疾病經驗(FIFE)訪談架構、訪談能力評估與回饋系統之建立與驗證

這是我倫理學教學10幾年的主題之一，內容更改至少5次了....

臨床一直沒有採用，我依然沒放棄.... 這頗像我30年的主要研究成果（評估工具），乏人問津一般.... 哀怨的緣由，有些已於之前的貼文論述了...

回到FIFE，因生成式AI的誕生，讓我們多一項強大的研究技術/方法！！我已設計多位可供訪談的虛擬病人（生理、心理與小兒個案或家屬）！因此「FIFE訪談架構、訪談能力評估與回饋系統之建立與驗證」已正式進入「研發/改良」階段。

我們團隊的學術基礎包含：

1. 心理計量應用學，提供發展與驗證評估與回饋系統之基礎。
2. 溝通技巧與臨床同理學理與評估工具，提供關鍵核心能力/臨床技能的評估與回饋之基礎。
3. 生成式AI應用，提供研發/改良的加速器！！經由虛擬病人與考官的建置，可大幅提升驗證與改良之效能。

上述1&2是核心知識；3是核心技術！

我們團隊的臨床與人才資源包含：，

1. 臨床專家/單位合作，提供人才與臨床測試場域
2. 已累積諸多錄影檔與逐字稿，提供大量試驗資料

有了上述條件，下列教學/研究，甚至臨床應用議題皆「更接近」可以實現：

1. 建構可行的訪談架構，可完整或分拆的訪談架構/紀錄要點，以利執行。
2. 建構與驗證虛擬病人與考官（偏重虛擬臨床技能測驗「方法學」之發展）
3. 建構訪談/會談核心能力/臨床技能之評估與回饋（偏重「臨床技能教育成效」之驗證）

Note: 更早投入研究的共享決策（也是倫理學教學10幾年的主題之一），已放到冰庫！～ 主要原因是準備不足（或基礎不足），因為條件更多。其一條件/原因是FIFE沒做好！！

待續....

 

Deep Research 的表現應已（遠）超過碩班水準

早上測試 ChatGPT vs Gemini vs Claude 之 Deep Research 表現 (June 8, 2025)。

我的 prompt: "請彙整2023年迄今，以大型語言模型發展虛擬病人或虛擬考官之實證論文，且可於 PubMed 或 Scopus 資料庫可查詢到的實證論文"

三者皆自動解讀 prompt，列出特定執行流程與範疇，以供使用者確認。

如 Gemini:

----------------------------------------------------------------------------

(1) 針對 PubMed 與 Scopus 資料庫，設定關鍵字組合進行檢索，關鍵字包含「大型語言模型」(Large Language Model, LLM)、「生成式AI」(Generative AI)、「虛擬病人」(virtual patient)、「標準化病人」(standardized patient)、「虛擬考官」(virtual examiner) 及「客觀結構式臨床測驗」(OSCE) 等，並將發表日期限定在2023年1月1日迄今。

(2) 篩選搜尋結果，識別出屬於「實證研究」性質的論文，排除純理論探討、評論或會議摘要等非實證文章。

(3) 針對每一篇符合條件的論文，詳細摘要其核心內容，包括：

(a) 研究使用的具體大型語言模型（例如 GPT-4, Llama 等）。

(b) 虛擬病人或考官的應用情境（例如：醫學教育、臨床技能訓練、能力評估）。

(c) 研究方法與設計，包含系統開發流程與評估方式。

(d) 主要研究發現、數據結果與成效。

(4) 綜合所有論文的資訊，分析當前以大型語言模型發展虛擬病人或考官的技術趨勢、主要挑戰（如：回答的準確性、安全性、倫理問題）以及未來研究方向。

(5) 比較不同研究在方法學上的異同，例如提示工程（prompt engineering）的技巧、評估虛擬角色表現的指標，以及衡量的教育成效。

---------------------------------------------------------------------------

我確認或修改後，他們就開始執行！！

約10分鐘後（可去喝茶/咖啡），就彙整出來了，包含參考文獻（正確率很高，皆可連結/驗證）！

效能一定超越碩班畢業生水準，因為時間效率（應是50:1--碩班畢業生至少要花50倍的時間，品質就不說了；博班生或是20:1）。

 ChatGPT vs Gemini vs Claude 三者表現差異呢？ 我覺得差不多！！

很多精神科EPAs都是生成式AI的立即研究議題

 

