摘要：目的 探索采用不同實施科學(xué)研究設(shè)計的關(guān)注熱點與趨勢，為推動實施科學(xué)在臨床醫(yī)療護(hù)理研究中的應(yīng)用提供研究設(shè)計參考。方法 檢索Web of Science文獻(xiàn)并用CiteSpace軟件對其進(jìn)行可視化分析，主要包括發(fā)文量、國家及機(jī)構(gòu)、高頻關(guān)鍵詞、聚類及突現(xiàn)。結(jié)果 共檢索到1946篇論文和364篇綜述，發(fā)文量總體呈上升趨勢;美國發(fā)文最多，占26.49%，機(jī)構(gòu)中美國華盛頓大學(xué)發(fā)文最多，占14.29‰;研究熱點圍繞艾滋病毒、模型、機(jī)器學(xué)習(xí)、項目等，研究趨勢有深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、挑戰(zhàn)、障礙、公共衛(wèi)生和分類等。結(jié)論 學(xué)者們基于實施科學(xué)不同類型研究設(shè)計開展了大量研究，以人工智能技術(shù)助力，推動實施科學(xué)快速發(fā)展與成果傳播，建議學(xué)者未來基于實施科學(xué)的理論框架，進(jìn)一步識別影響干預(yù)措施實施的因素，推動措施轉(zhuǎn)化落地，以達(dá)到預(yù)期的健康效益。

關(guān)鍵詞：實施科學(xué);研究設(shè)計;類型;可視化;研究熱點

中圖分類號：R47 文獻(xiàn)標(biāo)識碼：A DOI：10.3969/j.issn.1006-1959.2024.20.004

文章編號：1006-1959（2024）20-0028-06

Research Hotspot and Trend of Three Types of Research Design of Implementation Science Basedon Knowledge Graph

LIU Lu1，PENG Tingting2，DENG Xun2，ZHANG Shan1

（1.School of Nursing，Capital Medical University，Beijing 100069，China;

2.Extracardiac Critical Care Center，An-zhen Hospital，Capital Medical University，Beijing 100029，China）

Abstract：Objective To explore the hotspots and trends of different implementation of scientific research design， and to provide research design reference for promoting the application of implementation science in clinical medical nursing research.Methods The Web of Science literature was retrieved and visualized by CiteSpace software， including the number of publications， countries and institutions， high-frequency keywords， clustering and bursts.Results A total of 1946 papers and 364 reviews were retrieved， and the number of publications showed an overall upward trend. The United States issued the most documents， accounting for 26.49%， and the University of Washington issued the most documents， accounting for 14.29 ‰. Research hotspots focus on HIV， models， machine learning， projects， etc. Research trends include deep learning， machine learning， challenges， obstacles， public health and classification.Conclusion Scholars have carried out a lot of research based on different types of research designs of implementation science， with the help of artificial intelligence technology， to promote the rapid development of implementation science and the dissemination of results. It is suggested that scholars should further identify the factors affecting the implementation of intervention measures based on the theoretical framework of implementation science in the future， and promote the transformation of measures to achieve the expected health benefits.

Key words：Implementation science;Research design;Types;Visualization;Research hotspot

近年來，越來越多的學(xué)者關(guān)注實施科學(xué)（implementation science）在縮短科學(xué)證據(jù)到實踐應(yīng)用差距的作用，即識別和解決從知識到實施差距的阻礙因素，制定實施策略來推動經(jīng)過研究驗證的有效干預(yù)措施在實踐中應(yīng)用，側(cè)重于醫(yī)護(hù)人員對于干預(yù)措施的接納或采用[1]。大量研究表明[2， 3]，研究證據(jù)和實踐之間的差距可能是由多種因素造成的，包括知識或教育培訓(xùn)缺乏、人文環(huán)境支持不足（如同伴支持、榜樣作用等）、人力資源短缺、激勵機(jī)制不完善等。除上述個人水平和組織水平的影響因素外，還有學(xué)者認(rèn)為研究設(shè)計方法也是影響證據(jù)發(fā)現(xiàn)和實踐應(yīng)用之間時間差的重要因素[4]。目前研究設(shè)計首先是在理想環(huán)境下干預(yù)措施所能達(dá)到的最大預(yù)期效果評價，然后在現(xiàn)實臨床工作中干預(yù)措施的療效研究，最后是推動干預(yù)措施融入實踐常規(guī)工作的實施研究。但研究設(shè)計未能充分考慮促進(jìn)證明有效的干預(yù)措施在融入常規(guī)工作中的實施相關(guān)影響因素[5]。有研究[6]結(jié)合臨床效果和實施研究的要素提出了3種效果——實施混合研究設(shè)計，分別是混合類型Ⅰ：在觀察和收集實施策略信息的同時，檢驗臨床干預(yù)措施對患者結(jié)局的影響;混合類型Ⅱ：臨床干預(yù)措施和實施策略的雙重檢驗;混合類型Ⅲ：在觀察和收集臨床干預(yù)措施對患者結(jié)局影響信息的同時，對實施策略進(jìn)行檢驗，以期達(dá)到加速將研究結(jié)果轉(zhuǎn)化為常規(guī)實踐以及增強(qiáng)公共衛(wèi)生影響力的目的。本研究通過可視化圖譜方式，描述近十余年上述實施科學(xué)研究設(shè)計的研究熱點與發(fā)展趨勢，為臨床管理者推動實施科學(xué)在醫(yī)療護(hù)理研究中的應(yīng)用提供研究設(shè)計參考和思路。

