综述：基于聊天机器人的癌症患者教育方法综述

《Nursing Research and Practice》：Scoping Review of Chatbot-Based Approaches to Cancer Patient Education

　　**摘要**

**引言**
利用聊天机器人等交互式工具进行患者教育，在改善健康结果方面发挥着关键作用。鉴于已有许多研究探讨了聊天机器人在癌症患者教育中的应用，本研究旨在全面审视这项技术在癌症患者教育中的不同方面。

**材料与方法**
本研究采用PRISMA-ScR框架进行了范围综述，以探讨聊天机器人在癌症患者教育中的各种应用。通过在PubMed、Web of Science、Scopus、IEEE Xplore、ACM Digital Library、ProQuest和Cochrane Library进行广泛搜索，找到了2014年至2023年间相关的出版物。筛选过程依据一系列纳入和排除标准完成。随后提取了相关数据，并以表格形式进行了描述性总结。

**结果**
共有10项研究符合纳入标准，这些研究均探讨了聊天机器人在癌症患者教育中的应用。其中7项研究评估了聊天机器人的设计、可用性以及用户对它们的态度；3项研究则考察了聊天机器人回答的准确性和可靠性。聊天机器人可通过移动应用程序（n=4项）、基于网络的工具（n=2项）、桌面应用程序（n=2项）和消息传递平台（n=3项）提供，部分研究同时提供了多种沟通渠道。研究报告的临床效果包括降低死亡率、提高患者医疗效果和生活质量；非临床效果则体现在减轻护理人员的工作负担以及为她们提供所需信息。然而也面临一些挑战，如技术限制、数字素养不足、可访问性差以及聊天机器人难以完全替代人际互动。

**结论**
本研究概述了聊天机器人在癌症患者教育中的应用情况。未来研究应重点关注聊天机器人的设计与实施策略，并对其在癌症患者教育中的临床和非临床效果进行严格评估。

**对行业和/或患者护理的启示**
本研究有助于明确聊天机器人在癌症患者教育中的应用及其面临的问题。这些结果有助于推动聊天机器人的进一步发展，尤其是针对癌症患者的教育应用。

**报告方法**
本研究遵循了EQUATOR相关指南，特别是PRISMA-ScR检查表。在排除重复内容后，剩下55篇文章。这些文章根据标题和摘要进行了筛选，不相关的研究被剔除。随后，对剩余文章的全文进行了检查以确定其适用性。最终，有16篇文章的全文被审阅。其中，有三篇文章被排除，因为它们使用的是没有应用人工智能的聊天机器人（被排除的研究不符合基于人工智能的聊天机器人的定义，仅使用了静态脚本，且没有包含机器学习或自然语言处理），有一篇文章因为不关注癌症问题而被排除，还有两篇文章因为没有对聊天机器人干预进行任何评估而被剔除。最终，有10篇文章被选入综述研究。这一选择过程是按照PRISMA-ScR指南进行的（见图1）。

3.1. 选定研究的特征

如表1所示，发表频率最高的是2023年（n=5）。从地理分布来看，50%的研究是在美国进行的。在大多数文章（n=7）中，研究目标是设计和评估可用性、可行性和用户态度[7, 11, 12, 20–23]。其余三篇研究重点评估了基于人工智能的聊天机器人在癌症相关问题上的回答准确性和可靠性[11, 15, 24]。研究方法包括定性方法[7, 20, 21]、定量方法[11, 15, 22–24]和混合方法[12]。样本量范围从2到150人不等[15, 24, 25]。其中一项研究通过随机对照试验来评估聊天机器人的效果[24]。七项研究招募患者作为样本[7, 11, 20–24]，而其他研究则由临床医生和研究人员参与[12, 15, 25]。

