亮点
- 针对1型糖尿病 (T1D) 的临床决策支持系统 (DSS) 并未在所有人群中产生均匀的血糖益处；其效果高度依赖于患者的基本特征。
- 提供决策反馈而非直接指令的信息型 DSS (iDSS) 显著减少了糖尿病相关知识较低且基线 HbA1c 较高的用户的高血糖时间。
- 心理社会因素，特别是与糖尿病相关的情感压力和低血糖担忧，是低技术参与度的主要预测因子。
- 用户偏好在依从性中起着关键作用，40% 的参与者更喜欢信息反馈而非处方建议。
1型糖尿病管理的个性化挑战
过去十年，1型糖尿病的管理经历了技术革命。连续葡萄糖监测 (CGM) 和先进胰岛素泵疗法的广泛应用为临床医生和患者提供了前所未有的数据量。然而，数据本身并不等同于更好的结果。解读血糖趋势、计算胰岛素剂量以及考虑运动和碳水化合物摄入等变量的认知负担仍然是许多患者的巨大障碍。这一差距导致了决策支持系统 (DSS) 的开发——旨在将原始数据转化为可操作的临床见解的算法工具。
尽管 DSS 在理论上充满希望，但实际研究通常报告用户参与度低和血糖控制改善有限。技术能力和临床效果之间的不匹配表明，“人类因素”——用户的心理、教育和行为属性——可能是这些数字健康干预措施成功的缺失环节。Pavan 等人最近的一项随机对照试验探讨了这种相互作用，揭示了为什么一些患者在使用 DSS 时表现出色，而另一些则不然。
研究设计与方法
研究人员进行了一项稳健的随机对照试验，涉及53名1型糖尿病成人。队列在使用多次每日注射 (MDI) 和胰岛素泵疗法之间进行了平衡，所有参与者均使用 CGM。该研究采用了三阶段交叉设计，每位参与者按随机顺序接受三种不同的2个月干预：
1. 无 DSS（对照组）
参与者使用标准护理方法管理糖尿病，不使用专门的决策支持软件。
2. 信息型 DSS (iDSS)
iDSS 提供总结反馈和回顾分析。它不是告诉用户具体怎么做，而是突出模式并提供必要的信息，使用户能够做出自己的知情决策。这种方法作为教学工具，旨在提高用户的自我效能感和对其自身血糖模式的理解。
3. 处方型 DSS (pDSS)
pDSS 采取更直接的方法，推荐具体的治疗行动，如精确的餐时胰岛素剂量或基础率调整。该系统旨在通过提供明确的可操作指令来优化即时治疗，从而减轻用户的认知负担。
主要结果是 CGM 衍生的血糖指标，包括目标范围内时间 (TIR)、目标范围外时间 (TAR) 和平均传感器葡萄糖。重要的是，研究人员还进行了探索性分析，以关联这些结果与心理社会变量，包括糖尿病相关知识、情感压力和低血糖担忧。
关键发现：技术和参与的悖论
研究的总体结果最初看起来令人失望：在整个研究人群中，三种干预措施在主要血糖结果方面没有统计学上的显著差异。然而，当数据根据人类因素分层时，出现了更加细致且具有临床意义的画面。
知识差距与 iDSS 效果
对于糖尿病相关知识较低和基线血红蛋白 A1c 较高的参与者，使用 iDSS 导致高血糖显著减少。具体而言，这些用户在使用信息型系统时，平均高于 180 mg/dl 的时间减少了 6% (p < 0.001)，而无 DSS 时则没有这种效果。这表明，对于那些在糖尿病管理基本原则方面存在困难的个体，解释“数据背后的原因”的系统比仅提供处方的系统更为有效。
心理社会障碍的影响
研究发现，心理压力与技术使用之间存在明显的负相关。报告较高情感压力 (p < 0.001) 和显著低血糖担忧 (p < 0.01) 的参与者对 DSS 模块的参与度明显较低。这表明，当患者因情绪负担过重或因低血糖恐惧而感到无力时，即使是最先进的算法也可能失败，因为用户缺乏互动的心理带宽或信任。
偏好与依从性
当参与者使用他们个人偏好的系统时，参与度显著更高 (p < 0.01)。有趣的是，40% 的队列更喜欢 iDSS 而非 pDSS，这表明相当一部分1型糖尿病人群重视自主性和学习而非自动化建议。
临床解读：DSS 作为学习工具
研究发现，iDSS 在特定亚组中的表现优于 pDSS，这是对临床医生的关键启示。当前医疗环境中，自动化（如闭环系统）的趋势很强。虽然自动化对许多人来说是改变生活的，但它有时会成为一个“黑箱”，使用户与其自身的生理状况脱节。iDSS 模型作为认知桥梁，帮助健康素养较低的患者识别模式并获得有效自我管理所需的自信。
这项研究表明，DSS 不应仅仅被视为替代人类决策的工具，而应作为行为改变的支架。对于高 A1c 和知识有限的患者，向先进技术的过渡可能需要在教育和反馈优先于自动化的情况下进行。
专家评论：应对压力障碍
医疗技术往往假设一个“理性行动者”模型的患者——即如果我们提供正确的数据，患者就会采取正确的行动。Pavan 等人的发现打破了这一假设，强调了糖尿病相关压力的作用。如果患者处于倦怠状态，提供更多信息或任务的 DSS 可能会加剧问题，导致技术放弃。
临床医生在开具复杂的决策支持工具之前必须筛查心理准备情况。通过行为疗法或更保守的 CGM 警报来解决低血糖担忧可能是成功实施处方型 DSS 的必要前提。此外，偏好数据表明，糖尿病技术的一刀切方法注定会失败。个性化必须超越胰岛素算法，扩展到用户界面和提供的反馈风格。
结论
研究“1型糖尿病决策支持技术的使用和效果中的人类因素”为下一代糖尿病护理提供了重要的路线图。它表明，数字健康工具的效果与用户的教育背景和心理状态密不可分。虽然处方系统提供了便利，但信息型系统可能通过作为那些最需要的人的学习工具，为长期血糖改善提供更强大的路径。
要释放这些技术的全部潜力，临床社区必须转向整合心理支持与技术干预的全面护理模式。只有解决人类因素，才能确保决策支持的承诺惠及所有患者，而不仅仅是那些已经高度参与和知识渊博的患者。
资金和支持
本研究得到了多项专注于糖尿病技术的临床研究资助的支持。有关试验设计和完整数据集的更多详细信息，请参阅 ClinicalTrials.gov。
参考文献：
Pavan J, Nass R, Fabris C, 等. 1型糖尿病决策支持技术的使用和效果中的人类因素：来自随机对照试验的证据. Diabetes Res Clin Pract. 2026 Jan;231:113049. doi: 10.1016/j.diabres.2025.113049. Epub 2025 Dec 10. PMID: 41380778.