出處：《醫療品質雜誌》 16卷1期 (2022/01) Pp. 70-75

綠色字部分（準備文本紀錄或計畫等任務）：

如 4. 擬定適當且完整治療計畫。

5. 記錄與報告病人的臨床事件。

6. 記錄與報告精神疾病病人的臨床資料。

這是 LLMs 即可搞定/幫大忙的任務！！若僅以專家驗證信效度，則IRB頂多簡審！！

紅色字：訪談/諮詢部分，毋須（或較少）觀察， My GPTs 也可搞定！！

後續可行的研究題材超多！！

另一發現是，國內精神科醫學教育的研究成果極少！！

檢索增強生成(Retrieval-Augmented Generation) + NotebookLM

 為了解決大型語言模型(Large Languae Modls, LLMs)的一些局限性（如hallucination/幻覺），研究人員開發一種名為檢索增強生成(Retrieval-Augmented Generation, RAG)的最新技術。RAG能夠讓LLMs參考可靠的外部知識，從而提高模型的表現。以下是RAG的主要特點和優勢：

RAG的原理在於結合二個關鍵組件：

• 檢索模型：負責從外部知識庫中獲取與查詢相關的資訊，外部知識庫係由使用者提供。
• 生成模型：利用檢索到的資訊和原始查詢來產生回應。

RAG的優勢

• 提高準確性：通過引用外部可驗證的資訊，RAG可減少LLMs產生錯誤或虛構回應（即「幻覺」）的風險。
• 即時資料更新：RAG允許LLMs獲取最新資訊，無需重新訓練模型。
• 成本效益：相比持續微調LLMs，實施RAG可能更具成本效益。
• 增強相關性：通過利用特定領域或專有數據，RAG可以使LLMs的輸出更符合特定人士/組織的需求。

RAG的應用：RAG在需要維持準確性和相關性的領域特別有用，例如：

• 客戶支援聊天機器人
• 問答系統
• 知識密集型應用程序

NotebookLM 是 Google 推出的一款實驗性 AI 工具，旨在提升使用者在處理和組織筆記、文件及想法時的效率。這款工具結合先進的語言模型技術，特別是基於 Gemini 的模型，能夠幫助用戶快速理解、分析和擴展其上傳的資料（亦即應用上述RAG＋LLMs）。

NotebookLM 的主要功能

• 資料整合：用戶可以上傳各種文件類型，包括 Google 文件、Google 幻燈片、PDF 檔案及網址。NotebookLM 利用這些來源進行後續的互動和分析。
• AI 驅動的分析：該工具能自動生成上傳文件的概述、摘要、關鍵主題以及建議問題，幫助用戶更好地理解內容。
• 智能問答：用戶可以針對其來源提出問題，NotebookLM 將提供帶有內嵌引用的答案，直接鏈接到原始文件的相關部分。
• 筆記和組織功能：NotebookLM 允許用戶創建、保存和組織筆記，並能將選定的筆記轉換為大綱、目錄或學習指南。
• 協作功能：用戶可以與他人共享筆記本，促進協作研究和學習。
• 音頻導覽：NotebookLM 能生成短小、有趣的“播客風格”音頻，讓用戶能夠以聽覺方式吸收信息。這功能強大！！如討論我的 blog 之 Podcast 音頻，但目前只有英文。

使用 NotebookLM 的優勢

• 時間效率：NotebookLM 大幅減少閱讀和摘要所需的時間，使得用戶能更專注於信息的應用。
• 增強生產力：通過簡化信息消化過程，用戶可以在更短時間內完成更多任務，例如準備報告或進行研究。
• 個別化體驗：該工具根據用戶的過往互動和偏好自定義摘要和見解，確保最相關的信息可被突顯。

超擬真虛擬病人(Virtual Patients, VP)之特質

以對話為主，VP 需具備以下特徵與內容：

1. 對話特徵或特色：

   a. 語言表達方式：

   - 詞彙選擇（包括方言、俚語、專業術語）

   - 語音特徵（口吃、重複、語速）

   - 句子結構和複雜度

   - 個人化口頭禪

   b. 半語言表現：

   - 語氣和音調變化

   - 停頓和沉默的使用

   - 表達中的猶豫或堅定

   c. 互動行為：

   - 反應速度

   - 對話參與度（主動性、被動性）

   - 提問和回應方式

   - 話題轉換能力

   d. 認知表現：

   - 理解能力

   - 記憶特徵（短期記憶、敘事邏輯）

   - 注意力集中程度

   e. 情感表達：

   - 情緒變化的語言體現

   - 態度的表達方式

2. 對話內容：

   a. 個人信息：

   - 日常生活描述

   - 工作和職業相關内容

   - 家庭和人際關係

   b. 健康相關：

   - 症狀描述

   - 病史陳述

   - 治療經歷分享

   - 對健康和疾病的看法

   c. 知識與觀點：

   - 特定領域知識的表達

   - 對社會議題的看法

   - 個人信念和價值觀

   d. 文化和背景：

   - 文化習俗和信仰的提及

   - 教育和社會背景的體現

   e. 興趣和偏好：

   - 個人愛好的表達

   - 對特定話題的興趣或厭惡

建立SP的新方法

將「訪談逐字稿+個案資訊」交給 ChatGPT分析其回答問題的特質，再依據這些特質與資訊作為模仿個案（擔任SP）的素材。如此，我們可以快速生成類似真實病人的SP。