1資料與方法

1.1文獻(xiàn)檢索策略 文獻(xiàn)來源于Web of Science（WOS）核心合集數(shù)據(jù)庫，主題檢索詞為（‘implementation science’or‘implementation research’）AND（‘hybrid design’or‘hybrid type’or‘hybrid approach’or‘hybrid’）。檢索時間為2012年3月-2022年12月，文獻(xiàn)類型限定為論文和綜述。

1.2方法 納入的文獻(xiàn)導(dǎo)入CiteSpace 6.1.R6軟件中進(jìn)行可視化分析[7，8]，包括每年發(fā)文量、發(fā)文國家和機(jī)構(gòu)、高頻關(guān)鍵詞及聚類和突現(xiàn)，時間范圍為2012年1月-2022年12月，時間分區(qū)為1年，網(wǎng)絡(luò)連接強(qiáng)度為Cosine。①發(fā)文量：采用Excel工具繪制每年發(fā)文量;②發(fā)文國家：節(jié)點類型選擇country，閾值為TOP50;③發(fā)文機(jī)構(gòu)：節(jié)點類型選擇institution，閾值為TOP30;④高頻關(guān)鍵詞：節(jié)點類型選擇keyword，閾值為TOP30，關(guān)鍵詞初步分析數(shù)據(jù)后，采用最小生成樹法和修剪切片網(wǎng)絡(luò)對圖譜進(jìn)行修剪，并將意義相同的關(guān)鍵詞進(jìn)行合并;⑤關(guān)鍵詞聚類分析：采用Log-Likelihood Ratio算法對關(guān)鍵詞進(jìn)行聚類分析，計算聚類模塊值Q值以及聚類平均輪廓值S值，當(dāng)Q值>0.3表示聚類結(jié)構(gòu)顯著，S值>0.5表示聚類合理;⑥關(guān)鍵詞突現(xiàn)分析：突發(fā)檢測的靈敏度為2.0，伽馬值為1.0，最小持續(xù)時間設(shè)置為1。

2結(jié)果

2.1發(fā)文量分析 共檢索到1946篇論文和364篇綜述，發(fā)表時間范圍在2012年3月-2022年12月，無重復(fù)文獻(xiàn)，最終2310篇納入分析，每年發(fā)文量總體呈上升趨勢，見圖1。

2.2發(fā)文國家分析 節(jié)點為114，說明有114個國家基于實施科學(xué)三種類型設(shè)計發(fā)表了相關(guān)研究;E值表示節(jié)點間連線為955，密度值為0.1483，即各國家間有較為密切的研究合作。發(fā)文量≥100篇的國家為美國（612篇，26.49%）、中國（356篇，15.80%）、印度（210篇，9.09%）、英國（162篇，7.01%）、澳大利亞（134篇，5.80%）、加拿大（115篇，4.98%）、西班牙（113篇，4.89%）和德國（112篇，4.85%）。

2.3發(fā)文機(jī)構(gòu)分布 機(jī)構(gòu)合作網(wǎng)絡(luò)圖譜有884個節(jié)點，1650條連線，密度為0.0042，說明各連線機(jī)構(gòu)存在一定的合作。發(fā)文最多的機(jī)構(gòu)為華盛頓大學(xué)（33篇，14.29‰），見表1。

