【协和医学杂志】快速定性分析方法及其在实施科学中的应用
时间：2026-05-09 21:39:50 热度：37.1℃ 作者：网络
深度解析医学证据，lxfs.net为你支撑决策
目前临床研究成果未能有效转化应用于实践[1]，这一过程受到健康社会决定因素（SDOH）、实施情境及复杂干预措施等影响，导致医疗服务应用不足，影响转化效果[2]。实施科学（IS）以促进有效干预措施转化为核心，强调提升研究效率与速度，推动循证证据充分应用于临床实践和医疗决策[3-4]。但健康干预研究过程具有动态性和情景依赖性特点，单一定量数据难以解释干预实施过程中的动态障碍，也无法评估干预措施的实施保真度（fidelity）[5-8]。定性研究通过分析访谈、观察等资料，归纳整合证据，可弥补定量研究在解释干预“如何”及“为何”产生问题上的局限，支撑更具情景特征的医疗决策[9]。此外，定性研究在实施科学研究中也能够挖掘利益相关者的观点与偏好，识别实施障碍与促进因素，制订对应的实施策略，反映实施效果的真实情况[10-11]。
尽管定性研究与定量研究结合可增强研究结果的全面性与解释力，但传统定性分析方法在处理访谈资料时，耗费大量时间、人力、资金及研究设备等资源[12-13]。在实施科学研究中，如应对突发公共卫生事件、临床项目推进及政策实施等情境，研究者需在有限时间内完成数据收集与分析，而传统定性分析流程难适应这一需求。因此，有研究者提出将快速定性分析方法（RQA）引入实施科学研究，以弥补定量研究与传统定性研究的不足[10]。RQA可在资源有限、时间紧迫的情况下，快速识别实施障碍，优化实施策略，加速循证创新的推广与落地，从而缩短研究向实践转化的周期[14-15]。本文系统梳理了RQA相关核心概念与常用技术手段，以及其与传统定性分析方法的差异，阐明其在实施科学领域的应用价值，以期为加速循证实践提供支持。
1 RQA概述
RQA是为应对研究“时效性”需求而发展的一类定性资料分析方法。在不进行逐字转录的前提下，研究者通过结构化笔记、摘要模板和结合主题框架等方式展开系统分析，可及时发现实施问题并优化实施策略，从而缩短研究周期[16]。2013年，Hamilton等将RQA引入实施科学领域，提出其核心是通过简化编码流程、团队协作分析等环节，以快速生成可操作建议[17]。目前，RQA已广泛应用于实施科学研究中，包括快速识别临床实践指南实施障碍、优化医疗服务流程[18]、公共卫生应急响应[19]及心理健康服务[10]等领域。
在方法学上，RQA是一种具体的快速定性研究分析方法。快速定性研究属于定性研究方法学范畴，旨在时间和资源受限情况下开展研究设计，在提高研究效率的同时，保留对情境、经验和机制的解释能力[12,20]。在这一方法学框架下，RQA简化传统的定性分析流程，实现对定性资料的快速分析与解释。
2001年，快速评估方法被纳入社会科学方法体系，在公共卫生、社会科学、流行病学研究领域广泛应用[21-23]。早期研究多将其视为以定性研究为主的快速调查方法，旨在短时间内了解目标人群对问题及其成因的看法。随着方法学的发展，快速评估逐渐被理解为一种以支持快速决策和行动的研究，其不再局限于特定的方法类型，而是强调系统视角、团队协作、三角验证和迭代式分析等方法论原则。根据研究目标的不同，研究者可灵活采用定性、定量或混合方法[22-25]。当快速评估依赖访谈、观察等定性资料理解行为、经验和情境时，可采用快速定性研究设计，而RQA为定性资料分析提供了高效且可操作的技术路径（图1）。
图1 快速定性研究与快速评估的共性与差异
2 RQA与传统定性分析方法的比较
RQA与传统定性分析方法的根本区别在于其对研究实用性与时效性的侧重。Nevedal等[16]研究表明，相较于传统定性分析方法，RQA可显著缩短分析时间（由683 h降至409.5 h），并可有效降低转录成本。二者在研究流程和适用场景上各具优势（表1）。
表1 传统定性分析方法与RQA的关键技术区别
传统定性分析方法注重研究深度和细节，适合小样本、深入情境式的田野研究，但这种方法耗时耗力，对研究者的能力要求较高。RQA强调研究效率和团队协作，适合大规模、时效性强的研究项目，但不适用于非结构化定性资料，或需要深度探索与广泛收集资料的研究，RQA与传统定性分析方法的关键技术区别详见表1。
