FAIR-Birth：面向助产士主导产前照护中AI支持的预先分娩计划(Advance Birth Planning, ABP)应用之开发与可行性测试——一项混合方法研究方案

《Healthcare》：FAIR-Birth: Development and Feasibility Testing of an AI-Supported Advance Birth Planning Application for Midwifery-Led Antenatal Care—A Mixed-Methods Study Protocol

　　

背景/目的：高收入国家的临床分娩日益受标准化常规流程影响，未必能兼顾个体偏好。德国约八分之一的孕产妇经历具有临床意义的 childbirth相关创伤后应激障碍(Childbirth-related Post-Traumatic Stress Disorder, CB-PTSD)症状，语言或健康素养(Health Literacy)障碍者尤甚。方法：本文阐述FAIR-Birth的概念基础及拟定研究设计——FAIR-Birth为一跨学科倡议，旨在开发并可行性测试一款嵌入助产士主导产前照护、支持预先分娩计划(Advance Birth Planning, ABP)的移动应用程序(App)。干预整合四要素：将预先医疗护理计划(Advance Care Planning, ACP)概念移植至产前照护；采用领域限定大语言模型(Domain-restricted Large Language Model, LLM)支持多语言偏好表达；将生成的ABP文件纳入助产士主导连续性照护；以及跨产前访视的迭代更新。依据更新的英国医学研究委员会(Medical Research Council, MRC)复杂干预框架，研究采用序贯混合方法设计，含系统评价、参与式工具开发、知识库德尔菲(Delphi)共识、迭代技术开发与可用性测试，以及在巴伐利亚州两所围产中心开展的可行性研究。结果/结论：预计产出经内容效度验证的ABP量表、多语言领域限定LLM对话系统及评估后的App原型。本研究对应MRC框架的开发与可行性阶段；疗效问题留待计划中的后续随机对照试验(Randomised Controlled Trial, RCT)检验。

FAIR-Birth研究方案解读——《Healthcare》刊载的混合方法开发可行性研究

研究背景与立项依据

高收入国家临床分娩过程日趋标准化，常忽视孕产妇个体化偏好。德国2023年约69万例分娩中98%发生于医疗机构，且由陌生产科团队接生，研究显示多达43%的医院分娩存在未经充分知情同意的产科干预。约1/8孕产妇出现具临床意义的 childbirth-related Post-Traumatic Stress Disorder（CB-PTSD，分娩相关创伤后应激障碍）症状，完全型CB-PTSD发生率为4%–12.5%，可损害母婴联结、哺乳及伴侣关系。证据表明将孕产妇偏好整合入分娩过程可提高满意度、减少不必要干预。助产士主导连续性照护（midwifery-led continuity of care）被证实可降低剖宫产率并改善母儿结局。传统分娩计划（birth plan）过于静态且无法适应产程动态变化，现有数字化工具多面向医护人员而非孕产妇；The Birth Map为纸质英语工具未整合电子病历，CHAT-maternity-care侧重评估父母健康素养而非协助偏好表达，通用大语言模型（Large Language Model, LLM）缺乏领域限定易产生错误输出或被误读为临床指导。此外德国约13.4%人口母语非德语，移民背景孕产妇因语言壁垒面临知情同意不足与自主权丧失风险，而助产士课程对此类培训有限。FAIR-Birth拟弥补上述空白，融合结构化偏好采集、数字自适应性、多语言访问及助产士主导照护整合于一体。

研究目的与意义

FAIR-Birth（Fair, AI-supported, Informed, Respectful）项目旨在开发并可行性测试一款支持预先分娩计划（Advance Birth Planning, ABP）——即改编自预先医疗护理计划（Advance Care Planning, ACP）概念的产前结构化偏好阐明流程——的移动端App，借助领域限定LLM实现多语言健康素养适配对话，并将ABP文件嵌入助产士主导连续性照护及电子患者记录（elektronische Patientenakte, TI-ePA）。研究对应MRC复杂干预框架的开发与可行性阶段，若通过可行性评估将为后续RCT奠基，有望降低可预防分娩创伤并促进围产期照护公平。论文以研究方案（study protocol）形式发表以获取方法学前置审视。

主要关键技术方法概述

研究人员依更新版MRC框架采用序贯混合方法：Phase 1含四条并行工作流——①遵照PRISMA 2020指南进行关于分娩偏好阐明工具的系统文献综述；②邀集孕产妇（含不同移民背景及健康素养水平）、执业助产士及产科医师各一组焦点小组（Focus Group, n≈6–10组）行参与式工具开发；③通过结构化证据综合建立涵盖引产、镇痛、会阴侧切及剖宫产的产科干预多语言知识库，并以两轮在线Delphi共识（目标n=15–25/轮，≥75%同意为共识）验证内容效度；④基于检索增强生成（Retrieval-Augmented Generation, RAG）架构迭代开发LLM对话系统，以Mobile App Rating Scale（MARS）行可用性测试（每轮n=10–15）。Phase 2在巴伐利亚两所围产中心行前瞻性序贯解释型混合方法可行性研究，目标样本孕产妇n=30–50（妊娠中晚期，兼顾移民史与健康素养），收集招募率、App参与度、程序可行性与接受度四项可行性指标，辅以Birth Satisfaction Scale-Revised（BSS-R）及Wijma Delivery Expectancy Questionnaire（W-DEQ_A）版本A估算未来RCT效应量；半结构化访谈（孕产妇n=12–15，助产士n=6–8）行定性阐释，定量与定性数据通过联合展示（joint display）整合分析。LLM仅通过上下文学习及推理时引导向量调优，不使用参与者交互数据微调或训练。