2.4關(guān)鍵詞分析

2.4.1高頻關(guān)鍵詞 將意義相同的關(guān)鍵詞進(jìn)行合并，如strategy和intervention合并為intervention。節(jié)點有517個，連線1021條，網(wǎng)絡(luò)密度為0.0077。出現(xiàn)頻次最高的關(guān)鍵詞為“implementation（實施）”，見表2。

2.4.2關(guān)鍵詞聚類分析 關(guān)鍵詞聚類結(jié)果顯示，S值為0.8302，Q值為0.592，說明聚類合理，能夠代表該主題的研究熱點。聚類結(jié)果為#0 implementation science（實施科學(xué)）、#1 HIV（艾滋病毒）、#2 model（模型）、#3 machine learning（機(jī)器學(xué)習(xí)）、#4 program（項目）、#5 generative adversarial networks（生成式對抗網(wǎng)絡(luò)），見圖2。

2.4.3關(guān)鍵詞突現(xiàn)分析 實施科學(xué)三種類型研究設(shè)計中預(yù)測該領(lǐng)域發(fā)展趨勢的突現(xiàn)詞為deep learning（深度學(xué)習(xí)）、machine learning（機(jī)器學(xué)習(xí)）、challenge（挑戰(zhàn)）、barrier（障礙）、public health（公共衛(wèi)生）、classification（分類），見圖3。

3討論

目前，我國存在醫(yī)療衛(wèi)生資源總量不足、分布不均、醫(yī)療衛(wèi)生服務(wù)發(fā)展不平衡、醫(yī)療費用與日俱增等問題[8， 9]。然而，諸多驗證各類疾病的干預(yù)措施未能成功在實際臨床工作中轉(zhuǎn)化實施，不僅會造成經(jīng)濟(jì)資源的浪費，還會導(dǎo)致醫(yī)療護(hù)理質(zhì)量下降;且患者無法得到預(yù)期的治療護(hù)理，或得到有害或不必要的治療護(hù)理，進(jìn)而影響患者的臨床結(jié)局和預(yù)后[10， 11]。2016年，中共中央、國務(wù)院印發(fā)了《“健康中國2030”規(guī)劃綱要》，并提出“持續(xù)改進(jìn)醫(yī)療質(zhì)量和醫(yī)療安全，提升醫(yī)療服務(wù)同質(zhì)化程度，規(guī)范診療行為”[12]。而實施科學(xué)就是對方法和策略的科學(xué)研究，在科學(xué)證據(jù)轉(zhuǎn)化以及規(guī)范診療行為過程中起到了重要的作用。實施科學(xué)對于證據(jù)轉(zhuǎn)化的設(shè)計、準(zhǔn)備、實施和維持都提供了一定理論與方法學(xué)指導(dǎo)，有助于政策制定者和臨床醫(yī)護(hù)人員接受以證據(jù)為基礎(chǔ)的干預(yù)措施并維持實施[13]。

3.1基于實施科學(xué)三種類型研究設(shè)計的研究現(xiàn)狀 近年來，實施科學(xué)受到越來越多的學(xué)者以及管理者的關(guān)注，因此每年的發(fā)文量呈快速上升趨勢。自2012年Curran GM等[6]提出了3種效果-實施混合研究設(shè)計后，學(xué)者們不斷探索實施科學(xué)的研究方法、實踐應(yīng)用以及效果評價，推動實施科學(xué)快速發(fā)展與成果傳播，促進(jìn)了實施科學(xué)的深入研究[14]。發(fā)文占比在10%以上的國家有美國和中國，且各國之間在實施科學(xué)研究方面有較為密切的合作，各組織機(jī)構(gòu)之間在推動實施科學(xué)發(fā)展過程中也存在一定的合作，可能是各國學(xué)者致力于縮短研究證據(jù)與臨床落地之間的時間，進(jìn)而通過合作交流、經(jīng)驗借鑒等手段來實現(xiàn)互利互贏[15， 16]。

