中国の多くの病院では、新しい形のケアが形作られつつあります。数十年にわたり、標準的なモデルは、食事や清掃、モニタリングなどの介助のために、家族が患者の枕元に24時間付き添うことに依存してきました。しかし、人口の高齢化と家族構成の小規模化が進むにつれ、これらの役割を担える人々が減少しています。この問題を解決するため、一部の病院では「付き添いなし病棟」を導入しています。これらの病棟では、専門の看護チームが日常的なケアの全責任を担うため、家族は24時間の身体的介助という負担を負うことなく、面会を行うことができます。これは家族の負担を軽減する一方で、すべての患者に対して絶え間ないモニタリングや基本的な業務を行わなければならない看護スタッフには、重い負荷を強いることになります。このギャップを埋めるために、病院はコンパニオン・ロボットの試験運用を開始しています。これらの機械は、バイタルサインのチェック、リマインダーの提供、親しみやすい声での対話といったルーチン業務をこなすよう設計されており、人間のケアチームのデジタルなパートナーとして機能します。
この新しいシステムの決定的な問いは、ロボットが機能するかどうかではなく、患者がそれを受け入れるかどうかです。四川省の大型病院で行われた最近の研究は、患者がどのように回復空間を機械と共有することについて感じているかを正確に理解しようと試みました。研究チームは、付き添いなし病棟に入院している425人の患者に焦点を当てました。すべての患者を同じ平均的な意見を持つ一つのグループとして扱うのではなく、チームは群衆の中に隠れたパターンを見出す手法を用いました。彼らは患者に対し、ロボットがどれほど有用に見えるか、どれほど信頼できるか、使いやすいかといった様々な側面について、ロボットに対する感情を評価するよう求めました。これらの回答を分析することで、研究者は、患者が画一的なカテゴリーに属しているわけではないことを発見しました。その代わりに、彼らはその態度に基づいて、自然に3つの異なるグループに分類されました。
第一のグループは、患者の約半分を占める「積極的受容」グループでした。これら203名は、このアイデアに熱狂的でした。彼らはロボットが有用であると信じ、使用する場面を容易に想像でき、テクノロジーに対して信頼感を感じていました。彼らは、機械を病院での体験を向上させるための役立つツールと見なしていました。第二のグループは、患者の約3分の1を占める「慎重な受容」グループです。これら139名は、アイデアには寛容でしたが、一歩引いていました。彼らは潜在的な利益を認識してはいたものの、実用的な詳細については不透明だと感じており、ケアをロボットに完全に任せることには躊躇していました。第三の、そして最も小さいグループは、患者の約5分の1を代表する「様子見」グループです。これら83名は懐疑的でした。彼らはロボットの援助能力に対して自信が持てず、使用することに不安を感じ、安全面と信頼性のさらなる証拠が見られるまで導入を見送りたいと考えていました。
研究はさらに進み、誰がどのグループに属するかを理解しようとしました。研究者は、年齢、教育水準、および所得が、患者の立場を予測する強力な要因であることを発見しました。高齢の患者、教育水準が低い患者、および世帯収入が低い患者は、懐疑的または慎重なグループに属する可能性が著しく高いことが分かりました。逆に、教育水準が高く、より高い所得を持つ若い患者は、積極的な採用者となる傾向がありました。また、研究は心理的要因についても調査しました。医療スタッフや家族から強いサポートを得ていると感じている患者や、新しいタスクをこなす自分自身の能力に自信を持っている患者は、ロボットを受け入れる可能性が非常に高いことが分かりました。一方で、テクノロジーに対してすでに不安を感じていたり、ロボットは真の人間によるケアを提供できないのではないかと心配したりしている患者は、そのアイデアを拒絶する可能性が最も高い人々でした。