3 RQA步骤
在华盛顿大学艾滋病毒行为研究中心（BIRCH）举办的实施科学快速定性和综合混合方法研讨会指出，采用RQA和复合设计，通过创建维度名、设计模板化摘要、团队分工总结、构建矩阵展示资料等步骤，可实现定性资料的快速分析[30]。现逐步解析RQA的核心方法与技术要点，并探讨其在实施科学领域的应用。
3.1 研究设计与准备阶段
3.1.1 根据研究问题，选用理论框架
RQA步骤导向方式可能使研究机械化，缺乏创新性。故在应用RQA时，研究问题选择仍需遵循传统定性分析方法的核心标准，以科学问题为导向[31]。选择的实施科学理论框架应与研究目标相契合，以有效指导干预措施的设计、实施与评估[32]。研究者需明确研究问题的核心维度与目标，如多层分析障碍因素、优化干预策略及评估实施效果等，并据此选择覆盖个体、组织等层面的理论框架。
目前，实施科学领域常用的理论框架主要包括以下类别。
1 过程模型（process models）：描述或指导从研究到实践的循证知识转化过程。如探索、准备、实施、维持框架（EPIS），可为真实世界环境中维持循证实践（EBP）提供指导。
2 决定因素框架（determinant frameworks）：聚焦影响实施效果的关键因素，指导评估相关实施因素，选择实施策略。较为经典的决定因素框架包括促进研究结果在卫生服务中应用的模型（PARIHS）、实施性研究整合框架（CFIR），可用于系统性解析实施的影响因素。
3 评估框架（evalua-tion frameworks）：为实施效果的结局评价提供指导。目前较为常用的框架包括RE-AIM（reach, effectiveness, adoption, implementation, maintenance）框架，可用于量化干预措施的实施效果与可持续性，以及实施结局框架（IOF），可用于评估实施过程和结果[33]。
在实际应用中，研究者可结合具体研究，灵活应用多种框架组合。如在心血管疾病综合预防项目中，将RE-AIM与CFIR联合应用，开展过程评估，分析和解释影响项目实施、成功率和可持续性的因素[34]。此外，所有实施科学研究在应用理论框架时，应充分考虑伦理问题，以及对研究的适配性，避免机械套用，确保研究设计科学严谨[31]。
3.1.2 设计访谈提纲，创建维度名
在RQA中，设计访谈提纲是将研究目标与理论框架紧密结合的结构化过程。首先，研究者应明确理论框架中讨论的关键构念（construct），并据此设定访谈问题，确保访谈内容全面且聚焦研究目标。以CFIR框架为例，其涵盖干预措施特征、内部环境、外部环境、个体特征及实施过程等领域，在设计访谈提纲时，研究者可针对各领域的构念拟定访谈问题。
其次，基于访谈问题，研究者需创建简洁且具有代表性的维度名，此过程是为明确访谈问题的核心话题，且帮助研究者在后续分析中评估访谈对象对关键问题的回应效度，判断访谈目的是否达成。此外，维度名的设定可根据研究需要进一步细化访谈问题，也可根据理论框架中的领域制订维度名。如在实施科学中，针对“障碍”这一常见问题，研究者可从单一障碍维度进行分析，也可将其细分为目标群体层面障碍、文化障碍等子维度进行分析[34-36]。但此过程需遵循适度原则，避免因过度细分而无法准确捕捉访谈关键要点。
在实施研究过程中，随着数据更新和分析深入，最初确立的研究构念可能被弱化或偏移。为确保研究过程的连贯性和可追溯性，建议在研究实施阶段建立信息记录表（表2），系统记录研究构念、访谈问题及维度名等信息，以帮助研究者在后期追溯核心构念，确保访谈内容的完整性，避免因信息脱节导致研究数据不完整。
表2 研究构念、访谈问题与分析维度映射表[37]
3.2 资料收集
目前，RQA缺乏专门的样本量估算方法，现有研究通常沿用传统定性分析方法中的样本量确定方法。在资料收集过程中，可采用目的抽样选取关键利益相关者作为研究对象，确保样本具有代表性和多样性；也可采用信息饱和原则，当新增访谈或观察不再产生新主题或核心观点时，停止数据收集。样本量的确定应遵循饱和优先、目标适配和资源平衡原则，不追求固定数量，以覆盖关键观点且无新增信息为最终标准[37-39]。