3.2基于實施科學(xué)三種類型研究設(shè)計的研究熱點

3.2.1基于實施科學(xué)三種類型研究設(shè)計的關(guān)注方法 實施科學(xué)是對干預(yù)措施和實施策略的科學(xué)研究，這些方法和戰(zhàn)略有助于醫(yī)護(hù)人員和政策制定者接受以證據(jù)為基礎(chǔ)的實踐和研究并定期使用。實施科學(xué)關(guān)注于研究證據(jù)到臨床實踐的全過程，主要包含以下4個步驟：指南的編制發(fā)布、指南的傳播交流、指南的采納運(yùn)用以及指南的改進(jìn)完善。在上述全過程中，采用先進(jìn)、科學(xué)、可操作的方法來推動指南轉(zhuǎn)化各個階段的順利開展是學(xué)者們和管理者共同關(guān)注的問題。高頻關(guān)鍵詞包含model（模型）、algorithm（算法）、neural network（神經(jīng)網(wǎng)絡(luò)）、machine learning（機(jī)器學(xué)習(xí)）;關(guān)鍵詞聚類包括#2 model（模型）、#3 machine learning（機(jī)器學(xué)習(xí)）、#5 generative adversarial networks（生成式對抗網(wǎng)絡(luò)）。隨著大數(shù)據(jù)技術(shù)的不斷發(fā)展與更新，越來越多的學(xué)者利用人工智能、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等方法輔助臨床醫(yī)護(hù)人員進(jìn)行疾病的診斷、危險因素的識別、疾病發(fā)生風(fēng)險預(yù)測以及個性化醫(yī)療護(hù)理措施的制定，進(jìn)而達(dá)到促進(jìn)指南成功轉(zhuǎn)化落實的目的。例如，Shameer K等[17]介紹了心血管領(lǐng)域機(jī)器學(xué)習(xí)的應(yīng)用，基于臨床醫(yī)學(xué)中不斷增長的大數(shù)據(jù)，采用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等方法構(gòu)建自動化風(fēng)險預(yù)測模型，采用無監(jiān)督學(xué)習(xí)技術(shù)更精確地表達(dá)復(fù)雜疾病的表型，通過應(yīng)用智能化手段增強(qiáng)醫(yī)護(hù)人員對疾病的診斷和干預(yù)的實施，進(jìn)而促進(jìn)循證措施的轉(zhuǎn)化。Adeoye J等[18]評價了140篇關(guān)于基于機(jī)器學(xué)習(xí)的癌癥預(yù)后模型的使用（包括輔助診斷、風(fēng)險分層和輔助決策）和臨床實際實施程度，發(fā)現(xiàn)僅有0.7%在臨床影響和療效方面進(jìn)行了評估。未來，還需要采集更大樣本量用于訓(xùn)練模型，并推動使用隨機(jī)對照試驗設(shè)計增加實施效果的評估，以促進(jìn)實際臨床應(yīng)用。

3.2.2基于實施科學(xué)三種類型研究設(shè)計的關(guān)注疾病 關(guān)鍵詞聚類包括#1 HIV（艾滋病毒）。盡管有證據(jù)表明相關(guān)干預(yù)措施可以防治HIV，但由于實際實施困難，限制了許多用于防治青少年HIV干預(yù)措施的效果。因此，諸多研究人員基于實施科學(xué)來推動相關(guān)干預(yù)措施的落地實施，并認(rèn)為實施科學(xué)能夠加強(qiáng)整個非洲青少年HIV的預(yù)防和護(hù)理[19-22]。Vorkoper S等[21]對在撒哈拉以南非洲進(jìn)行的青少年和年輕人（10～24歲）HIV研究中應(yīng)用實施科學(xué)的研究進(jìn)行了范圍綜述，納入的44篇文章涉及HIV的預(yù)防或治療，其中50%專門關(guān)注了HIV預(yù)防的延續(xù)性護(hù)理，可接受性和可行性是實施科學(xué)成果中被報道最多的指標(biāo)，為進(jìn)一步指導(dǎo)研究設(shè)計、實施和傳播以及衛(wèi)生政策的制定提供了依據(jù)。此外，青少年HIV病毒預(yù)防和治療實施科學(xué)聯(lián)盟描述了當(dāng)前青少年HIV和實施科學(xué)相結(jié)合的學(xué)術(shù)現(xiàn)狀，如基于實施科學(xué)框架指導(dǎo)干預(yù)措施的實施以及效果評價;并探索利用實施科學(xué)加強(qiáng)青少年HIV預(yù)防和治療的方法，可促進(jìn)成功實施以證據(jù)為基礎(chǔ)的干預(yù)措施，進(jìn)而減少HIV傳播和改善治療效果[19]。