之後可加上聲音（我們已有錄音檔/逐字稿）

5～8年後加上人形機器人

如此一 對話特質＋聲音＋舉止都有了

絕對可以做出數個超級SP！！

一般真人扮演的SP，應該會失業了。

以上請 ChatGPT改寫：

請將以上的概念，改寫成更完整/詳細：

在職能治療領域中，標準化病人（Standardized Patient，SP）的使用已被廣泛應用於教學與評量中，以提升學生的臨床技能。傳統上，SP是由訓練有素的演員扮演，以模仿特定的醫療狀況。為了進一步提高SP的實用性與真實感，本研究提出了一個創新的方法，該方法利用人工智慧技術來創建更加精確和多樣化的SP。

首先，本方法涉及收集與分析訪談逐字稿和相關的個案資訊。這些資訊將提供給ChatGPT，一種先進的語言生成模型，用以深入分析病人在對話中展現的特質，如語言模式、情緒表達和反應速度。透過這種分析，我們能夠識別出病人對話的關鍵特徵，這些特徵將被用來訓練SP，使其更加真實地模仿特定病人的行為和語言表達。

其次，為了增強SP的真實感，我們將加入病人的聲音資料，這些資料來自於事先錄製的音頻文件。通過對這些音頻進行分析，我們可以捕捉到病人的聲調、語速和情感波動，並將這些聲音特性整合到SP的訓練中。

在未來5至8年內，我們計畫將這一方法擴展到使用人形機器人作為SP的實踐。這些人形機器人不僅能模擬病人的語言表達，還能進一步複製其肢體語言和其他非語言行為，如姿勢、眼神交流和手勢。

通過結合對話特質、聲音和肢體語言，我們能創造出「超級SP」，這些SP將在醫學教育和研究中提供無可比擬的價值，使得傳統由人扮演的SP可能會逐漸被這種更高科技、更高仿真度的SP所取代。此方法不僅提高了教育的質量和效率，也為未來職能治療及相關醫學領域的教學和研究開拓了新的可能性。

生成式語言模型AI（例如ChatGPT）在標準化病人（SP）開發中的應用潛力非常大，可以從多個層面提高SP的訓練效果和真實性，以下是一些主要的應用潛力：

1. 增強對話的真實性

生成式語言模型能夠學習和模仿特定個案的語言模式，包括語法結構、詞彙使用、情緒表達等，從而生成符合特定病患特徵的對話。這對於提高SP在模擬訓練中的對話真實性非常有幫助，使得臨床訓練更加接近真實的病患互動。

2. 模擬多樣化的病患行為

AI可以根據不同的臨床情境和個案背景生成多樣化的對話反應，這有助於訓練學生應對各種不同的臨床情境。此外，AI模型還可以模擬不同病症進程中病患的語言和情緒變化，增強SP的情境適應性。

3. 提供即時反饋和適應性學習

生成式AI可以在模擬訓練中即時分析學生的問答，並根據學生的表現調整對話策略，從而提供個性化的學習體驗和即時反饋。這對於學生的學習效率和臨床技能的快速提升非常有利。

4. 無限擴展的訓練場景

利用AI，可以生成無數種基於真實病歷或臨床研究的模擬對話，無需額外時間和人力成本來訓練演員。這使得教育機構能夠提供更廣泛、更多樣化的訓練場景，以應對日益多樣化的臨床需求。

5. 降低成本與提高可訪問性

通過AI生成對話減少了依賴專業SP的需求，尤其是在一些複雜或少見病症的模擬訓練中。這不僅可以降低整體訓練成本，還可以使得這種高質量的臨床溝通訓練更加普及，提高教育的可訪問性。