研究结果（按原文小标题归纳）

理论框架

• •
  从ACP到ABP（From Advance Care Planning to Advance Birth Planning）：研究人员论证将ACP对话—记录—沟通结构移植至生理正常分娩场景的合理性：分娩与终末期照护共有高个人相关性、生理强度、时间压力及陌生团队特征，限制实时审慎决策，预先载明偏好可带入临产遭遇。ABP不同于ACP之替代判断逻辑，聚焦有能力孕产妇自身价值观与偏好之迭代阐明而非失能预想情形，输出为可随产前访视修订的结构化偏好文件，嵌入助产士主导连续性照护。
• •
  助产士主导产程共享决策（Shared Decision-Making in Midwifery-Led Intrapartum Care）：ABP将共享决策（Shared Decision-Making, SDM）之审慎反思阶段前移至产前，咨询助产士任促进者而非决策者；ABP文件作为SDM基础设施存于TI-ePA并在分娩时供临床团队调取。
• •
  健康公平与FAIR框架（Health Equity and the FAIR Framework）：研究以程序公平（procedural equity）为理论基础——每位孕产妇应真正获得反思、表达及传达偏好所需之信息与审议资源。FAIR-Birth通过三设计选择落实程序公平：LLM多语言及健康素养层级适配、遵循循证健康传播标准（含evidence fact box及德国循证健康信息指南）、孕妇—助产士—临床伙伴共同参与式设计。

FAIR-Birth干预概念

• •
  ABP工具（The Advance Birth Planning Instrument）：核心为六领域分阶段结构化自我反思对话导引（改编自Garten等围产姑息照护ACP架构），引导孕产妇识别、阐明并记录分娩偏好及可接受干预条件，产生可迭代修订的ABP文件，补全现有医护端工具之孕妇侧准备功能。
• •
  FAIR-Birth应用程序：LLM架构与知识基础设施（The FAIR-Birth Application: LLM Architecture and Knowledge Infrastructure）：App通过策展多语言知识库（经系统评价合成+Dlphi验证）及RAG架构使LLM仅基于验证内容作答，功能限于以用户语言及适宜健康素养层级呈现信息并引导反思对话以生成ABP文件，不做临床推荐；设护栏分类器（guardrail classifier）拦截直接临床咨询并导向evidence fact box及价值观反思提示，标记交助产士讨论。LLM采用非微调适应策略——高级RAG（查询变换、重排）、迭代系统提示、少样本提示（few-shot prompting）及推理时引导向量（inference-time steering vectors），持续监测指令遵循率、人对齐分及对抗拒绝率。
• •
  嵌入助产士主导产前照护（Embedding FAIR-Birth in Midwifery-Led Antenatal Care）：干预非独立技术产品，需助产士在产前访视引入ABP流程、逐次讨论ABP文件并协助存入电子病历，ABP文件最终可供分娩时陌生临床团队查阅。

拟定开发与评价方法学

• •
  方法学框架（Methodological Framework）：按MRC复杂干预框架Phase 1（开发）与Phase 2（可行性及试点）实施，Phase 3（全RCT）为后续计划；伦理分析与经验探究同步进行。
• •
  Phase 1系统开发（Phase 1: Systematic Development, 第1–18月）：如上关键方法所述，涵盖系统综述、参与式焦点小组建逻辑模型、Delphi验证知识库、RAG系统迭代开发及MARS可用性测试。
• •
  Phase 2可行性研究（Phase 2: Feasibility Study, 第19–30月）：如上关键方法所述，在两家巴伐利亚围产中心行混合方法可行性研究，采集四大可行性域数据并收集健康公平过程指标（非德语访问比例、助产士辅助引导/纸质备选使用率、弱势人群招募比），以Avery等提出的结构化推进判定流程（继续/修改后继续/终止）决定后续RCT开展，定性访谈阐释量化结果，所有数据依GDPR假名化处理，LLM不涉及参训数据使用。

讨论与结论翻译

讨论指出FAIR-Birth创新在于四要素整合——ACP概念移植、领域限定多语LLM对话、助产士主导连续性照护嵌入、迭代偏好更新——而非单一组件原创。项目从设计阶段纳入多语言及健康素养适配以靶向导致不平等分娩体验的程序条件，Phase 2评估此基础设施可行性及弱势人群 uptake；结局层面公平留待RCT检验。助产士不被App替代而是借ABP文件赋予孕产妇已有书面前置发声渠道。LLM局限（幻觉、训练偏差再现健康不公）通过策展知识库+RAG、限定偏好采集功能及持续质控缓解。局限性含：ABP产前偏好形成转译至产时决策作用未在本形式下验证；临床必要性可能要求修订偏好（ABP定位为对话基础非约束契约）；假定智能手机可及性潜在再生产不平等（研究中以支持通路、低带宽版、纸质备选作过程指标考察）；Phase 2不评效临床有效性，LLM跨中心行为全验证留待RCT。

结论：FAIR-Birth针对临床产科已记载缺口——缺乏嵌入助产士主导照护之多语言数字化结构化预先分娩计划工具——提出理论奠基、方法学严谨之应对方案，其贡献在各要素操作整合。本文奠定概念与方法学基础，开发及可行性研究将生成判定干预可接受性、可行性及是否值得全规模RCT的证据，推进判定无论结果均将公开发表。若可行性支持延续，FAIR-Birth有望为助产士主导产前照护提供可扩展多语言工具；其能否降低可预防分娩创伤或推进分娩体验公平系计划RCT之研究问题。