大型语言模型在护理质性研究中的应用：潜力、挑战与未来方向（范围综述）

　　本综述系统探讨大型语言模型（LLMs）在护理质性研究中的应用现状与效能，揭示其在文本分析、主题生成等方面具有中高度相似性与高效率，但在理论框架应用、访谈问题生成等方面存在局限，为未来护理领域人工智能（AI）与自然语言处理（NLP）技术融合提供重要参考。

　　

^研究问题

本范围综述的研究问题如下：

（1）大型语言模型（LLMs）在护理质性研究中的应用现状和具体场景是什么？

（2）LLMs在护理质性研究中的应用效果如何？

（3）在护理质性研究中如何评估LLM生成内容的质量？

^综述方案

本范围综述方案（附录S1）于2024年11月至12月期间制定，遵循乔安娜布里格斯研究所（JBI）统一管理、评估与审查系统框架。

^检索结果

初步检索共获得2478篇文献，去除重复后剩余1883篇。通过阅读文献标题和摘要，排除了1846篇不符合纳入标准的文章，例如与质性研究（QR）和大型语言模型（LLMs）无关的研究。进一步阅读全文后，依据排除标准剔除了与综述内容不符、主题不相关、类型不符合（如会议、报告等）的文献，最终纳入11项研究进行深入分析。

^{质性研究中的LLMs：一种新兴但前景广阔的方法}

本范围综述系统评估了当前大型语言模型（LLMs）在护理质性研究中的应用效果。研究发现，LLMs在该领域的应用仍处于初步探索阶段，主要集中在质性文本分析和主题生成等基础功能上。这一结果表明，尽管LLMs在技术层面展现出一定潜力，但其实际应用仍需深入拓展和优化。

^结论

大型语言模型（LLMs）在护理质性研究的文本分析和主题生成方面展现出显著潜力，表明其具备良好的应用前景。然而，其在该领域的研究应用仍处于早期探索阶段，需要进一步优化和完善。未来的研究应致力于在护理情境下优化模型算法，开发便于护理从业者使用的友好工具，并构建完善的评估指标体系。为推动该领域的标准化和国际化发展，跨学科合作与伦理规范建设至关重要。