编辑推荐：
为解决约旦政府医院医疗服务质量相关问题，Zarqa University 的研究人员开展战略远见对医疗服务质量影响的研究。结果显示 AI 解决方案在其中起中介作用。推荐阅读，助您了解前沿医疗研究，把握行业新动态。
Zarqa University 的研究人员 Salma Sami Alajrab 等人在《BMC Nursing》期刊上发表了题为 “The influence of strategic foresight on quality of healthcare services in the presence of artificial intelligence solutions in Jordan” 的论文。这篇论文聚焦于医疗健康领域，在人工智能（AI）蓬勃发展但应用尚不完善，且医疗服务质量提升面临诸多挑战的背景下，探究战略远见（strategic foresight，一种基于定量或定性分析，用于探究未来可能情景的系统过程）与医疗服务质量之间的关系，对改善约旦政府医院的医疗服务质量、推动 AI 在医疗领域的合理应用有着重要意义 ，也为全球范围内类似研究提供了参考范例。
一、研究背景
随着科技的飞速发展，AI 在医疗领域的应用愈发广泛。AI 驱动的医疗和数字健康解决方案能实现手动任务自动化、提升数据理解与分析能力、辅助识别趋势、降低战略不确定性，进而优化决策，改善诊断、患者护理及医疗研发等工作 。数字健康将数字技术与健康信息相融合，旨在提高医疗服务效率和质量。计算机化健康信息系统（HIS）对医院运营至关重要，电子健康记录（EHRs）也成为宝贵的现实数据来源。
然而，医疗服务质量的提升并非易事。它不仅依赖于先进的基础设施、技术和设备，还与医疗人员的专业能力、服务意愿、对患者需求的关注度，以及充足的物理设施、设备、沟通渠道和有效的组织文化管理等因素息息相关。尽管 AI 在医疗领域展现出巨大潜力，但在约旦等发展中国家，其在医疗系统中的应用尚未充分展开。而且，AI 的快速普及也带来了健康不平等问题，如不同群体间健康状况差异和医疗资源分配不均 。
在约旦，民众能接触到多种医疗设施，但政府医院的医疗服务质量常被诟病，难民给医疗系统带来的压力等因素导致服务质量下降，远程医疗技术也无法满足需求。同时，未能及时适应现代模拟真实医疗体验的技术，影响了患者护理质量，造成诊断、治疗、监测、资源利用、时间管理和决策速度等方面的延误 。
此前，关于 AI 解决方案在约旦政府医院医疗质量提升中的作用，以及战略远见对改善医疗服务质量的研究相对匮乏。对于战略远见、AI 解决方案采用和医疗服务质量这三个变量之间的关系强度和方向，学界也缺乏深入探索。本研究正是基于这些研究空白展开，试图填补知识缺口，为约旦乃至全球医疗服务质量的提升提供理论依据和实践指导。
二、研究方法
- 研究设计与场景：本研究采用描述性定量分析和横断面相关研究方法。横断面研究虽难以确定变量间因果关系，但能控制成本和时间，为后续深入研究提供初步依据 。研究选取约旦中部地区（安曼、盐、扎尔卡和马达巴）隶属于约旦卫生部（JMOH）的政府医院作为研究场景，这些医院是约旦主要的综合性和转型医院，提供二级和三级医疗服务。研究选择了 Al - Basheer Hospitals、New Zarqa Governmental Hospital、Al - Hussein Hospital 和 AL - Nadeem Hospital 这四家床位数量最多、人口密度最高的医院，它们最具代表性，共有 2868 名护士 。
- 样本选取：研究样本为在这些医院工作的护士，采用便利抽样法。研究人员利用 G*Power 软件，基于 0.8 的功效估计、0.05 的显著性水平、0.15 的中等效应量和 8 个预测变量，计算出所需样本量约为 109 人，但实际收集了 270 个样本，以降低 II 型错误概率 。研究排除了其他医疗和非医疗工作者、非在职护士（休假、退休或未执业），以及 National Center for Mental Health 及其附属医院（Al Karama Hospital 和 Addicts Rehabilitation Hospital）的护士，因为这些机构护士数量报告不足且具有心理学专业特殊性。
- 研究测量：研究人员使用 Google Forms 创建了五点李克特量表的自填式问卷，并将其翻译成阿拉伯语，之后由英语翻译专家回译以确保准确性。问卷涵盖三个部分：战略远见（19 个项目，克隆巴赫 α 系数约为 0.7，重新计算后为 0.960 ，显示出良好的内部一致性）、医疗服务质量（基于 SERVQUAL 模型的 20 个项目，克隆巴赫 α 系数超过 0.7，重新计算后为 0.959 ）、AI 解决方案（基于技术接受模型 TAM 的 15 个项目，克隆巴赫 α 系数超过 0.70，重新计算后为 0.941 ），共 54 个项目。
