加强护士与机器人的互动:两波调查研究

介绍

概述

基于人工智能的技术在医疗环境中显示出有用的功能[1，2]，并且可以分担护理工作量，从而帮助减轻护士的时间压力，并缓解护士短缺的全球问题。例如，机器人可以用来促进病人的护理，以缓解护理人员的短缺[3.]。过去的研究表明，医护人员对技术实施的态度和看法起着重要作用[4]及护士对医疗资讯科技的态度[5]。也就是说，如果护士不欢迎机器人的存在，他们就不太可能通过维护、定位或确保机器人的顺利运行来帮助机器人。因此，机器人可能很难帮助医疗保健实践。此外，先前的研究表明，大多数临床专业人员不认为基于人工智能的技术可以提供临床相关的帮助[6]。这是对学者和从业者的一个警告，即临床专业人员可能不参与(或可能不充分参与)基于人工智能的技术。然而，文献并没有提供有效提高临床专业人员参与使用这些技术的方法，表明研究差距。

我们试图通过研究基于人工智能的技术的特点如何增加临床专业人员与他们的接触来解决这一差距。也就是说，本研究的目的是研究机器人福利、机器人维护和护士个人创新如何影响护士对机器人的态度和护士-机器人的参与。我们汇编了研究变量的定义表1．

背景

基于人工智能的技术已经开始重塑医疗服务的提供方式。这些技术经常以机器人的形式实现。机器人被设计用于协助各种活动:社交互动(社交机器人)、移动物体(移动机器人)、健康教育(数字医疗保健助理聊天机器人)或老年人锻炼课程。机器人还可以作为分散注意力的工具，用于疼痛管理，促进对话和融洽关系[7这表明机器人有潜力加强护理实践。这一潜力表明了接受机器人进入护理实践的优势。

机器人改善临床实践的潜力并不能保证它们被接受。此外，护士在实践中对技术的使用感到压力和烦恼[5]。因此，需要研究如何在护理实践中增加护士对机器人的使用。

接受机器人的决定取决于护士对其优缺点的评估。这种评估将包括行为信念的形成，它包括对执行行为的态度[8]，证明了在我们的研究中纳入行为信念和态度的必要性。

根据计划行为理论，态度被假设为培养行为意图，而行为意图可以进一步预测行为[9]。在护士-机器人环境中，计划行为可以被语境化为护士与机器人的接触，定义为护士协助或与机器人合作的行动。此外，该理论认为态度受到行为信念对行为结果的影响[9]。在护士-机器人情境下，行为信念可以情境化为护士的两种信念:(1)关于机器人利益的信念和(2)关于机器人维护的信念。机器人带来的好处是，机器人在护理工作场所引入的时间和精力方面提高了效率;这就是使用机器人的好处。机器人维护代表护士在机器人操作上必须付出的努力;也就是使用机器人的缺点。因此，在我们的研究模型中，机器人利益和机器人维护对应于态度前因。此外，护士的个人创新能力或个人尝试新IT的倾向[10在先进技术的背景下应该很重要。因此，我们还将个人创新作为鼓励护士机器人参与的另一个来源。

图1说明了研究框架，包括机器人的好处，机器人维护，护士对机器人的态度，护士-机器人参与的概念。为了提高分析的严谨性，我们纳入了控制变量:护士的性别、年龄、教育程度、任期和阶段(即护理技能认证)[11]。

‎

我们提出了7个假设，如下所示为H1至H7。机器人技术是一项技术进步，它带来了显著的效率和节约成本的潜力[12]。在我们的研究中，我们将其定义为机器人效益;也就是说，机器人如何帮助护士优化他们的时间(从而减轻他们的时间压力)并减少他们在进行护理时的工作量。机器人的好处使护士能够专注于临床过程——支持医生和照顾病人——以及次要程序，如搬运重物。13]。这些好处构成了积极的强化。根据强化理论，正向强化会促进正向行为[14];例如，倾向于使用机器人，并帮助确保机器人的顺利运行。此外，举重经常被证实是护士慢性下背部疼痛的来源[15]。因此，机器人可以改善护士的身体和心理状况，从而增强护士努力确保机器人顺利运行的意愿。这种行为意向被定义为护士-机器人参与。