6. 支持跨語言和文化訓練

生成式AI的語言和文化適應能力使其能夠支持多語言的臨床溝通訓練。這對於多文化背景的醫療機構尤其有用，能夠有效訓練醫療人員應對不同語言和文化背景病患的交流需求。

通過這些應用，生成式語言模型AI在標準化病人開發領域提供了一系列創新工具，有望顯著提升醫學教育的質量與效果。

生成式語言模型AI，如GPT系列，擁有多種先進的特質和功能，這些使其在標準化病人（SP）開發和臨床溝通訓練中特別有價值。以下是一些關鍵特質和功能：

1. 自然語言理解和生成（NLU & NLG）

• 理解多層次語境：AI能夠理解複雜的語言輸入，包括隱含意義、情緒語氣和專業術語。
• 高質量語言生成：能夠生成流暢、自然且語法正確的回應，這些回應不僅語言上合適，而且情感上符合人類的交談模式。

2. 大規模數據訓練

• 基於廣泛數據學習：AI模型通過學習大量的文本數據，獲得對人類語言的深入理解，這使得它能夠適應多種交談情境和話題。

3. 高度適應性

• 個性化對話：模型可以根據用戶的輸入（如病患的病歷、情緒狀態等）調整其回答的風格和內容，提供個性化的互動。
• 跨語言能力：支持多種語言，能夠進行跨語言的溝通訓練。

4. 實時反應與互動

• 即時回應生成：AI可以即時生成回應，使得模擬對話更具互動性和連續性。
• 情境適應：能夠根據對話情境的變化（如話題轉換、情緒變動等）動態調整回應。

5. 可擴展性和可持續性

• 應對多種情境：AI模型可以被訓練來應對從常見到罕見的各種醫療情境，包括特殊病症的對話。
• 持續學習與更新：隨著技術的進步和數據的累積，AI模型可以不斷更新和改進，以反映最新的醫療實踐和語言使用趨勢。

6. 統計分析和模式識別

• 識別語言和情緒模式：可以分析大量對話數據，識別出特定病症或病患類型的語言和情緒模式。
• 數據驅動決策支持：生成的分析結果可以支持教育者和臨床專家在訓練和評估中作出更精確的決策。

這些特質和功能使生成式語言模型AI成為一個極具潛力的工具，能夠在標準化病人開發和醫學教育中發揮重要作用，提升訓練的效果和效率。

【臨床技能/研究核心能力】密集訓練//回饋

*臨床技能若能密集訓練--教學/考試+練習+回饋..... 多次練習&回饋... 

若能如此，理論上--臨床知識/技能--應可快速養成!!

*AI SP + AI考官---虛擬回饋或真人回饋，如何整合!? 可透過不同組合，再比較之!!

【衛教/諮商、訪談式評估、溝通技巧等】如介紹OT、BI評估、同理心、出院計畫、DNR... 都可以玩一玩!!

OT/PT/Nursing/Physician, 

UGY/PGY

以下簡介研究流程，以巴氏量表評估為例，ABC三步驟：

A【講義/教材製作】內容大致可分為四部分：

1. 評估者向個案說明評估ADL/失能之緣由並邀請個案接受評估

2. 評估者評估各項目【可再細分：評估時間範圍、評估概念、評分(尤其是具有 partial dependence 項目)】【需準備常用巴氏量表版本，以供評估者使用】

3. 評估者向個案說明評估結果

4. 評估者向個案說明後續可能處置

*我們宜先制定上述四部分概念說明/講義，以當成後續(專家與 ChatGPT)評分與回饋之依據。且這些說明/講義內容宜先與專家確認。

B【教學模式設計：皆遠距/視訊教學】

傳統教學/考試 + ChatGPT 輔助教學 (僅SP) vs 傳統教學/ChatGPT命題 + ChatGPT 輔助教學 (SP+考官)

Google Meet 錄影

預試：至少找3~5位考生測試

C【教學成效驗證：皆遠距/視訊】

Google Meet 錄影

正式：應該可以很快，1~2周內完成

每組至少20人，2周之後再測/追蹤

#研究核心能力

寫作能力比較難，因為牽涉基本知識、閱讀能力、批判能力，不僅只有寫作而已。

統計知識--應該不難--AI自學/AI考試

其他：

PPT設計也大概僅有格式修改建議....