表1. 选定研究摘要
| 编号 | 作者/国家/年份 | 研究目标 | 研究方法 | 癌症类型/聊天机器人应用 | 聊天机器人特性 | 临床影响 | 非临床影响 | 挑战和局限性 |
|------|---------|---------|-----------|-------------|------------------|--------|-------------|-------------------|
| 1 | Wu等/美国/2014 | 开发一个针对西班牙裔女性患者的文化适应性宫颈癌教育项目，以提高筛查率 | 定性研究：与目标人群的重复访谈 | 宫颈癌/癌症教育 | VPE是一个模拟面对面对话的计算机角色，充当患者引导者 | 降低拉丁裔社区的宫颈癌死亡率 | 有助于缩小西班牙裔女性与其他人群在骨质疏松症筛查知识上的差距；文化特征的融入增强了整体理解和信任 | 未报告 |
| 2 | Mendu等/美国/2018 | 开发和评估一个交互式虚拟患者辅导系统，以教育和咨询西班牙裔女性关于宫颈癌和HPV的知识 | 定性研究/迭代设计方法；可用性和试点测试 | 宫颈癌/教育和咨询 | 该系统包含51个独特的对话语句，分为三个评估模块，允许患者跳过熟悉或不相关的信息和带有是/否问题的测试 | 有潜力提高健康教育效果 | 关于HPV和HIV内容的模糊性；技术问题，如细胞变化图表的快速消失和对话期间音量较低 |
| 3 | Chetlen等/美国/2019 | 开发并部署一个聊天机器人，为接受乳腺活检的患者提供基于证据的答案 | 定量研究/调查研究，以评估整体态度 | 乳腺癌/乳腺活检教育 | 聊天机器人使用决策树结构，针对生活方式、活检方法、副作用和结果等提出初步问题 | UI设计类似于消息应用程序；大规模实施提高了医疗知识、患者结果和生活质量 | 提供初步建议，并引导用户联系临床护理服务；通过提供医疗服务信息改善了患者体验 | 促进了患者对未来治疗方法的理解，无论他们的技术技能如何；积极影响了患者对护理质量的感知 |
| 4 | Piau等/法国/2019 | 评估智能手机聊天机器人的可行性和接受度及其对医疗系统的影响 | 定性研究/通过问卷在患者样本中测试可行性 | 所有类型的癌症在老年患者中/最佳癌症监测 | Infinity聊天机器人应用程序是一个半自动化的消息系统，符合HIPAA数据安全标准；它发送连续的简短问题以跟踪临床症状，分配分数，并发送提醒和随访 | 通过聊天机器人数据收集优化了护士的电话通话 | 挑战包括老年患者的技术素养较低和对电子健康解决方案的接受度较低 |
| 5 | Katoka等/日本/2021 | 开发并评估一个聊天机器人，以提高日本肺癌患者及其护理者的症状管理知识 | 混合方法研究/开发聊天机器人后通过基于网络的问卷进行评估 | 肺癌/自我管理 | 聊天机器人基于从调查中提取的常见问题开发，集成到LINE社交网络中；使用Google Cloud Dialog Flow和自然语言处理来匹配问题并提供适当回答，包括日英翻译 | 医务人员可以使用聊天机器人类别来教育患者关于症状管理的知识 | 低响应率表明可能存在接受度问题；一些问题的回答不匹配；患者对答案不满意 | 需要进一步研究以改善患者与聊天机器人的互动 |
| 6 | G?rtz等/德国/2023 | 开发并评估一个用户友好的医疗聊天机器人（PROSCA），向患者提供早期前列腺癌诊断信息 | 定量研究/由10名患者评估聊天机器人的可用性、感知到的好处和改进潜力 | 前列腺癌/前列腺疾病教育、诊断测试、分期和治疗选项 | 聊天机器人为患者提供有关前列腺疾病的解剖和功能信息，指导早期诊断机会，根据肿瘤分期提供治疗选项 | 与医疗手册和网站相比，聊天机器人信息更用户友好，更关注解决患者问题，并针对特定患者情况定制；额外信息有助于增加患者知识 | 减少了医生的重复工作，允许更好的个性化护理 | 未报告 |
| 7 | Ku?cu等/土耳其/2023 | 评估ChatGPT对头颈癌相关问题的回答准确性和可靠性 | 定量研究/从专业社区、机构、患者支持团体、社交媒体和ChatGPT回答中收集了154个问题，由两位头颈外科医生评估准确性和重复性 | 头颈癌/回答癌症相关问题 | ChatGPT是一个基于广泛数据（包括网站、书籍和文章）生成类似人类对话的AI模型 | 对患者和医疗专业人员来说是一个有用的信息来源，通过提供最新信息支持临床决策 | 可靠性取决于训练数据的质量；最新版本的ChatGPT需要付费订阅才能访问，限制了公众获取更准确信息的能力 |
| 8 | Pan等/美国/2023 | 描述四个AI聊天机器人（ChatGPT、Perplexity、ChatSonic、Bing）提供的关于皮肤癌、肺癌、乳腺癌、结直肠癌和前列腺癌的信息的质量和准确性 | 定量研究/使用验证工具比较五个常见癌症的AI聊天机器人文本回答；所有聊天机器人使用相同的提示 | 皮肤癌、肺癌、乳腺癌、结直肠癌/回答癌症问题 | ChatGPT 3.5（OpenAI）、Perplexity（Perplexity.AI）、ChatSonic（Writesonic）、Bing AI（Microsoft） | 提供准确可靠的癌症信息 | 回答具有学术水平，但性能较差；可用性受到可读性差和缺乏视觉辅助工具的限制 |
| 9 | Tawfik等/埃及/2023 | 评估ChemoFreeBot对乳腺癌女性自我护理行为以及化疗副作用的频率、严重性和不适感的影响 | 定量研究/150名乳腺癌患者随机分配到ChemoFreeBot组、护士主导的教育组或常规护理组；测量干预前后的自我护理行为和副作用；还评估了ChemoFreeBot的可用性 | 乳腺癌/化疗后的自我护理 | ChemoFreeBot设计了与Android平台的兼容性，可在多种设备上使用；创建了一个知识库以回答自然语言问题，并通过云API QnA Maker添加了对话层 | 有效提高了自我护理行为，通过个性化教育和获取高质量信息减轻了化疗副作用；使护士能够教育乳腺癌患者，并帮助她们积极管理症状 | 对基本信息和简单问题有效，但无法处理复杂问题或理解人类情感；不太可能替代人类互动 |
| 10 | Visvanathan/美国/2023 | 评估一个AI对话代理为癌症患者提供遗传学教育 | 定量研究/在HealthFAX平台上开发的AI对话程序，用于适当的遗传学教育，并评估患者的接受度、使用情况和体验 | 所有类型的癌症/提供遗传学教育 | 聊天机器人基于HealthFAX平台构建，包括管理员门户和虚拟助手工具，提供提供者转诊信息、遗传服务介绍、一般遗传学教育、癌症遗传信息、家族史、样本收集详情、费用、可能的结果和转诊信息 | 未报告 | 成本效益高；为患者提供了有价值的信息 | 聊天机器人无法集成到患者的电子健康记录中 | 注：API QnA = 问答生成器API；缩写：AI = 人工智能，ChatGPT = Chat Generative Pretrained Transformer，FAQ = 常见问题，HIPAA = 医疗保险便携性和责任法案，HIV = 人类免疫缺陷病毒，HPV = 人乳头瘤病毒，UI = 用户界面，VPE = 虚拟患者教育者 |