此外，所有研究方案需先通过伦理委员会审批，并依据参与者的具体情况灵活采用知情同意方式，确保参与者在充分知情的基础上自愿参与研究。对于无法自主同意的患者（如认知障碍者），可由法定代理人代为同意。研究者还应向参与者说明研究目的、数据用途及后续处理流程，以避免隐瞒关键信息[38-40]。
同时，资料需通过半结构化访谈或焦点小组讨论收集，排除非结构化访谈（因缺乏固定模式，难以追溯问题逻辑）。研究者在访谈过程中可进行录音或笔录，访谈结束后及时对资料进行整理，删除无关内容。
3.3 资料结构化与信息浓缩
3.3.1 创建资料摘要模板
在定性研究中，摘要模板是提升分析效率、快速识别关键主题的重要工具[41]。RQA中的摘要模板通常根据访谈提纲和研究维度设计，核心结构包括：
|
1 |
基本信息； |
|
2 |
研究维度； |
|
3 |
详细访谈笔记； |
|
4 |
总结与建议。 |
该模板可根据实际研究需求进行动态调整（图2）。
图2 访谈资料摘要模板框架图[18]
在创建资料摘要模板时，应考虑以下几点：
|
1 |
在各研究维度下预留足够空间，便于记录关键要点。 |
|
2 |
模板可增设“其他观察”模块，用于补充预设维度之外的重要发现。 |
|
3 |
模板总结是对受访者的核心观点进行提炼，需以精练的语言概括回答内容。研究者可在要点总结中进行观点释义，少量引用原文并标注行号，用于追溯完整引文。 |
|
4 |
灵活处理重要引文。 |
针对用于文章或报告的引文，研究者可在摘要模板设置专门位置存放，并标注其出处。但不同研究者对引文标识的使用习惯存在差异，建议研究团队内部达成共识，规范引文的收录与标注方式。
3.3.2 摘要模板预测试
由于每个研究均有其独特性，摘要模板在正式使用前需经过有效性验证。研究者可组织团队成员独立使用该模板分析同一份文本，从各自角度创建总结。在此过程中需评估以下方面：
|
1 |
各维度在资料中是否直观、易于找到； |
|
3 |
模板是否存在缺失的维度、标注错误等情况； |
|
3 |
模板是否易于使用； |
|
4 |
完成模板所需的时间。 |
如系统对比中发现团队成员的总结存在显著差异（如1位成员罗列出3个要点，另1位罗列9个要点），团队内部应分析并讨论导致这种数量差异的原因，进而决定是否需要增加维度，完善摘要模板。
3.3.3 以摘要模板浓缩资料
在摘要模板使用标准达成一致后，研究者团队开始进行资料浓缩。资料分配策略可从两个方面展开：一是指定专人分别总结不同群体的访谈内容，使团队成员深入理解特定资料；二是访谈者总结自身执行的访谈内容，准确把握受访者的谈话要点。以上两种方式均可有效浓缩资料，实际操作中也可采用混合模式，即成员交替负责自己和他人的访谈，在自主熟悉与交叉验证中确保资料总结的全面准确。
在资料浓缩的过程中，需注意以下两点：
1 平衡总结的简洁性与全面性，确保总结使用精练的语言传递核心观点，减少研究者回溯访谈全文的需求；
2 完整保留原始资料与转录文本，同时在总结中应标注指引信息，保障研究的可追溯性。
3.4 构建矩阵分析，提炼核心主题
矩阵分析是一种系统化的定性资料分析方法，将资料依据预设分类维度进行整理，研究者对资料进行比较，提炼出核心主题和模式[42]。在RQA中，通常基于研究所采用的理论框架或预设研究问题设计矩阵结构，本质是一种以理论框架为基础的演绎性分析路径。其核心主题主要来源于理论框架的预设构念，矩阵分析内容围绕这些构念展开，保证分析结果与研究目标一致。此外，在分析过程中，RQA可通过摘要模板中的“其他观察”模块内容，有限归纳并识别少量未被预设的新主题。
矩阵分析的第一步是确定矩阵的“行”与“列”，“列”通常代表访谈对象或访谈编号，“行”通常代表访谈问题预设的维度。研究者可借助Excel等工具创建矩阵表模板（表3），在单元格中记录各受访者针对特定问题的回答或与主题相关的详细信息。
表3 多维度访谈对比矩阵表模板[42]
