程康复和mHealth干预如何促进动机、自我效能和自主性，这些都是长期中风恢复的关键因素。

结论、局限性与未来工作

中风相关残疾负担的增加以及医疗保健领域数字创新的加速，为护理实践带来了机遇和挑战。本研究通过护理学的视角，绘制了中风护理领域数字创新的知识和概念图谱。通过对1106篇同行评审文章进行共引用和共词分析，确定了四个主要主题集群：远程康复、可穿戴技术和...

作者贡献声明

亚历克斯·S·博罗梅奥（Alex S. Borromeo）：概念构建、方法论设计、数据分析、可视化、初稿撰写、审阅与编辑、项目管理。 艾伦·M·马纳洛托（Allan M. Manaloto）：概念构建、验证、审阅与编辑。 弗里茨·V·德拉库兹（Fritzie V. dela Cruz）：数据收集与整理。 拉蒙·拉德拉斯（Ramon Laderas Jr.）：数据收集与整理。 蕾妮莉·C·维拉伊（Rhenelee C. Viray）：初稿撰写、审阅与编辑。 蕾琳·V·维塞多（Rhhealeen V. Vicedo）：数据收集与整理、验证。 沃尔顿（Walton）：

资助

本研究未获得公共部门、商业部门或非营利机构的任何特定资助。

伦理声明

本研究是一项基于Web of Science核心合集中公开文献数据的文献计量学综述。本研究未涉及人类参与者、个人数据或临床试验，因此无需伦理批准或知情同意。本研究符合Elsevier的出版伦理政策，不包含任何可识别信息。

关于写作过程中使用生成式AI和AI辅助技术的声明

在准备本手稿期间，作者使用了ChatGPT（OpenAI）这一AI辅助工具，仅用于语言编辑、清晰度提升和叙事文本的组织（如重述、语法修正和可读性优化）。该工具未用于生成或修改研究数据集、文献计量学计算结果、VOSviewer输出、聚类结果或从Web of Science记录中得出的解释，也未用于创建虚假引用或参考文献。

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本手稿中的研究内容。