研究假设

我们的第一个假设(H1)是感知机器人的好处与护士-机器人的参与呈正相关。

护理人员认为技术是有用的，但他们明确指出，它可能会在他们与被护理者的关系中造成距离，而且它必须完成和补充他们的工作，而不是取代它。4]。也就是说，帮助照顾者的技术应该改善照顾者对这些技术的态度。在我们的研究背景下，当机器人成功地辅助护士时，它们可能会在护士中产生对机器人的积极态度。原因可能是，根据强化理论，机器人的帮助可能是一种积极的环境暗示，有助于塑造员工的期望行为[14]。此外，机器人可以为护士提供充足的时间来执行他们的专业任务，这将提高护士的工作满意度和自我报告的健康状况[13]。这提供了强有力的支持，护士将他们的满意度和健康状况的改善归功于辅助机器人，提高了他们对机器人的整体评价;也就是对机器人的态度。因此，我们假设感知到的机器人利益与对机器人的积极态度呈正相关(H2)。

机器人既能取得优异的性能，也能表现出极端的性能变异;例如，它们可以是无序的[16]。这种变化可能是由于没有充分满足保持机器人平稳运行的要求。所需的努力;也就是说，机器人的维护将成为护士等一线专业人员的负担和负面刺激。强化理论认为，负刺激会形成负强化，进而引起个体的回避[17，18]。在我们的环境中，这种回避行为不利于护士与机器人的互动发展。此外，工作场所的努力是错过护理的关键预测因素[19这对护士来说是一个不受欢迎的工作结果。因此，花费在机器人上的这种维护工作可能会使护士不愿意与它们一起工作。因此，我们假设感知机器人维护与护士-机器人参与负相关(H3)。

我们预测感知到的机器人维护与对机器人的态度呈负相关。原因是，花费额外的时间和精力来确保机器人的顺利运行对护士不利。护士经常需要应付工作时间的压力[20.]。因此，任何进一步的与时间和精力相关的负担(包括机器人带来的负担)都会让他们沮丧;也就是说，降低他们对负担来源(在本例中是机器人)的总体评估。此外，感知机器人维护意味着个人会将这种努力视为厌恶的后果，从而成为一种负面刺激。根据强化理论，负性刺激会引起个体的负性反应[17，18];例如，在我们的语境中，对机器人的不友好态度。因此，我们假设感知机器人维护与对机器人的积极态度呈负相关(H4)。

态度是对事物的全面评价[21]。积极的态度反映了在接近这个物体时积极的感觉和期望[22]，激励用户参与，特别是在使用新技术方面[23]。根据强化理论，当个体观察到愉快的结果会随之而来时，他们更有可能参与一种行为[24]。由于机器人只是最近才被引入护士的工作场所[25，我们可以预期，对机器人的积极态度也会激励护士的参与。因此，我们假设对机器人的积极态度与护士-机器人的参与呈正相关(H5)。

个人创新指个人尝试新资讯科技的倾向[10]。数字技术落后的护士往往对医疗信息技术的使用感到焦虑并避免使用。5]。个人创新可以克服与资讯科技互动时的焦虑[26]，从而提高资讯科技的学习成效。有效的学习可以培养正确的理解，这种信息技术有用感可以促进护士对机器人使用的积极态度[27]。个人创新鼓励护士获取资讯科技知识[28]，从而提高他们对资讯科技工作的正面评价。与所有其他IT一样，机器人需要用户知识才能进行有意义的协作。因此，个人创新及其对获得机器人知识的影响在确定与机器人合作的积极评价方面也很重要;也就是对机器人的态度。此外，个人的创新能力增强了对新技术的积极态度，例如移动支付[29]——因此也支持了这种联系。因此，我们假设护士的个人创新能力与对机器人的积极态度呈正相关(H6)。