以下是跟 ChatGPT 對話：https://chat.openai.com/share/383c12cc-fd8c-4bd2-8adb-a51f82c1d3ee

您的研究構想看起來相當全面，著重於利用高頻率的練習與回饋來提升臨床技能。以下是對您的研究構想的整理與擴展：

研究目的

探討透過高密度的訓練與回饋，結合人工智慧模擬病人 (AI SP) 與 AI 考官，來加速臨床知識與技能的養成。進一步比較虛擬回饋與真人回饋的效果，以及不同教學組合的成效。

研究對象

• 目標群體包括職能治療 (OT)、物理治療 (PT)、護理 (Nursing) 及醫師 (Physician)。
• 參與者階段涵蓋大學部學生 (UGY) 及研究所及專科醫師 (PGY)。

研究設計

Step A: 講義與教材製作

1. 評估者向個案介紹評估活動日常生活 (ADL) 失能的原因，並邀請個案參與。
2. 評估者使用常用的巴氏量表版本進行詳細評估，包括評估時間範圍、概念及具有部分依賴性的項目評分。
3. 評估者向個案解釋評估結果。
4. 評估者討論可能的後續處置。

Step B: 教學模式設計

• 比較傳統教學與考試，加上 ChatGPT 輔助教學（僅模擬病人 SP）與傳統教學結合 ChatGPT 設計的考題和輔助教學（模擬病人 SP + AI 考官）。
• 使用 Google Meet 進行錄影，以確保遠程教學與評估的進行。

Step C: 教學成效驗證

• 初步試驗：邀請 3-5 名考生進行教學與評估的測試。
• 正式評估：於 1-2 周內快速完成，每組至少 20 人，並於 2 周後進行後續測試與追蹤。

預期成果

• 比較不同教學模式下的學習成效。
• 評估 AI 輔助教學與真人回饋相結合的效果。
• 為臨床技能教學提供創新的遠程教學方案。

此研究設計有助於確認密集訓練與回饋結合 AI 技術在提升臨床技能方面的實際效果，並可能對未來的臨床教育方法提供重要的指引。  

臨床技能教學與成效評量的新階段--字幕

第1份PGY 學員臨床任務 VIDEO 出爐了

還加上字幕!!

我想除了錄影，字幕可以方便提供資深專家發現問題並提供意見。

相對地，如果只有 video 與 逐字稿，資深專家會蠻累的!!

但這些都是$$與時間的累積，也就是燒錢/燒人力!!

【（一小時）錄影人力費用 + 繕打逐字稿 + 校稿 + 上字幕 + 資深專家評分/給意見 + 助理處理費 + PGY 學員事先準備】

這需要多少錢與時間，CP值如何??

請韋廷估算一下!!

專業技能--溝通技巧研究的後續...

至少有三：

1.召開 workshop 或小型研討會，明年開始，每年或隔年舉辦

2.撰寫溝通技巧評估與介入手冊，再結合文獻（含團隊發表之論文），草擬教科書「職能治療醫病溝通」

3.規劃後續研究議題

1的內容，基本上已備妥。我們已有諸多經驗與成果，包含小兒、生理以及心理的溝通技巧評估與介入，還有現有評估工具之使用驗證經驗。可主講者包含黃老師、王怡晴博班生、陳姿廷博班生、張雅涵碩班生，蔡劭彤碩班生、蔡函恩碩班生、蔡錦良治療師，當然還有我。主角夠強－主題夠多了！！

2的內容已準備一半以上，「溝通技巧評估與介入手冊」早已持續撰寫，只待持續深入與修飾。目前以投稿1篇中文與1篇英文稿件，研討會稿件已多篇...年底前目標再寫一篇英文稿件。因已撰寫多篇研究計畫，所以諸多教科書的章節內容（如溝通技巧之重要性，溝通技巧評估、溝通技巧介入與成效）大半成形！

3包含工具發展，從傳統完整版、簡版、電腦適性測驗、以及AI版之發展與驗證，再加上介入成效驗證與發展（包含形成型OSCE、形成型OSCE＋深入回饋、問題為導向之介入等）。目前已執行完整版與電腦適性測驗，後續計畫重點以簡版與AI版為主！介入計畫後續主題以發展自己的介入模式與長期成效追蹤為主。

歡迎更多的人才投入他們的青春....

後續PGY課程--如何確保學習成效

除了課堂教學與演練，需有臨床實務應用之觀摩，以確實做到學以致用。意即講師需至臨床觀摩PGY學生之應用情況，再給予個別回饋。最好能安排數次（追蹤成效）！！或是學生提供錄影檔案，以供講師觀看/評分/回饋。

收費！？先收費，再視學生學習情況退費（學的越好，退費越高）。類似保證金制度。或是，學生於授課後，自行繳教學費（學生自行決定金額）。類似市場/價值決定學費。

學習成效的評量有二：一、紙筆測驗，以確認知識吸收程度；二、臨床觀察，以確認技術與學以致用之程度。

https://www.facebook.com/tedandet/posts/4065316110204116

系友分享

遠距實習--構想篇

已完成設計/測試的「溝通技巧/臨床技能OSCE」，因為疫情目前無法收案，但卻可用在【遠距實習】！

9站OSCE，含訪談(如主訴/病史/職能史)、評估(MoCA，巴氏量表)、衛教(行動輔具、副木穿戴)、決策(目標與計畫設定)，皆可派上用場。【行動輔具、副木穿戴或需器材】