- 数据收集与分析：在完成研究计划的设计、工具的效度和信度验证后，研究人员向护士们解释了研究的重要性、参与的自愿性和保密性，以及问卷填写所需时间（15 - 20 分钟） 。2024 年 1 月至 2 月期间，共发放 270 份问卷，回收 240 份有效问卷，有效回收率为 88.9% 。研究人员使用 SPSS v26 和 AMOS SPSS v26 软件对数据进行分析，运用适当的统计检验方法来回答研究问题 。
- 伦理考量：研究获得了约旦卫生部伦理委员会（批准号 3/2023）和扎尔卡大学机构审查委员会（IRB，3/2023）的批准。在研究开始前，各医院继续教育办公室进行了审查，研究人员签署了伦理承诺书，问卷也经过审核 。研究工具使用获得了原作者的批准，且研究过程中取得了参与者的同意，研究无资金资助 。
三、研究结果
- 样本人口统计学特征：参与研究的护士中，女性占 80.4%，男性占 19.6%；学历方面，59.6% 的参与者拥有学士学位，30.8% 为大专学历，9.6% 拥有研究生学位；护士岗位中，注册护士占 64.6%，注册助产士占 25.8%，助理护士占 7.9%，护理助理占 1.7% 。参与者平均年龄为 36.16 岁，标准差为 7.941 岁，平均工作经验为 12.73 年，标准差为 7.937 年。
- 变量间相关性与回归分析：通过皮尔逊相关系数（Pearson’s r）和简单线性回归分析发现，战略远见与医疗服务质量之间的相关系数（r）为 0.279，决定系数（R square）为 0.078，这表明战略远见能解释 7.8% 的医疗服务质量变化 ；战略远见与 AI 解决方案采用之间的 r 为 0.543，R square 为 0.295，即战略远见能解释 29.5% 的 AI 解决方案采用变化 ；AI 解决方案采用与医疗服务质量之间的 r 为 0.432，R square 为 0.187，意味着 AI 解决方案采用能解释 18.7% 的医疗服务质量变化 。这些相关性在 0.01 水平上具有统计学意义，表明变量之间存在线性关系 。
- 中介效应分析：研究发现，战略远见对医疗服务质量存在显著的间接效应（b = 0.216，p = 0.004） ；但在 AI 解决方案作为中介变量的情况下，战略远见对医疗服务质量的直接效应不显著（b = 0.063，p = 0.398） 。这说明 AI 解决方案完全中介了战略远见与医疗服务质量之间的关系，即战略远见通过影响 AI 解决方案的采用，进而影响医疗服务质量。
四、研究结论与讨论
- 研究结论：本研究表明，在约旦政府医院中，战略远见与医疗服务质量、AI 解决方案采用之间存在显著的直接关系 。同时，AI 解决方案在战略远见与医疗服务质量之间起到了完全中介作用 。这意味着，战略远见能够通过推动 AI 解决方案的采用，间接提升医疗服务质量。因此，护理管理者应促进战略远见和 AI 解决方案的融合，以改善医疗服务。
- 研究讨论：本研究结果与多项已有研究相互印证。例如，与利用参与式远见方法研究安大略省非正式痴呆护理人员实施电子健康服务模型的研究结果一致，都强调了理解需求和技术影响对提升服务质量的重要性 ；也支持了战略远见与成本节约策略相关，进而提升服务质量的观点 。此外，研究还证实了战略远见与 AI 解决方案采用之间的紧密联系，以及 AI 解决方案对医疗服务质量的积极影响 。
从实践意义来看，基于战略远见采用 AI 解决方案，有助于早期疾病检测、准确诊断和有效治疗，改善患者健康结局 。它还能帮助公共卫生部门更好地识别医疗需求，预测人口结构变化，优化资源分配 。对于护士和护理组织而言，战略远见能助力其预测人口发展趋势，调整工作方法，提升专业技能 。在政策层面，AI 解决方案与战略远见的结合，为医疗领域的战略规划提供了有力支持，有助于解决政府医院面临的资源预测与分配、人员管理和技术提升等问题 。
研究也存在一定局限性。研究采用非实验性描述性方法，无法确定变量间的因果关系 ；横断面研究在同一时间测量关键变量，不能反映变量随时间的变化 ；样本选取的非随机性和研究场景的局限性，使得研究结果的普适性受到一定影响 ；自填式问卷依赖受访者的信息记忆，可能存在信息偏差 。
未来研究可以朝着多个方向展开。建议融合技术接受模型、SERVQUAL 理论框架和战略远见框架，设计基于 AI 的医疗质量预测系统 。医院管理者和变革推动者应深入分析阻碍 AI 技术在医疗领域应用的因素，未来研究也应从患者和医疗服务提供者的角度出发，探究影响医疗服务质量结果预测的障碍和因素 。此外，分析影响医院护士行为的因素、评估护士对数字健康系统的体验，以及进一步剖析医疗质量与战略远见和 AI 采用之间的关系，也将为该领域的发展提供更多有价值的信息 。
总的来说，这项研究为理解战略远见、AI 解决方案与医疗服务质量之间的关系提供了重要依据，尽管存在局限性，但为后续研究和实践改进指明了方向，有望推动医疗服务质量在 AI 时代实现更大提升。