3.3基于實施科學(xué)三種類型研究設(shè)計的研究趨勢 實施科學(xué)三種類型研究設(shè)計中預(yù)測該領(lǐng)域發(fā)展趨勢的突現(xiàn)詞為deep learning（深度學(xué)習(xí)）、machine learning（機(jī)器學(xué)習(xí)）、challenge（挑戰(zhàn)）、barrier（障礙）、public health（公共衛(wèi)生）、classification（分類）。不同實施科學(xué)研究設(shè)計關(guān)注的重點有所差異，混合類型Ⅰ重點關(guān)注干預(yù)措施對患者疾病相關(guān)結(jié)局的影響;混合類型Ⅱ是同時關(guān)注干預(yù)措施和實施策略的效果;混合類型Ⅲ重點關(guān)注推動干預(yù)措施執(zhí)行的實施策略的有效性。不同類型研究設(shè)計中，均可考慮應(yīng)用人工智能技術(shù)（如深度學(xué)習(xí)、機(jī)器學(xué)習(xí)）助力實施科學(xué)的推動與發(fā)展[23-25]。2022年7月，Implementation Science雜志發(fā)表了指南實施趨勢的范圍綜述，并分析了指南實施存在的挑戰(zhàn)與障礙[25]。該研究納入了118項指南實施研究，其中僅有21%的研究在指南實施規(guī)劃階段涉及理論或框架，50%預(yù)先確定實施障礙因素。這提示了研究人員在未來研究中基于實施科學(xué)進(jìn)行研究設(shè)計過程時，最好基于相應(yīng)的理論來支撐研究，以及識別影響基于循證的干預(yù)措施轉(zhuǎn)化的障礙因素，有針對性的提升醫(yī)護(hù)人員對于干預(yù)措施的采用。通過將實施科學(xué)研究的要素與臨床療效相結(jié)合，達(dá)到更快速的轉(zhuǎn)化收益、更有效的實施措施以及為醫(yī)護(hù)人員提供更多有用信息的目的，進(jìn)而實現(xiàn)加速研究結(jié)果轉(zhuǎn)化為常規(guī)實踐的目標(biāo)。

4展望

在實踐工作中，基于循證的干預(yù)措施實施依從性不佳則無法產(chǎn)生預(yù)期的健康效益，而實施科學(xué)通過明確實施過程中的障礙因素來解決存在的問題，以最大限度地發(fā)揮基于證據(jù)的干預(yù)措施的影響，促進(jìn)基于循證實踐的干預(yù)措施和政策應(yīng)用到日常衛(wèi)生保健工作中。實施科學(xué)既可加快研究人員、實施者和政策制定者之間可持續(xù)合作的發(fā)展，也可為臨床管理者推動實施科學(xué)在醫(yī)療護(hù)理研究中的應(yīng)用提供研究設(shè)計參考和思路，以提高衛(wèi)生服務(wù)的質(zhì)量和有效性。未來，可進(jìn)一步采用基于人工智能技術(shù)助力實施科學(xué)在實際工作中的應(yīng)用和發(fā)展。

參考文獻(xiàn)：

[1]Morris ZS，Wooding S，Grant J.The answer is 17 years， what is the question： understanding time lags in translational research[J].J R Soc Med，2011，104（12）：510-520.

[2]黃超，杜亮，陳耀龍，等.中國醫(yī)務(wù)人員對臨床實踐指南的使用和需求調(diào)查[J].中國循證醫(yī)學(xué)雜志，2019，19（6）：635-638.

[3]Houghton C，Meskell P，Delaney H，et al.Barriers and facilitators to healthcare workers' adherence with infection prevention and control （IPC） guidelines for respiratory infectious diseases：a rapid qualitative evidence synthesis[J].Cochrane Database Syst Rev，2020，4：D13582.

[4]Proctor EK，Landsverk J，Aarons G，et al.Implementation research in mental health services：an emerging science with conceptual，methodological，and training challenges[J].Adm Policy Ment Health，2009，36（1）：24-34.

[5]March JS，Silva SG，Compton S，et al.The case for practical clinical trials in psychiatry[J].Am J Psychiatry，2005，162（5）：836-846.

[6]Curran GM，Bauer M，Mittman B，et al.Effectiveness-implementation hybrid designs：combining elements of clinical effectiveness and implementation research to enhance public health impact[J].Med Care，2012，50（3）：217-226.

[7]李佳鎂，郭瑜潔，陳思琪，等.基于CiteSpace的癌癥職業(yè)康復(fù)研究熱點分析[J].解放軍護(hù)理雜志，2022，39（6）：60-63.

[8]黃超，陳耀龍，蔣帥，等.深化醫(yī)改背景下我國臨床實踐指南規(guī)范化發(fā)展的探討[J].中國衛(wèi)生質(zhì)量管理，2018，25（4）：43-45.