缺點：

• 考站內容主要缺點：欠缺介入計畫執行教案，此因遠距，難以克服。Note 6 提出【考官代理】之代償方式。
• 肢體語言/副語言闕漏【育禎提出】

就實習言：

• 參與者--學生：可一對一或多對一(其他學生觀摩)
• 參與者--SP：可為一般SP、研究助理、實習指導老師，也可考慮邀請病人擔任之
• 錄影/音：yes!
• APP: 選項1. Google Meet. 優點有四：方便/易於操作（介面簡單）、穩定、錄影方便（請考生和病人開視訊鏡頭)、電腦手機都可使用（但手機須事先下載app）。只要事先建立各會議（考場）網址，時間到讓他們加入！【以上意見由怡晴與怡儒提供】若有更好選項，將再提出。
• 鏡頭：SP/病人與學生開鏡頭，考官不開鏡頭【怡儒提供】
• 回饋：以現場/即時回饋為主(我們已設計現場評估表)，可一對一或一對多。若具備足夠時間/人力，亦可考慮試後給予深度回饋。

準備：

• 訓練SP：一般SP、研究助理、實習指導老師
• 演練：標準化以及發現問題(每一站需增設一位APP操控者【甚至操控鏡頭】，考官或可代理之)
• 負責人：譽騫，先挑選3~6考站(至多需要小幅修改者)，再找助理/研究生測試之。預計6月中旬完成測試。若順利，可再考慮增加考站（但這或需臨床人員協助設計）。
• 跟薛主任報告

Note: 

1. 可評分並之後考量給予認證 
2. 後續若有更多需求/參與者：可增加考站
3. 我們的教學影音資料庫IRB剛好可派上用場
4. 可開放給全國大四學生參與
5. 以上教材/執行模式可成為日後實習前之練習、或大三實習用。
6. 介入的部分或可採用【考官代理執行介入--學生告訴考官如何代理執行介入】

寫計畫 -- 實現創意與理想的首部曲

最近改寫同理技巧.....作為後續  同理技巧評估與介入之參考架構

同理技巧包含四大歷程／階層：

一、「感知/辨識同理時機（情境）」

感知對方情緒/想法 (以知覺為主的能力，從對方之言行感知/辨識)

包含察覺病人隱含（不明顯的語言或肢體動作--不明顯之同理時機）與外顯同理時機，意即醫療人員須察覺病人隱含與外顯之感受或想法。

瞭解/掌握醫病互動時，病人常需要同理之情境 (以知覺與認知為主的能力--會談前事先預期會談主題（病人可能的困擾/情緒/想法）以及可能發生之同理情境[認知]

二、「確認感受與想法、重要性、與深入交談之意願」

醫療人員需主動/確實釐清病人之感受與想法，必要時，醫療人員需先引導病人明確表達，再確認之。(以認知與溝通能力為主--詢問與確認。包含開放式/全面 詢問個案之想法/感受/情緒，並確認之!)

亦需確認病人對於同理情境/議題之重視（重要）程度以及是否願意繼續討論，以判斷是否繼續討論或該如何回應（決定同理回應等級--確認（同理情境）/接受/認同/支持/確認（認同/支持））

三、「給予適當回應與支持」

確認同理情境、重要性以及意願之後，醫療人員需【給予病人適當的回應與支持】，包含表示理解與接受，並給予安慰或適當支持。

高階同理回應如下：

傳達病人情感/經驗之合理性

提供合理支持/保證（想法與情緒）

傳遞希望/一起努力

分享類似經驗/情緒

(以認知與溝通能力為主）

四、「確認（追蹤）病人獲致適當回應與支持」。

對於病人比較重視的同理情境，醫療人員宜【確認病人之想法或感受有無獲得理解、回應與支持】。

(以認知與溝通能力為主）

感謝譽騫【臨床人員同理技巧之難題】之製圖

若以病人的角度言，或許最關鍵的只有二個： feel (totally) understood & feel (totally) supported

醫療人員宜確認：（您的想法/感受）還有我不瞭解之處；（您的想法/感受）還有沒獲得我支持的！？

歡迎惠賜意見!

Note: 紅色 highlights為July 8, 2021 新增

機制探討--以提升同理心、臨床技能為例---繼續有獎徵答

 同理心【理論上】可提升醫病關係（個案滿意度）/溝通效能（主要臨床技能之一），進而提升順從度、治療成效與效能---這理論/機制實證有限，OT幾乎沒有...

