语言复杂度与医患沟通：PIA 研究对高血压管理的启示

《BMC Medicine》：Language complexity of patient-physician chat communication on hypertension control: results of the cluster-randomised PIA study

为解决医患聊天语言复杂性影响患者理解及医疗结果的问题，研究人员开展 PIA 研究，发现聊天语言复杂度低且多交流可改善血压控制，支持数字通信用于高血压护理。

　　

一、研究背景

在医疗领域，医患沟通至关重要，它是患者满意度、预防不良事件以及实现理想健康结果的关键所在。然而，现实中存在诸多阻碍医患有效沟通的因素。一方面，患者语言能力有限，可能无法准确理解医生的专业表述；另一方面，医生使用的复杂语言以及医学文档的高难度，常常让患者在理解相关信息时感到困难重重。例如，研究表明，英语水平欠佳的患者因医院不良事件遭受身体伤害的几率比其他人高出 19.6%；在加拿大的一项多中心研究中，语言差异也被视为中风结果差异的一个标志。此外，像维基百科上的医学相关文本，以及新冠疫苗试验的知情同意文件等，语言复杂度普遍较高，给患者的理解造成了很大障碍。

随着信息技术的飞速发展，电子邮件、短信、博客以及个人聊天等数字通信方式逐渐在医患沟通中得到广泛应用。它们不仅用于传递简单的实用信息，如预约安排，还被应用于复杂的数字干预，以改善医疗流程和健康结果。但令人遗憾的是，目前针对医患之间个人电子聊天沟通的科学研究却相对较少，尤其是关于语言复杂度方面的研究更是匮乏。

在此背景下，为了深入了解医患聊天沟通中的语言复杂度以及相关的沟通特征，探究其对健康结果的影响，德国波恩大学医院（University Hospital Bonn）的 Simon-Konstantin Thiem、Lucas Küppers 等研究人员开展了此项研究。该研究成果发表在《BMC Medicine》杂志上，为高血压管理及医患沟通提供了新的思路和依据。

二、研究方法

1. 研究设计与实施：该研究基于 PIA 研究（PC-supported case management of hypertensive patients to implement guideline-based hypertension therapy using a physician-defined and supervised, patient-specific therapeutic algorithm）的干预组聊天对话进行分析。PIA 研究是在德国 64 家普通诊所开展的一项集群随机对照试验，从 2020 年 9 月至 2021 年 9 月，招募了年龄在 40 - 79 岁、血压未控制（≥140/90 mmHg）且至少需要一种抗高血压药物的患者。所有参与者（医生和患者）均提供了书面知情同意书，诊所被随机分配到干预组（使用 PIA 信息通信技术，PIA-ICT）或对照组（常规护理）。
2. PIA 干预措施：干预组接受了复杂的 PIA 干预，包括为患者提供的 PIA 应用程序（PIA app）和为诊所提供的实践管理中心（PIAPrMC），同时两组均接受教育项目（PIA education）。PIA app 具有聊天沟通、处方请求、新药物计划调整以及传输患者血压读数等功能。
3. 研究结果评估：主要结果是评估患者和医生聊天信息的语言复杂度，使用 Flesch 指数（分为从 “难” 到 “非常简单” 七个等级）和德语版 Flesch 阅读易度测试进行测量。次要结果包括聊天特征（如消息数量、持续时间等）、使用词汇的频率、聊天内容分析等。此外，还分析了患者和医生的社会人口学特征以及血压测量数据。
4. 数据处理与分析：聊天数据从 PIA-ICT 导出为匿名文本文件，与患者和医生的相关信息合并后再次匿名化处理。使用 Python 和 R 软件进行数据分析，包括计算频率、均值、标准差等，通过 t 检验和广义线性混合模型（GLMM）分析变量之间的关联。

三、研究结果

1. 研究对象基本特征：参与分析的 363 名患者中，55.9% 为男性，平均年龄 56.5 岁，多数已婚或与伴侣同住（67.8%），健康状况良好或更好（66.1%），且就业（61.7%）。参与的医生中，58.3% 为男性，平均执业 7 年，47.8% 在单人诊所工作，技术亲和力平均得分为 2.8（满分 6 分）。
2. 语言复杂度：患者和诊所消息的平均 Flesch 值显示使用的是简单语言（患者：100.1，SD 17.2；诊所：92.6，SD 13.5）。大多数（88.9% 的诊所和 92.3% 的患者）使用简单或非常简单的语言，且语言复杂度与患者教育水平、健康状况以及医生的性别、执业年限和技术亲和力均无显著关联。不过，自动生成的消息（如通知新药物计划或处方可领取）语言复杂度较高，平均 Flesch 值为 41.38（属于困难到相当困难）。
3. 聊天特征：共发送 4231 条消息，其中 22.2% 为自动消息。非自动消息中，41.0% 由患者发送，59.0% 由诊所发送。患者消息平均长度为 22.6 个单词，诊所消息为 16.8 个单词，自动消息为 7.0 个单词。平均聊天对话间隔为 176.8 天，平均每 13.2 天发送一条消息。此外，女性医生发送的消息明显长于男性医生。
4. 聊天内容：对非自动消息的词频分析发现，主要话题包括血压、测量、药物等。患者和诊所使用的词汇存在显著差异，患者多使用一般健康术语，诊所则侧重于技术和治疗相关语言。聊天内容分析显示，诊所与患者沟通中最常见的话题是 “血压治疗、测量、药物的更新”（占 47.1%），患者与诊所沟通中最常见的话题是 “确认或感谢”（占 23.2%）。同时，诊所更频繁地提及血压测量、研究程序和进一步程序的询问。
5. 与血压控制的关系：线性回归模型表明，诊所与患者之间更频繁的聊天消息与更好的血压控制显著相关（收缩压 SBP：诊所消息 β = 1.63，p < 0.001；患者消息 β = 9.06，p < 0.001；舒张压 DBP：诊所消息 β = 1.69，p < 0.001；患者消息 β = 10.08，p < 0.001）。此外，患者主观幸福感降低时，会更早联系医生，且未发生不良事件。
6. 其他发现：聊天中还涉及高血压以外的多种信息，如地区洪水、疫苗接种、其他疾病治疗等。医生也会根据患者提及的健康问题，通过 PIA 系统调整治疗方案。

四、研究结论与讨论

该研究表明，PIA 聊天系统在患者和医生中得到了频繁使用和广泛接受。医患之间的语言复杂度较低，且与患者的健康状况、教育程度以及医生的特征无关，这与以往认为医生倾向使用复杂语言影响患者理解的观点相悖。虽然本研究仅分析了全科医生的数据，结论可能无法推广到所有类型的医生，但这依然为医患沟通提供了新的视角。

研究还发现，自动消息的语言复杂度较高，未来可借助人工智能驱动的简化方法提高其可读性。此外，本研究存在一定局限性，如未测量患者对信息的理解程度，患者对研究的知晓可能影响其语言使用，且研究结果可能受智能手机使用和数字素养的限制，也不适用于其他患者群体、疾病和场景。

总体而言，该研究支持使用聊天通信进行高血压护理等主题的医疗服务，为未来研究人工智能生成的聊天沟通中的语言复杂度以及在更广泛患者群体中的应用奠定了基础，对改善医患沟通、提升医疗服务质量具有重要意义。