3.2. 聊天机器人在癌症患者教育中的应用

根据结果，有两篇论文专注于使用聊天机器人进行癌症患者教育，不论癌症类型[7, 23]，其他研究则专注于特定类型的癌症，如前列腺癌[11]、乳腺癌[22, 24]、宫颈癌[20, 21]、肺癌[12]和头颈癌[15]。在两项研究中，聊天机器人被用于辅助自我护理策略[12, 24]，另一项研究帮助患者进行健康监测[7]。其他研究使用聊天机器人提供更多关于乳腺活检[22]、癌症遗传咨询[23]、一般教育、咨询以及回答患者问题[11, 15, 24]的信息。

3.3. 开发用于癌症患者教育的聊天机器人的方法

结果显示，用于一般教育的聊天机器人主要基于OpenAI的ChatGPT、Perplexity、Writesonic的ChatSonic和Microsoft的Bing聊天机器人。两个聊天机器人包含动画角色，能够在实际环境中与用户互动[20, 21]。大多数聊天机器人是从常见问题中构建的，从而形成了一系列针对有限范围癌症特定问题的回答[7, 12, 22, 23]。在两项研究中，使用深度学习技术和知识库构建创建了更全面的聊天机器人[11, 24]。此外，四个聊天机器人被实现为移动应用程序[7, 12, 22, 24]，两个是基于网页的应用程序[11, 23]，两个是桌面应用程序[20, 21]。为了促进更有效的沟通，三项研究将其教育聊天机器人作为消息服务使用[7, 12, 22]。具体来说，在Kataoka的研究中，聊天机器人集成在LINE消息平台上；在Visvanathan的研究中，聊天机器人嵌入在HealthFAX平台上[12, 23]。