但如何提升同理心？-- 意即：提升（影響）醫療人員同理心之機制為何？

如之前 post 所提，可套用知識-態度-行為模式（機制）

先提升臨床人員對於同理心之知識與態度，以及教導同理能力之知識＋同理技術演練，再探究同理行為/技術之臨床表現是否提升

大致有二種  研究設計 可驗證或探究機制：1. 以 RCT 「驗證」特定介入之成效（機制）；或 2.同時調查所有相關變項，再「驗證」或「探索」其因果關係（統計方法就先略之）。

但何謂同理心！？這是「提升同理心」以及「探究同理心影響臨床效能/機制」的基礎/關鍵議題

學界對此定義從無共識，以後也難有一致共識。。。

所以我們可看到諸多同理心之定義，也可看到一籮筐同理心評估工具.... 百家爭鳴/欠缺黃金標準

同理心的定義絕對影響上述機制探究與其價值

也影響評估工具的內含、評估模式與價值

那我們如何克服同理心「定義不一」與「工具繁多」的問題？？

請惠賜意見

Kirkpatrick Model 之應用

 聽說是最有名的  分析與評估  訓練與教育成效 之架構

Source: https://miro.medium.com/max/1024/1*_VjnZgUSe6flMc21pY_faA.jpeg

包含4階層

1 階:反應--學習者對於訓練的感受與想法【滿意度/建議等】

2 階:學習--學習者之知識與態度的改變

3 階:行為改變--學習者之實務（臨床）表現的改變

4 階:成果--(對組織與環境之影響)--成效指標變化

Kirkpatrick Model 似乎蠻適合套用於臨床技能訓練的評估架構

1. 受試者對於訓練之感受、想法與建議等

2. 受試者對於訓練標的之知識與態度改變

3. 受試者對於訓練標的之臨床表現改變

4. 臨床成效指標之改變

我會找機會應用於新的研究計畫！！

＊月底又要寫一個研究計畫... 放射治療師的臨床技能訓練... 跨領域！！

 

同理心（技巧）之概念與評估 難題以及現況

因為同理心的定義多元，造成各工具之評估標的/概念亦多元

使用者（研究者）想評什麼同理心概念？他們有掌握明確？有用對工具嗎？該工具有充分的心理計量證據嗎？

我猜測即使同理心 RCT介入的研究者，對於上述議題能全部掌握者，相當有限！！

蕙菱已開始整理護理領域之同理心RCT，這些研究人員「採用何種同理心定義」「介入重點」「評估工具之評估標的」「評估工具之心理計量實證」各如何？連貫/一致嗎？

之後，我更想評論醫學生/醫師同理心RCT中，如護理領域之同理心概念/工具相關議題

我猜測--誤用/不連貫的情況一定普遍（超過7成）

我之前發表過類似論文--ADL RCT 中, 研究者對 ADL 工具之評估概念，大多不清，且誤用評估工具！！詳：
Hsieh CL, Hoffmann T, Gustafsson L, Lee YC. The diverse constructs use of ADL measures in stroke randomized controlled trials in the years 2005-2009. J Rehabil Med. 2012;44:720-6.

臨床技能---遠距家教班--1對1

近來動員諸多研究資源投入--臨床技能測驗與訓練（含OSCE）
主要目的有三：
1. 發展/改良全面性之臨床技能測驗（含會談、評估、衛教、治療、溝通/同理心以及「相關知識」等臨床技能測驗）
2. 發展/改良臨床技能介入模式（含 formative OSCE以及其它介入模式）
3. 發展AI-based臨床技能測驗與介入模式（俟1&2做出樣子之後），這可以「網路攝影機＋AI（也就是遠端遙控/遠距教學）」為之。 AI可 自動/持續 改良「臨床技能測驗與介入模式」！！

若能到達 3的層級，應該就能開設「臨床技能---遠距--1對1--家教班」
遠距 是為了便利執行
1對1--家教班 是為了隱私（以提升專業人員之意願）

我想，如果每個月，每位專業人員，讓我們每月一次「遠距AI臨床技能測驗與介入」（should be less than 2 hours），我想，不出三次/三個月，該專業人員之臨床技能，必能顯著提升！！
因為上述內容包含：以AI找出臨床技能困境（以影像/聲音為憑證），再對症下藥，且再評估/介入，必有成效！

有專業人員會買單嗎？他們要付錢喔！！
還是賣給他們老闆。。。
可考慮賣給衛福部，當成醫事人員執照換證之條件
可考慮賣給考選部，當成執照考--臨床技能考試測驗
if so, 我們將累積更多數據/經驗，AI效能將能持續提升。。。。