[9]馬翠，周先東.全國各地區(qū)醫(yī)療衛(wèi)生水平綜合評價分析[J].重慶醫(yī)學(xué)，2022，51（17）：3053-3058.

[10]Baron DM，Metnitz P，Rhodes A，et al.Clinical guidelines：How can we improve adherence and implementation？[J].Eur J Anaesthesiol，2017，34（6）：329-331.

[11]新華社.提升醫(yī)療服務(wù)水平中國臨床實踐指南聯(lián)盟來了[EB/OL].（2021-05-24）[2023-11-01]http：//www.gov.cn/xinwen/2021-05/24/content_5611215.htm.

[12]中共中央，國務(wù)院.“健康中國2030”規(guī)劃綱要[EB/OL].（2016-10-25）[2023-11-01]http：//www.gov.cn/xinwen/2016-10/25/content_5124174.htm.

[13]Reuter K，Genao K，Callanan EM，et al.Increasing Uptake of Depression Screening and Treatment Guidelines in Cardiac Patients：A Behavioral and Implementation Science Approach to Developing a Theory-Informed，Multilevel Implementation Strategy[J].Circ Cardiovasc Qual Outcomes，2022，15（11）：e9338.

[14]屈智勇，郭帥，張維軍，等.實施科學(xué)對我國心理健康服務(wù)體系建設(shè)的啟示[J].北京師范大學(xué)學(xué)報（社會科學(xué)版），2017（2）：29-36.

[15]Kwak L，Toropova A，Powell BJ，et al.A randomized controlled trial in schools aimed at exploring mechanisms of change of a multifaceted implementation strategy for promoting mental health at the workplace[J].Implementation Science，2022，17（1）：59.

[16]Milton S，Emery JD，Rinaldi J，et al.Exploring a novel method for optimising the implementation of a colorectal cancer risk prediction tool into primary care：a qualitative study[J].Implementation Science，2022，17（1）：31.

[17]Shameer K，Johnson KW，Glicksberg BS，et al.Machine learning in cardiovascular medicine：are we there yet？[J].Heart，2018，104（14）：1156-1164.

[18]Adeoye J，Akinshipo A，Koohi-Moghadam M，et al.Construction of machine learning-based models for cancer outcomes in low and lower-middle income countries：A scoping review[J].Frontiers in Oncology，2022，12：976168.

[19]Vorkoper S，Sam-Agudu NA，Bekker LG，et al.Implementation Science for Eliminating HIV Among Adolescents in High-Burden African Countries：Findings and Lessons Learned from the Adolescent HIV Prevention and Treatment Implementation Science Alliance （AHISA）[J].AIDS Behav，2023，27（Suppl 1）：3-6.

[20]Goosby E，Wasserheit JN，Glass R，et al.Advancing Adolescent HIV Prevention and Care Through Implementation Science：An Agenda for Combating the Global AIDS Epidemic in Sub-Saharan Africa[J].AIDS Behav，2023，27（Suppl 1）：1-2.

[21]Vorkoper S，Tahlil KM，Sam-Agudu NA，et al.Implementation Science for the Prevention and Treatment of HIV among Adolescents and Young Adults in Sub-Saharan Africa：A Scoping Review[J].AIDS Behav，2023，27（Suppl 1）：7-23.

[22]Boshe J，Brtek V，Beima-Sofie K，et al.Integrating Adolescent Mental Health into HIV Prevention and Treatment Programs： Can Implementation Science Pave the Path Forward？[J].AIDS Behav，2023，27（Suppl 1）：145-161.

[23]陳耀龍，羅旭飛，史乾靈，等.人工智能如何改變指南的未來[J].協(xié)和醫(yī)學(xué)雜志，2021，12（1）：114-121.

[24]段明月，葉玉琴，張樂，等.人工智能制定乳腺癌術(shù)后治療方案與相關(guān)指南一致性研究[J].中國實用外科雜志，2019，39（9）：964-967.

[25]Peters S，Sukumar K，Blanchard S，et al.Trends in guideline implementation：an updated scoping review[J].Implement Sci，2022，17（1）：50.

收稿日期：2023-11-12;修回日期：2023-11-25

編輯/杜帆

基金項目：國家自然科學(xué)基金項目（編號：NSFC72304196）

作者簡介：劉璐（1997.10-），女，河南光山縣人，碩士研究生，主要從事護(hù)理信息學(xué)研究

通訊作者：張山（1993.1-），女，北京人，博士，副教授，主要從事急危重癥護(hù)理、護(hù)理信息學(xué)研究