个人创新能力是技术使用的重要方面;例如，使用智能手机[30.]。我们认为这也适用于机器人的使用。原因是个人创新是尝试技术应用的普遍趋势[10]。应用到我们的研究背景中，高水平的个人创新将鼓励护士使用机器人——例如，尝试机器人并探索它们的功能——从而更好地理解机器人在医疗工作场所的使用和使用(或参与)。因此，我们假设护士的个人创新与护士-机器人敬业度呈正相关(H7)。

在研究假设的发展之后，我们描述了检验这些假设的方法。

方法

样本和数据收集过程

我们的研究采用两波随访设计。我们调查了台湾某大型医疗中心手术室的注册护士。第一波研究于2019年10月至11月进行，第二波研究于2019年12月至2020年2月进行。我们选择在手术室工作的护士作为研究对象，因为机器人在手术室中是辅助的，从而满足了我们的研究目的。辅助机器人如图多媒体附录1．他们帮助搬运外科手术所需的重型设备和材料。在超过9000米的区域内，一个辅助机器人每天在仓库和60个手术室之间完成200次以上的行程(平均每次行程200米)²．也就是说，这种辅助机器人大大减少了准备这些设备和材料的时间，增加了护士在手术室直接护理病人的时间。

我们使用普查方法来最大限度地提高样本代表性，因为它避免了任何抽样误差。根据定义，人口普查方法包括所有符合条件的参与者;因此，估计任何样本量都是不合适的。尽管如此，我们还是计算了估计的样本大小，以确保测试能力是足够的。具体来说，我们发现共有358名护士符合我们的资格标准。然后我们咨询了饶软[31]来估计所需的样本量。我们使用典型的标准，即95%的置信水平和50%的响应分布进行计算。我们最终获得了186个人的估计样本量——也就是说，我们需要在我们的研究中包括至少186名参与者。

我们包括全职注册护士。根据我们的排除标准，护理学生、护理从业人员、护士实习生和护理主管被排除在外。共接触358名符合条件的手术室护士。我们获得了344名护士的同意，并在第一波中使用了他们的回答。我们无法在第二波跟进13名护士。因此，331名护士返回了完整的回复，并被纳入我们的正式分析。

道德的考虑

本研究经长庚纪念医院机构审查委员会批准(批准号201900311B0C602)。所有纳入研究的护士都被告知研究目的，并征求其参与研究的书面同意。所有参与者都是志愿者，可以随时退出研究而无需给出理由。完成的回答由不在医疗中心工作的研究助理收集，从而对回答保密并确保自愿参与。

测量

测量机器人效益和机器人维护的项目是在Kohli等人的基础上开发的[32以及在我们的环境中与机器人一起工作的高级护士。我们修改了你和罗伯特的项目[33来衡量护士对机器人的态度。我们改编了Chang等人的条目[34来衡量护士和机器人的互动程度。测量个人创新能力的条目来自Kalinic和Marinkovic [35]。所有的项目都列在多媒体附录2．对于所有项目，我们使用了5分李克特量表，1=“非常不同意”，5=“非常同意”。高分代表高水平的测量结构。由于我们已经调整了研究项目，我们需要评估我们的测量方法的可靠性和有效性。

数据分析

为了实现结构方程建模技术来检验我们的假设，我们使用了LISREL(线性结构关系;8.80版本;科学软件国际)。对于所有其他分析，我们使用SPSS(版本17.0;IBM公司)。

我们的因变量是护士与机器人的接触。自变量为:机器人福利、机器人维护、护士对机器人的态度、个人创新能力。我们纳入了5个控制变量:(1)护士的性别，(2)护士的年龄，(3)护士的教育水平，(4)任期(即作为护士工作的年数)和(5)阶段(即根据Teng等人从认证级别N1到N4评估的护理技能[11]。我们得到0.4%的缺失值，这是可以忽略不计的。因此，我们使用了完整的案例分析。我们将典型显著性水平设为0.05。

