Exploring the acceptability of and implementation of SUGEST: Diverse caregivers' perspectives on a machine learning-supported prognostic tool for earlier identification of palliative care needs
本研究探讨了苏格兰不同背景的家庭照护者对 SUGEST 机器学习工具的看法，结果显示，尽管他们认为该工具能通过实现早期识别姑息治疗需求来助力及时的规划与支持，从而具有价值，但其接受度和成功实施仍取决于数据的透明度、临床医生的监督、富有同理心的沟通以及健全的行动路径。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
随着人们寿命的延长以及需要应对日益复杂的健康状况，医疗护理从试图治愈疾病转向支持患者度过生命最后阶段的时机，变得越来越难以精准界定。理想情况下，这种转变应当发生得足够早，以便进行冷静的规划、症状管理，并留出与亲人共处的重要时光。然而，在许多医疗体系中，这种转变往往只在经历了一系列令人恐惧的紧急情况后才发生，导致家属在患者病情恶化时，不得不面对一段混乱的过程。为了解决这一问题，研究人员正在探索计算机是否可以通过分析常规医疗记录来帮助更早地发现衰退的迹象。这些被称为机器学习模型的数字工具，通过观察一个人就医或住院的频率模式，希望能标记出那些可能在危机爆发前就需要专业支持的人群。这种预判的意义在于，及早发现这些模式可以开启更好的护理，但这项技术只有在受其影响的人们——即患者及其家属——信任它，并且医疗系统准备好根据其提供的信息采取行动时，才是真正有效的。
苏格兰的一个研究小组最近调查了家庭照护者对一种名为 SUGEST 的工具的看法。该项目旨在利用日常健康数据，识别那些频繁使用急救服务的年长者，这表明他们可能在临终关怀方面存在未被满足的需求。研究人员并没有在实验室里开发出工具后再去询问人们是否喜欢它，而是首先倾听了那些受此影响最深的人的声音。他们采访了十五位在亲人生命最后阶段对其进行照护的丧亲家属。这些参与者的背景十分多样，包括经常面临医疗障碍的群体，如少数族裔、难民，以及生活在贫困或农村地区的人群。其目标不仅是看这项工具在技术上是否可行，还要了解它对于其设计的服务对象而言是否具有接受度，以及在公平且有效地使用该工具时需要满足哪些条件。
对话揭示了对当前护理交付方式的深切挫折感。照护者描述了一个反复危机的循环：他们的亲人被匆忙送往医院，随后被遣返回家，接着又再次被匆忙送回医院，而没有人能将这些碎片联系起来以洞察全局。他们谈到了漫长的等待、不同医生之间支离破碎的沟通，以及姑息治疗（即针对严重疾病的专业支持）引入得过晚的问题——通常是在死亡迫在眉睫时才介入。对许多人来说，“姑息治疗”这个词听起来像是一个威胁，意味着治疗已经停止，而非一种安慰和实际帮助的来源。由于这些经历，人们对于通过计算机工具来更早发现支持需求的想法持有谨慎乐观的态度。照护者并不希望机器去预测死亡；他们希望这能作为一个触发对话和制定计划的信号，而不是在情况变成紧急状态时才介入。
然而，研究人员发现，这种乐观情绪是有条件的。照护者明确表示，只有在建立在可靠基础之上时，他们才会接受这样的工具。他们担心用于训练计算机的数据可能是不完整或有偏差的，特别是对于那些由于语言障碍、贫困或对系统不信任而较少使用医疗服务的人群。如果计算机只向频繁就医的人学习，它可能会错过那些在家里默默承受痛苦的人。参与者强调，该工具绝不能取代人类的判断。他们希望医生将计算机的警告视为一次主动询问的契机，而不是最终的结论。他们坚持认为，任何风险识别都必须立即转化为实质性的支持，例如由护士解释发生了什么、制定居家护理计划或提供实际需求方面的帮助。如果没有这种后续跟进，他们认为仅仅标记一名患者是残酷的，因为这会在不提供解决方案的情况下增加焦虑。
沟通成为了另一个关键因素。照护者强调，信息的传递方式与信息本身同样重要。他们更倾向于与了解其家庭史的信任的专业人员进行面对面的交谈，而不是通过电话或信函。他们希望讨论发生在安静、私密的场所，而不是繁忙的急诊室。至关重要的是，他们希望保留对过程的控制权。他们认为患者应该有权选择是否接收此类信息，并希望决定由谁参与讨论。研究人员指出，对于某些家庭而言，文化或宗教信仰可能会使直接讨论生命终结变得困难，因此系统需要具备足够的灵活性以尊重这些偏好。该工具被视为开启一场充满慈悲心的对话之门，但前提是走入这扇门的必须是一个具备专业技能且富有同理心的人。
研究得出结论，像 SUGEST 这样的机器学习工具，其价值不在于其计算风险的能力，而在于其创造早期更好护理的机会的能力。照护者看到了这些工具打破“危机驱动型护理”循环的潜力，从而让家庭能够提前规划并感到不再被遗弃。然而，他们也同样明确，技术本身无法解决问题。要使系统发挥作用，需要可靠的数据、拥有足够资源来响应警报的医疗系统，以及经过敏感性和谦逊态度培训的从业人员。研究人员发现，如果满足这些条件，此类工具可以帮助将关注点从应对紧急情况转向支持人们带着尊严和清晰感走完最后的旅程。如果这些条件未能满足，该工具则面临着强化现有不平等并无法实现其承诺的风险。根据受访家庭的说法，未来的路径取决于确保技术服务于人，而不是相反。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。