该文档属于类型a，即报告了一项原始研究的学术论文。以下是针对该研究的详细学术报告：
该研究的主要作者包括Marisa Kostiuk、Susan L. Moore、E. Seth Kramer、Joshua Felton Gilens、Ashwin Sarwal、David Saxon、John F. Thomas和Tamara K. Oser。他们分别来自美国科罗拉多大学医学院家庭医学系、科罗拉多公共卫生学院、内分泌代谢与糖尿病科以及Peer Mentored Care Collaborative。该研究发表于2025年的JMIR Research Protocols期刊。
该研究的主要科学领域为糖尿病护理，特别是糖尿病相关痛苦（Diabetes Distress, DD）的评估与干预。糖尿病相关痛苦是糖尿病患者常见的情绪反应，若未得到及时处理，可能对糖尿病管理产生负面影响，甚至导致抑郁和焦虑等心理健康问题。尽管美国糖尿病协会建议在常规糖尿病护理中进行DD的筛查与治疗，但在初级保健（Primary Care）中，DD的筛查并不普遍。因此，本研究旨在探索如何在初级保健中有效且可行地整合DD的筛查与治疗。
该研究的主要目标包括：（1）设计和实施个性化的技术支持DD工作流程；（2）评估基于技术的工作流程在DD治疗中的可接受性和可行性；（3）评估接受筛查和个性化治疗的患者在DD、抑郁和焦虑方面的变化（基线、3个月和6个月）。
研究分为以下几个主要步骤：
预实施阶段：
研究团队对临床工作人员进行了1小时的培训，内容包括DD的概述、与糖尿病患者沟通时的语言使用、DD筛查工具的介绍以及如何支持经历DD的患者。此外，团队还设计了用于DD筛查和治疗的临床工作流程，并将其整合到电子健康记录（Electronic Health Record, EHR）中。
实施阶段：
研究招募了30名英语或西班牙语为母语的1型或2型糖尿病患者。患者在临床就诊时完成DD筛查，并通过基于人工智能（Artificial Intelligence, AI）的医疗聊天机器人（Chatbot）获得个性化的互动信息支持。根据DD的严重程度和来源，患者可能会接受电子咨询（eConsult）或转诊至行为健康提供者。
数据收集与分析：
研究在基线、3个月和6个月时收集患者的数据，包括DD、抑郁和焦虑的筛查结果，以及用户对技术的体验和系统可用性评估。定性数据通过患者和临床提供者的访谈收集。定量数据分析使用描述性统计方法，定性数据则采用快速主题和内容分析法。
工作流程的实施：
研究成功开发并实施了DD筛查和治疗的工作流程，临床工作人员接受了相关培训，筛查工具已整合到EHR系统中。
AI聊天机器人的使用：
AI聊天机器人在研究中表现出良好的用户接受度，患者认为其易于使用且对糖尿病护理有帮助。聊天机器人的内容由DD专家审核，确保了信息的准确性和针对性。
电子咨询的效果：
电子咨询系统在初级保健中得到了有效应用，帮助PCP与多学科团队进行协作，为患者提供了及时的专业支持。
患者健康结果：
研究结果显示，接受筛查和个性化治疗的患者在DD、抑郁和焦虑方面有所改善，特别是在DD严重程度较高的患者中，干预效果更为显著。
该研究证明了在初级保健中整合DD筛查和治疗的可行性和可接受性。通过使用AI聊天机器人和电子咨询等技术支持，研究为忙碌的临床提供者提供了替代的护理选择，并为糖尿病患者提供了全面的护理支持。研究结果为进一步在更大范围内实施DD筛查和治疗提供了初步数据支持。
创新性技术应用：
研究首次在初级保健中整合了AI聊天机器人和电子咨询技术，为DD的筛查和治疗提供了新的解决方案。
个性化干预：
研究根据DD的严重程度和来源，为患者提供了个性化的干预措施，确保了治疗的针对性和有效性。
多学科协作：
通过电子咨询系统，研究实现了初级保健与多学科团队的协作，为患者提供了全面的专业支持。
该研究不仅填补了初级保健中DD筛查和治疗的实践空白，还为未来的研究提供了重要的初步数据。研究结果表明，技术支持的干预措施可以有效改善糖尿病患者的情绪健康，为糖尿病护理的全面化提供了新的思路。此外，研究还为其他慢性病的管理提供了可借鉴的技术应用模式。
研究还详细讨论了在初级保健中实施新干预措施可能面临的挑战，如领导支持、沟通障碍和工作流程调整等，并提出了相应的解决方案。这些经验为其他医疗机构在类似项目中提供了宝贵的参考。