结果

心理属性

表2列出加载和交叉加载。所有的项目都装载在假设的因子上。我们没有观察到显著的交叉加载，这初步支持了我们数据的有效性。

表3列出了我们的研究结构的Pearson相关性和心理测量特性。最小相关为-0.11，最大相关为0.66。这些相关性不高(<0.70)，不表明通用方法方差(CMV)。我们还采用了Podsakoff等人的方法[36]检查巨细胞病毒。我们发现巨细胞病毒不太可能干扰我们的模型(Δ)χ²₄₀= 7661.9 >χ²₄₀= 55.8;α= . 05)。此外，我们的研究采用了两波随访设计，提供了构式之间的时间分离，因此也否定了CMV [36]。此外，所列的心理测量性质表3是可以接受的。

如表3，测量每个构式的项目Cronbach α值≥。90, composite reliability of ≥0.90, and average variance extracted of ≥0.69, which together suggest adequate reliability. All our items had loadings of >0.80 (多媒体附录2)，表示收敛有效性。平均方差提取值的正平方根均大于对应的相关系数，具有足够的判别效度。测量模型拟合数据可接受的标准(即比较拟合指数=0.96，增量拟合指数=0.96，非归一化拟合指数=0.95，近似均方根误差=0.076)。

参与者简介

表4描述了我们的参与者资料:311名(94.0%)为女性，307名(92.8%)年龄在20至50岁之间，250名(75.5%)为大专或大学，217名(65.6%)为N3或N4, 233名(70.4%)为5年或以上的护士。性别构成与台湾护理机构构成相似(96.7%)[37]。

假设检验

图2说明了测试结果。除2个假设外，其他假设均得到支持。第一个例外是机器人维护与护士对机器人的态度之间的关系不显著(β=美元;P=.92)，不支持H4。第二个例外是个人创新与护士机器人参与之间的关系不显著(β= 0。06;P=.27)，不支持H7。

我们的结构模型可以接受地拟合数据(CFI=0.96, IFI=0.96, NNFI=0.95, RMSEA=0.075)。RMSEA是可接受的[38]。此外，并非所有指数都预期表现完美[39]。我们的模型解释了因变量的很大一部分方差;也就是说，53%的护士机器人参与，代表中等规模的效应[40]。

‎

讨论

主要研究结果及贡献

我们的研究首次研究了辅助机器人的机器人利益和机器人维护如何导致护士机器人参与。研究结果独特地表明，机器人的好处是护士参与机器人的重要来源，而护士对机器人的态度是激励他们参与机器人的重要因素。总的来说，我们的研究有助于在医疗保健背景下基于人工智能的技术的文献;也就是说，通过说明与机器人维护相比，机器人利益的相对重要性。

不支持H4的原因可能是医院有自己的机器人维护团队。因此，护士不需要执行这项工作，因此不会对接受机器人造成障碍，也不会实质上损害对机器人的态度。不支持H7的原因可能是有帮助的机器人应该被护士广泛接受，减少个人创新带来的差异。

总的来说，本研究做出了几点贡献。首先，它考察了增加护士与机器人接触的手段(例如，增加机器人的福利)。其次，它指出机器人的好处是非常重要的。第三，它指出护士对机器人的态度在将个人创新转化为增强参与方面发挥着关键作用;也就是说，在医疗保健专业人员中灌输对机器人的积极态度，对于提高他们与机器人的接触至关重要。

理论意义

本研究报告了新的方法(例如，增加机器人的好处)，以增加医疗保健专业人员对基于人工智能的技术的参与，特别是在护士使用辅助机器人的背景下。

鲍曼等人[41验证了辅助社交机器人的好处。我们的研究与他们在研究辅助机器人在医疗保健环境中的好处方面的研究是一致的。然而，我们的研究考察了新的益处;也就是说，通过搬运重型设备和材料来节省劳动力。这些福利对护士的健康有积极的贡献。13]，从而提高他们的表现[41]。