これらの知見は、単に病院の部屋にロボットを配置するだけでは、それが効果的に使用されることを保証するには不十分であることを示唆しています。研究は、患者は皆同じではないため、このテクノロジーを導入する際に「一律のアプローチ」をとることは失敗する可能性が高いことを示しています。研究は、高齢者、教育水準が低い人々、そしてサポートが不足していると感じている人々といった、最も脆弱なグループこそが、テクノロジーに対して抵抗を示す可能性が高いことを強調しています。これらのロボットを機能させるためには、病院はアプローチをカスタマイズする必要があるかもしれません。躊躇している患者に対しては、単にテクノロジーを説明するのではなく、実践的なトレーニングや安全機能の実演を通じて、自信を構築することに焦点を当てるべきです。熱心なグループに対しては、他の人々が安心感を持てるよう手助けすることを促すことができます。結局のところ、これらのデジタル・コンパニオンの成功は、機械がより多くのタスクを担うようになっても、ケアの人間的な要素が中心であり続けるよう、テクノロジーを人々の特定のニーズや恐れに適合させられるかどうかにかかっています。
技術要約：付き添いなし病棟におけるコンパニオンロボットへの患者の受容に関する潜在プロファイル分析
問題提起
家族による24時間のケアを専門的な看護チームが代替する「付き添いなし病棟」の導入が進む中国において、深刻な労働力不足と、特に高齢者の情緒的・モニタリングニーズへの対応という課題に直面している。コンパニオンロボットは、標準化されたケアと情緒的な交流を実現するための潜在的な解決策であるが、臨床現場での採用については依然として不透明である。ロボットの受容に関する既存の研究は、主に地域居住の高齢者や医療従向を対象とした変数中心型のアプローチ（回帰分析、構造方程式モデリングなど）を用いてきた。これらの手法は集団の均質性を前提としているが、入院患者の間には異なる態度のサブグループが存在する可能性があり、それを見落とす恐れがある。これまで、付き添いなし病棟の入院患者に対して潜在プロファイル分析（LPA）を適用した研究はなく、それに応じたターゲットを絞った普及戦略の開発が困難となっている。その結果、付き添いなし病棟の患者における具体的な受容プロファイルや、それらの差異を駆動する要因に関する実証的エビデンスが不足しており、スマート看護機器の標的を絞った普及戦略の策定を妨げている。
方法論
本横断的研究では、四川省の三次病院の心臓胸部外科において、付き添いなしケアモデルの下で運営されている入院患者425名を対象にリクルートを行った。データ収集は2025年6月から2026年3月にかけて行われた。
- 調査用具： 本研究では、妥当性が確認された一連の尺度を用いた：
- Almere Technology Acceptance Questionnaire (ATAQ)： ロボット受容の9つの次元（態度、意図、適応性、楽しさ、使いやすさ、社会性、有用性、社会的存在感、信頼）を測定。
- Medical Outcomes Study Social Support Survey (MOS-SSS)： 医療的社会的支援を評価。
- PROMIS Emotional Support Short Form： 情緒的支援レベルを評価。
- Negative Attitude towards Robots Scale (NARS)： ロボットに対する不安および否定的な態度を測定。
- General Self-Efficacy Scale (GSE)： 患者自身の能力に対する自信を評価。
- 人口統計学的質問票： 年齢、教育水準、所得、職業、および臨床状態に関するデータを収集。
- 統計解析：
- 潜在プロファイル分析 (LPA)： Mplus 8.3を用い、ATAQの各次元のスコアに基づき、観察されないサブグループ（プロファイル）を特定するために実施。モデルの適合度はAIC、BIC、aBIC、Entropy、LMRT、およびBLRTを用いて評価した。
- 単変量解析： 特徴的な人口統計学的変数および心理社会的変数を、特定されたプロファイル間で比較するために、カイ二乗検定および一元配置分散分析（one-way ANOVA）を実施。
- 多項ロジスティック回帰分析： 「様子見（wait-and-see）」グループを参照カテゴリとして、プロファイル所属の独立した予測因子を特定するために実施。
主な結果
- 3つの潜在プロファイルの特定： LPAにより、3クラスモデルが最適であることが特定された（Entropy = 0.868）。これにより、受容における有意な異質性が明らかになった：
- 様子見型の受容 (Wait-and-see acceptance) (19.53%, n=83)： すべての次元で低スコアを示し、保守的な態度と低い信頼性を反映している。