完成资料录入后，研究者横向比较不同受访者针对同一问题的回答，识别出一致观点和不同看法。基于矩阵分析结果，提炼出核心主题，并通过团队内部讨论验证提炼主题的准确性和一致性。如在讨论中发现某一主题证据不足，研究者可回溯访谈资料或补充分析内容，以完善矩阵。
与传统定性分析方法编码不同，RQA强调以“摘要模板+矩阵分析”组合，实现团队协作式快速资料编码。如在Lewinsk等[37]的研究中，采用受访者×维度矩阵分析，识别出四大核心主题：干预特征层面（转诊流程复杂、信息共享缺口与技术兼容性不足）；内部环境层面（电子健康记录基础设施局限、人员培训缺口与行政流程僵化）；外部环境层面（社区资源差异、政策执行模糊与社会经济因素影响）；实施过程层面（利益相关者参与不足、评估指标缺失与沟通机制低效）。
3.5 资料合成与研究结果呈现
快速定性资料合成是在摘要模版和矩阵分析的基础上，研究者回顾摘要或矩阵中的信息，系统比较不同案例，挖掘深层关联，从而实现跨案例分析的过程。在资料合成过程中，其细节和步骤因传播目标而有所不同。若资料合成是反馈给某个站点或业务合作伙伴，其合成结果以简短报告形式呈现，便于接收方快速消化关键信息；若资料合成目标是撰写学术论文，则可在摘要中嵌入资料链接，帮助快速找到相关引语，精准阐释其核心概念。此外，建议研究者使用可视化展示等方式，以增强信息传播效果。
为确保资料合成准确有效，需通过交叉检查进行双重资料审核。在资料溯源方面，研究者应随机抽取关键观点，追溯至摘要模板的原始引用，确认要点无遗漏；在团队协作方面，由多位研究者独立撰写合成报告，并对比主题提炼与证据支撑存在的差异，同时检查合成结果是否覆盖矩阵所有领域。这一过程可验证关键观点的准确性与完整性，增强合成结果的可信度。
4 RQA方法学规范性与严谨性保障机制
RQA方法学严谨性可通过标准化框架与结构化操作实现。针对研究中的偏倚控制与质量评估，Kowalski等[24]提出规划和评估RQA的共识框架，明确其质量控制要求。根据该框架，RQA的严谨性保障机制主要体现在以下关键环节：
1 研究设计阶段：需明确研究问题及选用RQA的原因，在研究启动前需明确团队分工和沟通计划，确保研究过程在统一目标下推进，减少因研究范围不明或团队理解不一致所带来的系统性偏倚；
2 数据收集阶段：采用经试点修订的半结构化工具获取资料，并定期召开团队会议讨论，确保收集的数据一致；
3 资料整理阶段：使用统一的结构化摘要模板对定性资料进行浓缩，正式浓缩前先进行试浓缩，对摘要模板标准进行校准，以减少研究者使用摘要模板时存在的差异；
4 矩阵分析阶段：构建与研究问题和分析框架一致的矩阵。在进行矩阵分析时，由有经验的成员对矩阵内容进行复核，防止分析偏离研究目标；
5 结果合成阶段：进行跨案例核对，团队共同讨论确认结论的准确性，再根据需求呈现研究结果。
通过明确的流程规范和团队协作要求（包括角色分工、标准校准、审核机制和定期沟通），使RQA具有清晰的质量控制路径，为研究实施与评审提供可参考的操作依据。
5 RQA在实施科学中的应用
实施科学的核心在于借助实施策略，推动EBP在实际应用中落地[4]。EBP被证明是有效应对特定问题的干预措施。而实施策略也是一种干预措施，旨在促进EBP实施，通常需针对具体的EBP实施障碍制订[33]。Brown等[43]提出将实施科学研究分为探索（exploration）、准备（preparation）、实施（implementation）和维持（sustainment）四个阶段。该过程将受到SDOH的影响，社会、经济、环境因素均可成为实施的障碍或促进因素[44]。
为契合分阶段、强调时效的实施研究需求，RQA在实施科学领域得到了广泛应用，为实施科学研究在探索、准备、实施及维持等阶段的决策优化提供了实证依据[45]。现围绕RQA在实施科学研究周期（实施前－实施中－实施后）中的应用实践与发展趋势展开阐述。
5.1 实施前阶段：应用RQA奠定基础与优化设计
5.1.1 识别实施前的SDOH
