本文档属于类型a。
本文的研究由Kentaro Hara、Reika Tachibana、Ryosuke Kumashiro、Kodai Ichihara、Takahiro Uemura、Hiroshi Maeda、Michiko Yamaguchi和Takahiro Inoue完成，主要作者Kentaro Hara隶属于千叶大学医院、长崎医疗中心和九州大学生物医学专业的研究生院。研究发表在《BMC Nursing》杂志，标题为《Emotional analysis of operating room nurses in acute care hospitals in Japan: insights using ChatGPT》，发表时间为2025年。
本研究主要属于护理学和人工智能应用交叉的领域。研究的背景在于外科手术室护士（Operating Room Nurses）在工作中面临的高应激情境以及由此带来的情绪挑战，包括可能的倦怠（burnout）和工作流失（turnover）。手术室护士在围手术期护理中对患者的安全和心理状态起着关键作用，但由于工作压力和环境的复杂性，护士可能会经历情绪上的疲惫和挑战。
既往研究虽然对护士情绪、情绪调节和道德情绪有所探讨，但关于手术室护士的核心情感的研究尚不充分。尤其是，将人工智能（Generative AI）用于分析护士的情绪与工作关系的研究几乎没有开展。因此，本研究的目标是分析日本手术室护士对围手术期护理的情绪体验，评估ChatGPT作为辅助分析工具的作用，并尝试探索防止护士倦怠和工作流失的策略。
研究目的具体包括： 1. 识别手术室护士的情绪主题及关键压力源； 2. 探讨人工智能在情绪分析中的可用性与局限； 3. 研究可能导致倦怠和工作流失的因素，寻求干预措施。
本研究为单中心横断面研究，于2023年2月至2024年2月期间在日本某国立医院进行。研究对象包括10名手术室护士，纳入标准为临床梯级为Level II或以上的全职护士。Level II定义为能够独立执行标准护理计划的护士，而Level I的新手护士则被排除在外。参与者的工作经历和教育背景多样，覆盖从职业学校到硕士学历。研究通过面对面招募方式获取样本，获得伦理委员会批准（批准编号2023058）。研究全程遵循《赫尔辛基宣言》伦理标准，所有参与者均签署知情同意书。
研究以半结构化访谈形式收集数据，每名参与者进行一次约20分钟的访谈，总计200分钟。访谈提纲经过多次试点测试，内容涵盖以下主题： - 手术室护理中的压力和情绪挑战； - 职业满意度和应对策略； - 跨职业关系对情绪的影响。
访谈由具备丰富经验的男性首席研究者主导，使用录音设备进行记录，随后对访谈内容进行逐字转录。
数据分析结合了传统的定性方法和生成式人工智能（ChatGPT-4.0），具体分以下几个步骤：
主题分析
对访谈文本逐字转录后，使用ChatGPT进行编码，识别出显著的语句并归纳为以下主要主题：患者护理（Patient Care）、手术安全（Surgical Safety）、护理技能（Nursing Skills）、以及其他非类别化陈述。为保证结果的可靠性，多名研究者独立审阅内容并达成一致。
情绪与主观性分析
利用生成式人工智能（ChatGPT）对情绪进行量化分析，将每条访谈内容按照情绪（正面、负面、无情绪）评分，范围从-100到+100；同时计算主观性得分，用以表示陈述基于个人意见与事实的程度。情绪与主观性分析分别由两名定性分析专家进行独立验证，与ChatGPT结果进行比较，以确保全面性和准确性。
关键词共现网络分析
通过关键词共现网络（Keyword Co-occurrence Network），可视化访谈中常见关键词间的关系，揭示各主题与情绪体验的内部联系。
聚类与统计分析
基于情绪与主观性评分执行聚类分析，区分情绪体验的主要类别。通过散点图和直方图展示变量分布，分析情绪强度与文本长度之间的关系。
患者护理（Patient Care）
护士广泛讨论了与患者互动中的情绪体验。高分情绪主题包括成功缓解患者焦虑的满足感，而负面情绪则集中于无法改善某些患者状况的无力感。主观性得分较高，反映出深刻的个人情感参与性。
手术安全（Surgical Safety）
手术安全被认为是工作中的重中之重，与情绪的正面得分相关。护士提到定期仪器检查、交叉验证流程的重要性，并强调跨职业团队有效沟通对于安全保障的关键意义。
护理技能（Nursing Skills）
描述了日常技能的运用，包括无菌消毒准备和器械检查等内容。情绪得分接近中性，主要反映了这些技能的例Routine性，但主观性得分则较低，说明核心在技术性层面。
ChatGPT分析的优势在于海量数据处理和均衡化定量评分，而人类分析更能捕捉细腻复杂的情绪细节，如面对医疗事故隐患时的责任感与脆弱感交织等。这种双模式分析方式弥补了单一方法的不足。
研究发现促成护士倦怠与工作流失的关键因素包括： - 工作负担过重、不平衡班次分配； - 缺乏跨职业团队支持，沟通效率低下； - 压力管理机制缺失，例如缺乏心理咨询或同伴支持。
通过提供职业成长机会、灵活排班政策及加强共同行为培训，可有效减少流失率。
研究结果揭示了手术室护士复杂的情绪体验及其影响因素，同时证明了生成式人工智能在辅助情绪分析中的潜在应用价值。研究的科学价值在于提供了更深层次的护理情绪劳动理论支持，并展示了AI技术与人类定性分析结合的可能应用路径。
建议未来的研究在更大规模和更多样化人群中验证这些发现，同时探讨生成式AI在职业健康、心理评估等其他医疗领域的广泛应用。