3.4. 使用聊天机器人对癌症患者教育的影响

聊天机器人在癌症教育中的应用具有临床和非临床影响。虽然许多研究没有发现临床影响[11, 12, 15, 21, 23]，但一些研究者报告称，降低死亡率[20]、改善医疗结果和患者生活质量[22]、应用适当的治疗策略[22]、辅助早期癌症检测[11]、减少化疗副作用和增强症状控制[24]是临床影响的一些表现。使用聊天机器人进行癌症患者教育的非临床影响包括：简化健康数据收集[20]、克服文化和语言障碍以获取知识[20]、便于健康和卫生教育[11, 12, 21, 22]、改善患者与医疗提供者之间的沟通[7]、减少护理提供者的工作负担[11]、节省时间[11]、向医疗和治疗专家提供信息[15]、辅助临床决策[15]、向患者提供准确可靠的信息[11]，以及减少患者的时间、身体和经济负担[23, 24]。关于使用聊天机器人的评估研究结果令人鼓舞且令人满意。没有研究指出患者在使用聊天机器人后感到不满或抱怨情况恶化。此外，所有研究都强调聊天机器人是有用且支持性的工具。

3.5. 使用聊天机器人进行癌症患者教育的挑战与局限性

如表1所示，与使用聊天机器人教育癌症患者相关的挑战和局限性可以归纳如下：

3.5.1. 技术挑战
在纳入的研究中提到了许多技术挑战。Mendu等人指出了可用性问题，例如可视化图表迅速消失和音频音量较低，这些问题干扰了用户在互动过程中理解教育内容的能力[21]。同样，Pan等人指出，尽管AI聊天机器人通常能够正确交换信息，但其可用性受到可读性差和缺乏视觉辅助工具的限制，这降低了不同健康素养水平的人群的访问能力[25]。此外，Visvanathan等人报告了将用于基因教育的聊天机器人与电子健康记录整合的难度，以及它无法提供个性化建议和自动文档记录的问题[23]。然而，Kataoka等人指出，患者提出的一些问题与聊天机器人的回答之间存在不一致性，这表明所使用的自然语言处理算法存在缺陷[12]。根据Tawfik等人的研究，聊天机器人无法处理复杂的问题或捕捉到情感细微差别，这再次反映了AI能力的局限性[24]。

3.5.2. 聊天机器人回答的准确性、适当性和可读性
多项研究指出了与聊天机器人生成信息的准确性、适当性和可读性相关的挑战。在G?rtz等人的研究中，人们对聊天机器人提供内容的准确性表示担忧，因为这取决于数据源的质量[11]。Kü?cu等人指出了用于AI生成回答的数据库和培训材料的不确定性；因此，目前仍不能完全信任这些信息[15]。根据Pan等人的研究，尽管一些聊天机器人生成的信息通常很准确，但其表述往往过于学术化，这使得没有医学背景的用户难以理解[25]。一些工具无法完全回答所有用户的问题，反映了内容覆盖范围和回答适当性方面的不足。

3.5.3. 低水平的数字素养和对技术的态度
一些研究表明，老年癌症患者的数字素养和对电子健康解决方案的接受程度较低。因此，如果聊天机器人的开发缺乏足够的可靠性和效率，由于用户技术技能有限或对技术持有负面态度，它们可能无法实现预期效果，例如有效利用系统、完成核心教育任务和提升患者知识[7]。Chetlen等人还指出，那些之前很少使用消息应用程序的患者需要更多支持来熟悉聊天机器人界面，以便使用教育内容[22]。这些发现突显了以用户为中心的设计、直观界面以及针对性支持或培训的重要性，特别是对于那些需要更多帮助的人来说。

3.5.4. 与聊天机器人相关的访问性和成本挑战
多项研究指出，成本问题是实施聊天机器人进行癌症患者教育的关键障碍。一些聊天机器人（如ChatGPT）需要购买订阅服务以确保信息的准确性和及时更新。然而，没有经济能力购买此类订阅服务的患者可能无法使用它们[15]。此外，使用聊天机器人通常需要特定的设备（如智能手机、平板电脑或电脑）以及稳定的互联网连接，而这些并不一定所有患者都能具备[23, 24]。这些问题可能会影响老年人、低收入人群以及来自农村或资源匮乏地区的患者。因此，必须解决财务和技术上的可访问性问题，以确保所有患者都能公平地使用聊天机器人进行癌症教育。