這家教班的「班主任」一定是薛漪平教授。。。較有吸引力！！

又在作夢了，歡迎惠賜意見！

SDM 準備多時，卻擬知難而退，那又如何退。。。

函恩約一年半來，跟我投入新領域之探索。。。(還有揚揚、美霖、昕宜、子群、貞伃以及昱璇等人之協助，差點忘了芷瑄)

相關領域/主題包含 OSCE (從副木、上肢解剖、翻轉教學一直到溝通與同理心)、實習學生之評分架構、SDM以及FIFE等 (SDM: shared decision making; FIFE: Functioning, Ideas, Feelings, and Expectations that can be viewed as patient-centered interviewing)

每個主題都跟【OT的品質】以及【實習學生/專業人員之能力訓練/提升】相關，這也是為何我想探索這些主題的主因之一!

然而副木OSCE之 scope 太小、實際執行成本高，已撤；

上肢解剖之scope/重要性極高，然目前已進入VR教學，我們團隊欠缺技術，也難以跟上(沒競爭力)，亦撤；

翻轉教學需要很多學生很多投入，且成效難以比較 (難以分組比較)，撤。。。

實習學生之評分架構，各實習單位確有諸多改良空間，但難以實驗/操控，也撤。

SDM甚至去年就辦過研討會了，還有怡靜、揚揚以及美霖的大力協助。曲高和寡，應是最佳註解。去年研討會時，乏人問津，我應該警覺。因為實在難以影響治療師之決策歷程，遑論結果，快，快撤吧!? 這投入數年了，醫策會以及衛服部正在大力推動之際，我就要撤了嗎!?

以上，皆無正式研究計畫/經費支持。已投入人力與資金甚多。。。但

千金難買早知道。。。【自我反思】將帥無能，累死三軍。。。研究亦然如此。

還好還好，我們費盡心力，在怡靜時代開始，近二年來，從治療師與個案之會談錄音中(已轉換成去ID之逐字稿)，已累積近30位治療師-個案會談資料，那就看我們如何善用資料!! 目前不易再累積更多資料，因為治療師再接受錄音之意願極低。

我們將於2019學會研討會發表【治療師決策模式之檢核表發展】【治療師共享決策之評分表發展】。。。二者是應用於逐字稿，眾人投入甚多者。

另外，怡晴與黃老師也一起投入溝通與同理心之架構與評分表，竟快一年了。思晴於暑假期間加入，暑假之前應可大致完成【溝通(含同理心)之架構與評分表】。7月時也完成第1項【溝通能力評估工具驗證】之研究計畫，此時怡妙也進來了。。。另外，博後蕙菱於暑假期間也開始整理【溝通介入】實證資料，思晴也快整理好【同理心介入】之實證研究結果。另外，佳燁也於暑假期間開始投入同理心部分，預計今年寫個大計畫。。。整軍經武，強力投入!!

【同理心介入】之實證研究，全世界竟然只有9篇(數量或有誤差)呈現正向結果，這代表任何同理心介入之理論，針對醫療人員或醫療相關學生，皆欠缺實證。因為介入理論/模式多元、實施情境多元、且欠缺中長期追蹤，因此實證層級過低! 諸多理論與介入模式皆有大幅改善空間!!

所以我們或許挖到寶了，至少挖到寶礦礦脈或柳暗花明，因為同理心與溝通技巧之重要性/scope 皆大!! 但目前醫學界相關研究成果(評估與介入)皆有限，OT幾乎空白!!

後續 (短期-3~5年內) 的研究議題//論文發表(以上述逐字稿內容為情境)，可包含
以 KEECC (或其它著名溝通評估工具) 評估治療師之溝通技巧
職能治療師決策模式初探
職能治療師SDM執行程度初探
職能治療師SDM評估工具之發產

溝通技巧評估工具(自行發展)之發展與驗證(含傳統工具與CAT)

同理心評估工具(自行發展)之發展與驗證(含傳統工具與CAT)
溝通技巧評估工具之心理計量比較
同理心評估工具之心理計量比較

以上，若能完成一半，所有過往投入應已值得!!

中期 (5~8年)

發展同理心與溝通技巧之介入模式應用於各種情境

發展同理心、溝通技巧與決策之AI評估模式

長期 (8+ years)
發展同理心與溝通技巧之理論

發展同理心、溝通技巧與決策之AI介入模式

撰寫同理心與溝通技巧之教科書

同理心與溝通技巧之評估與介入應用於其他醫療專業人員(甚至其他與人互動之專業)

以上，若能完成一半，作夢也會笑!!