- 慎重な受容 (Cautious acceptance) (32.71%, n=139)： 中程度のスコアを示し、有用性は認識しているものの、実際の活用や信頼に関しては依然として躊躇している。
- 積極的な受容 (Active acceptance) (47.76%, n=203)： すべての次元で高スコアを示し、コンパニオンロボットに対する強い認識と使用意欲を示している。
- 人口統計学的決定要因： プロファイル間で、年齢、教育水準、および世帯所得に関して有意な差が認められた（P<0.001）。高齢、低学歴、および低所得は、より低い受容を示すプロファイルと関連していた。特筆すべき点として、性別、疾患診断、および婚姻状況は、グループ間で有意な差を示さなかった。
- 心理社会的予測因子：
- 勾配分布： 医療的社会的支援、情緒的支援、および一般的自己効力感のスコアは、勾配（積極的受容 > 慎重な受容 > 様子見型受容）に従った。一方で、ロボットに対する否定的な態度は逆の傾向を示した。
- 回帰分析の結果： 高齢、低学歴、低所得、低い自己効力感、およびロボットに対する否定的な認識が、低受容プロファイルに分類される独立したリスク因子として特定された。情緒的支援は単変量解析では有意な差を示したが、多項ロジスティック回帰においては有意な独立した予測因子ではなかった（P=0.222）。対照的に、高い医療的社会的支援は、積極的な受容グループに属する可能性を有意に高めていた。
主な貢献
- 方法論的転換： 本研究は、付き添いなし病棟の入院患者という特定の文脈において、変数中心型のアプローチを超え、人中心型の潜在プロファイル分析を適用した。これにより、ロボット受容は均質な構成概念ではなく、明確に識別可能な個別のサブグループから成ることが確認された。
- 文脈的特異性： 付き添いなし病棟の入院患者に対して潜在プロファイル分析を適用した初の事例であり、コミュニティや介護施設での研究とは区別される。研究結果は、この環境において、受容は「家族の助けなしにテクノロジーを自律的に扱う能力」に対する患者自身の評価に強く影響されることを示唆している。
- 心理学的経路の解明： 本研究は、外部からの支援（具体的には医療的社会的支援）が自己効力感を高め、否定的な態度を軽減させることで、受容を促進するという、修正可能な心理学的経路を明らかにしている。これは、ハードウェアの変更を必要としない介入のための理論的枠組みを提供するものである。
意義と主張
著者らは、これらの知見がスマート看護機器の層別化された精密な普及のための実証的エビデンスを提供すると主張している。高リスク群（高齢者、低学歴、農家/退職者）を特定し、心理的メカニズム（自己効力感、医療的社会的支援、否定的態度）を理解することで、臨床現場は「一律（one-size-fits-all）」の教育から脱却できる。
本研究は、臨床実装において以下のプロセスを提案している：
- 層別スクリーニング： 入院時に「様子見」または「慎重」のカテゴリーに該当する可能性が高い患者を特定すること。
- ターゲットを絞った介入： 低受容グループに対しては、ハンズオン形式のトレーニングや簡略化されたインターフェースなどの差別化された健康教育を実施し、受容を促すためのピア・シェアリング・モデルを活用すること。
- ケアモデルの最適化： これらの洞察を統合して、「看護師 ＋ 看護助手 ＋ コンパニオンロボット」の協調モデルを最適化し、ロボットの機能が年齢に配慮されたもの（age-friendly）であることを保証し、心理的障壁に対処することで、付き添いなし病棟サービスの運用効率と質を向上させること。
著者らは、単一施設での便宜的サンプリング、因果推論を妨げる横断的研究デザイン、および自己報告データへの依存といった限界を認めており、これらの知見を検証するためには、将来的な縦断的研究および介入試験が必要であるとしている。
毎週最高の 医学 論文をお届け。
スタンフォード、ケンブリッジ、フランス科学アカデミーの研究者に信頼されています。
受信トレイを確認して登録を完了してください。
問題が発生しました。もう一度お試しください。
スパムなし、いつでも解除可能。
週刊ダイジェスト — 最新の研究をわかりやすく。登録