3.5.5. 处理复杂的临床问题和人类情感
多项研究强调了聊天机器人在处理复杂临床问题和解读人类情感方面的固有局限性。这些局限性将在后续章节中讨论。聊天机器人无法处理微妙的情感背景和/或复杂的患者查询。Tawfik的报告表明，ChemoFreeBot只能进行简单的教育和症状管理，无法回答更复杂的问题或评估患者的情感状态[24]。一些聊天机器人缺乏个性化功能，从而限制了响应能够根据个别患者需求进行定制的程度。Visvanathan等人表示，AI对话代理能够提供基因教育，但无法根据特定的情感或心理社会问题来调整互动[23]。尽管许多研究表明聊天机器人在提供信息方面很有用，但支持其在提供情感支持或处理高度个性化场景方面的有效性的实证证据仍然有限[23, 25]。这些发现表明，理想情况下，聊天机器人应被视为辅助技术，用于补充而非替代人类医疗服务提供者，尤其是在需要复杂医疗决策或富有同情心的患者护理时。

3.6. 综合讨论
结果表明，使用聊天机器人进行癌症患者教育是一种新的且正在发展的方法，已应用于乳腺癌、前列腺癌、宫颈癌、肺癌和皮肤癌等多种癌症类型，主要目标是提高意识、改善自我护理行为并增加患者与医疗团队的沟通[7, 12, 24]。尽管聊天机器人具有可访问性、节省时间和成本以及内容个性化等优点，但也存在信息准确性低、难以理解复杂临床问题以及缺乏对人类情感理解的挑战[11, 23–25]。老年人的数字素养不足、技术基础设施缺乏以及某些服务的共享成本也是访问障碍[7, 15, 22–25]。此外，技术问题（如与电子健康记录的集成困难和自然语言处理算法的效率低下）也是其他主要挑战[11, 12, 25]。总之，聊天机器人应被视为护理的辅助和补充手段，通过以用户为中心的设计、基于公平性的方法以及持续评估，可以在癌症患者的教育和赋权方面发挥重要作用。

4. 讨论
本综述综合了当前关于使用聊天机器人教育癌症患者的证据，突出了它们的潜力和局限性。总体而言，聊天机器人作为提供个性化信息、支持自我管理和促进患者与医疗服务提供者之间沟通的辅助工具显示出巨大潜力。然而，健康聊天机器人需要被各种不同治疗和诊断场景下的用户使用，并且需要大量的数据输入，如医学术语、症状和治疗信息。这些数据的准确性至关重要，因为未经核实的错误信息可能对患者构成危险[26]。Wang等人指出，由于AI技术的复杂性，在大规模部署之前，需要进行广泛的用户测试和迭代以最大化用户满意度和采用率。未来，聊天机器人将能够访问更丰富的数据集，以扩展其知识库[17]。虽然之前的研究关注了特定类型的癌症（例如Lin等人专注于乳腺癌[13]），但本综述更广泛地综合了证据，深入探讨了聊天机器人 在癌症患者教育中的益处和局限性。在使用方面，这些聊天机器人不仅有助于教育内容和自我护理指导，还能提供个性化互动，例如提醒用药和减轻症状，从而有助于长期管理疾病[2, 3, 7, 11]。这些系统的开发方法通常基于与患者的协作设计框架以及健康专业人员的参与，正如Xu等人强调的那样，需要进行广泛的可用性测试并进行持续改进以提高可用性[16]。在临床效果方面，证据表明聊天机器人可以提高患者的知识水平并提高治疗依从性。同时，研究还提到了非临床效果，例如减轻医疗服务提供者的工作负担和增加非工作时间的信息访问[13]。然而，正如Lin等人和Xu等人指出的，聊天机器人的友好用户界面和创建的互动水平是提高用户接受度和满意度的关键优势[13, 16]。除了临床和非临床影响外，使用聊天机器人也可能面临若干挑战和局限性。例如，尽管过去的研究强调了可用性问题，但聊天机器人内容的准确性和可读性不容忽视。一些研究表明，聊天机器人可以提供正确的临床信息，但有时其回答过于学术化，缺乏视觉辅助工具或与用户查询不匹配[3, 4, 25]。这些局限性引发了关于内容质量、清晰度和与患者健康素养水平匹配度的疑问[7]。其次，虽然大多数以往的研究认为聊天机器人能很好地支持患者教育，但我们的综合研究表明，聊天机器人在处理复杂临床问题和解读人类情感方面能力有限。本研究中的证据表明，尽管聊天机器人在处理患者细微问题和个性化方面表现不佳，但它们的回答仍然难以体现同理心[24]。这与之前研究中的普遍看法相反，强调了将它们视为辅助工具而非替代人类医疗服务提供者的必要性[27]。第三，以往的研究很少讨论不同用户群体的访问水平和公平性问题。我们的研究结果表明，AI聊天机器人（如ChatGPT）的财务障碍和订阅费用、技术前提条件（特别是智能手机和稳定的互联网连接）以及数字素养的局限性可能会影响老年人、低收入人群和农村地区的患者。这些发现强调了开发可访问、包容性强的聊天机器人干预措施以及投资足够的用户支持和培训的必要性[7, 15, 22–24]。最后，技术集成仍然是一个值得关注的挑战。虽然以往的研究更多关注可用性和参与性问题，但我们发现了与电子健康记录的集成不足以及自然语言处理效率低下等相关障碍，这些问题影响了内容的相关性和用户互动[12, 23]。