De Leeuw等[5]研究了影响护士在采用卫生信息技术方面的数字滞后的前因。我们的研究与他们在调查护士对健康信息技术的态度上是一致的。独特的是，我们的研究结果表明，两个因素——提高机器人的效益和减少机器人的维护——可以增加护士对机器人的参与，并表明它们在态度形成中的相对重要性。Chang等[13研究了在任务参与中使用辅助机器人的利弊。我们的研究在检验方面是新的机器人接触也就是说，有多少护士使用机器人——但事实并非如此任务订婚也就是说，护士花在提供专业护理上的时间。而且，我们研究中的所有构念都没有被Chang等人的[13，进一步展示了我们研究的新颖性。

我们研究的有趣发现提供了几个独特的理论贡献。首先，我们发现，与消极的IT特征(机器人维护)和用户特征(个人创新)相比，只有积极的IT特征(机器人效益)能直接影响护士的技术评价(对机器人的态度)和技术使用(护士-机器人参与)。其次，另一个有趣的发现是，在提高技术使用方面，IT特征(机器人效益和维护)比用户特征(个人创新)的影响要大得多。第三，在提高技术评价方面，用户特征(个人创新性)比消极的IT特征(机器人维护)更重要。消极信息技术特征在减少技术使用和维持技术评价方面的不平衡作用是一个有趣的发现，值得进一步研究，从而证明了第四个贡献。

对实践的影响

我们的研究是在一家大型医疗中心实施的，在那里，辅助机器人在许多手术室中使用。此外，这家医疗中心有自己的IT维护团队来维护机器人。我们的研究结果可以推广到与该医疗中心具有相似特征的国际背景。

我们发现机器人福利可以提高护士与机器人的互动。具体来说，我们通过利用两个特点来衡量机器人的好处:节省时间和节约能源。因此，我们建议医疗机器人开发者应该把重点放在设计机器人上，为用户节省更多的时间和精力。在与负责机器人引进的医院管理层沟通时，要宣传机器人的效益。此外，医院管理层可以考虑进行实践培训，将机器人引入工作空间，让护士熟悉它们的功能，并重申它们对护士的好处。

我们的研究结果还设想了医院管理层渴望将基于人工智能的技术引入他们的医院。直观地说，医疗保健专业人员并不是人工智能技术方面的专家，许多人可能还没有准备好充分利用它们。可以对护士进行简单的机器人维护培训，并向他们展示机器人的好处，从而提高护士与机器人的参与度。这一发现为增加这种参与度铺平了道路;也就是说，让医疗保健专业人员了解机器人的好处，帮助他们更好地服务。

我们还发现，个人创新有助于改善医疗保健专业人员对机器人的态度，从而增加他们与机器人的接触。这一发现提示医院管理层可以评价卫生保健专业人员的个人创新能力;例如，通过一个简短的调查，授权那些愿意尝试新技术的人作为项目倡导者，在他们的工作单位内推广机器人的使用。由于这些项目倡导者热衷于与新技术互动，这将最好地在医院内推广智能技术的使用。

局限性与未来研究方向

本研究在台湾某大型医疗中心进行。未来的研究可以在多个研究地点和多个国家复制我们的研究，纳入更多的组织或文化因素，以加深我们对智能技术使用的理解。

我们的研究采用两波设计。这个设计提供了证据支持因果影响的时间顺序。未来的研究可以采用定性设计来深入理解我们研究结果背后的机制。

本研究在手术室进行。因此，我们不知道这些发现是否可以推广到病房或门诊。这项研究没有直接包括机器人的特征，因此限制了我们了解每个机器人特征的影响。未来的研究可以寻找方法来解决本研究的局限性。

结论

我们的研究考察了在护士评估辅助机器人的背景下，卫生保健专业人员(即护士)如何评估智能技术。我们的研究结果独特地表明，机器人的好处是形成对机器人的积极态度和增加护士与机器人互动的关键驱动因素。我们得到了一个有趣的发现，机器人的好处比机器人维护需求对护士-机器人的参与有更大的影响。这一发现设想了基于人工智能技术的开发人员(例如机器人开发人员)专注于向医疗保健专业人员提供和传达最佳机器人功能，同时将减少维护作为次要问题。