4.1. 研究意义
根据研究结果，有几个可行的方向可以提升聊天机器人在癌症患者教育中的效果。首先，使用多模态内容（如文本、音频和视觉）可以提高理解和参与度。其次，应增强与电子健康记录的互操作性，以支持个性化教育、实现教育互动的自动化文档记录，并更好地将教育整合到更广泛的临床工作流程中。第三，以用户为中心优化界面设计，包括直观设计和针对低素养人群的针对性培训，将提高可用性和接受度。第四，可能需要简化内容，以确保其符合患者的理解水平，同时确保临床准确性，从而最大化教育效果并减少误解复杂信息的风险。第五，通过减少订阅要求或确保与广泛可用设备的兼容性等策略来降低成本和访问障碍，可以提高不同社会经济和地理人群中的实施公平性。最后，仍需要对教育和心理社会结果进行严格的实证研究；现有研究大多侧重于可用性或满意度，而对学习效果、行为改变或心理社会影响的评估相对较少。

4.2. 研究局限性
尽管当前的研究提供了一些关于使用聊天机器人教育癌症患者的新见解，但仍存在一些局限性。尽管在多个数据库中进行了广泛的搜索，但仍可能遗漏了一些符合条件的研究，特别是非英文出版物或未发表的论文。此外，由于纳入研究中的聊天机器人功能、教育内容和结果测量的异质性，无法进行元分析。尽管如此，综合这些关于聊天机器人在临床和非临床影响方面的证据，以及各种设计特征和实施挑战，为聊天机器人用于癌症患者教育提供了更全面和综合的视角。

5. 结论
本研究强调了使用聊天机器人进行癌症患者教育的应用、开发方法和相关挑战。研究结果表明，总体而言，人们对这项技术的应用持积极态度。聊天机器人有潜力降低成本、改善医疗提供者与患者之间的沟通、及时向患者提供信息、通过提供最新知识协助医疗决策，并节省医疗专业人员的时间。然而，一些挑战不容忽视，例如技术难题、聊天机器人体答的准确性、适用性和可读性、用户的数字素养水平及其对技术的态度，以及聊天机器人的可用性和成本相关问题。本研究的结果可以为未来聊天机器人的研发提供借鉴，需要在设计和开发过程中更加关注这些挑战和局限性。不过，这项技术在实际临床和非临床应用中的影响仍需进一步研究。

作者贡献：
概念构思：Tahere Talebi Azadboni、Meysam Rahmani 和 Haleh Ayatollahi；方法论设计：Tahere Talebi Azadboni、Meysam Rahmani 和 Haleh Ayatollahi；数据分析：Tahere Talebi Azadboni 和 Meysam Rahmani；撰写初稿：Tahere Talebi Azadboni 和 Meysam Rahmani；审稿与编辑：Tahere Talebi Azadboni 和 Haleh Ayatollahi；指导工作：Haleh Ayatollahi。

资金支持：
本研究由伊朗德黑兰医科大学健康管理经济研究中心（Health Management and Economics Research Center, Health Management Research Institute, Iran University of Medical Sciences, Tehran, Iran）资助和提供支持。

伦理声明：
本研究遵循《赫尔辛基宣言》的原则进行。研究已获得伊朗医科大学伦理委员会的批准（IR.IUMS.REC.1403.359）。

利益冲突声明：
所有作者均声明没有利益冲突。

数据可用性：
支持本研究结果的数据可应合理要求向相应作者索取。

补充信息：
与本研究相关的额外材料作为支持文件提供（附件A：搜索策略）。