在实施科学中，实施前阶段常应用定性研究识别SDOH，以增强干预的实践适配性[45]。通过RQA访谈不同利益相关者，可快速描绘实施场景的真实图景，并明确SDOH所驱动的促进与阻碍因素，从而增强干预的实践适配性。这种将利益相关者的观点与理论框架整合的方法[46]，可使研究者识别不同人群对实施干预的需求与挑战。如底特律健康公平社区联盟（D-CHEA）计划实施健康干预以改善当地居民的健康状况，通过RQA对联盟内20名成员进行访谈，明确该地区健康干预实施前需关注的SDOH，主要包括教育（如居民识字率低、健康课程缺失等）、就业（居民失业/就业不足、职业发展障碍）、住房（如住房不稳定、可负担住房短缺）、物理环境（如环境污染、环境种族主义）等。通过识别这些关键因素，为联盟后续的干预实施规划提供基于社区视角的重要依据[47]。
5.1.2 优化干预的实施准备度
研究发现，美国退伍军人健康管理局（VHA）与社区提供者在农村地区的护理协调存在流程混乱、信息共享不足等问题，因此开发了基于远程医疗的非VHA护理协调干预措施（TECNO Care）[37]。Lewinski等[37]针对这一关注点，在TECNO Care开发前，采用RQA对18名利益相关者（VHA管理者、社区医生、退伍军人）进行访谈。在5个月内提出4项干预优化决策：
|
1 |
TECNO Care聚焦于多病共存的高危人群； |
|
2 |
添加VHA流程指南； |
|
3 |
在TECNO Care中嵌入电子健康记录共享功能； |
|
4 |
改进学习分析和医疗成效资料等评估指标，提供场景化数据。 |
该研究在干预实施阶段完成干预测试，使TECNO Care干预方案在多个VHA站点成功落地。
5.2 实施中阶段：应用RQA评估过程与动态调整
5.2.1 识别研究偏差与优化策略
在实施科学研究中，过程评估是系统分析干预措施如何在真实场景中被执行的关键环节，是连接“干预设计”与“结果产出”的桥梁。通过分析实施过程中的关键变量（如干预特征、参与者体验等），识别影响结果产出的要素[48]。此过程包括对实施背景、实施机制、参与者反应与参与度等方面的评估[49]。
RQA识别干预措施的执行偏差，判断干预是否按计划执行，有助于团队在项目周期内及时调整策略。尼泊尔一项关于孕产妇的护理研究应用RQA进行过程评估，通过对卡片重要性排序，发现识别危险信号、指导产前检查和营养食物相关卡片最受关注，而重复的分娩准备信息易造成产妇理解混淆[50]。
该研究建议将18张卡片简化为双面彩页，以加强信息传播便利。在传播策略方面，文盲产妇依赖图片理解信息，其丈夫更关注应急措施，因此干预措施应根据受众群体进行动态调整。最后，该研究通过女性社区志愿者强化家庭内部沟通，使其在干预实施的质量管控方面提供实时反馈。通过比较不同地区志愿者的实践发现，缺乏监督的地区普遍存在信息传递偏差，这一发现为“强化督导机制”改进建议提供了支持。
5.2.2 识别实施的障碍与促进因素
目前，实施科学研究通常缺乏对特定场景下决定性因素的深入认知[51]。RQA常用于评估干预措施在实际环境中的实施情况，识别实施过程中的障碍与促进因素。Prescott等[52]研究发现，通过RQA可识别社区在人类免疫缺陷病毒（HIV）自我检测实施中的关键障碍，如HIV相关污名（stigma）和隐私担忧等。研究团队结合社区成员反馈，调整了干预策略方向：提出通过邮寄试剂盒、利用本地传单和社交媒体等方式开展HIV自我检测宣传，并采用不显眼包装的检测试剂。这一改进提高了群众对HIV自我检测的接受度，表明RQA在促进社区参与和增强干预措施文化适应性方面具有显著优势。
5.3 实施后阶段：应用RQA评估实施结局
实施科学研究的结局评估关注目标受众的行为改变、认知转化与态度改变等难以量化的指标。定性访谈捕捉情景化叙事与隐性障碍，成为其获取结局评估的核心方式之一[45]。Proctor等[11]于2011年提出的实施结局框架，包括接受度（acceptability）、采纳率（adoption）、适宜性（appropriateness）、成本（cost）、可行性（feasibility）、保真度（fidelity）、渗透率（penetration）和可持续性（sustainability）。
在实施结局评估中，通常以百分数作为主要衡量指标（如采纳率、渗透率等），其可通过量化数据进行测量[53]。在某些情况下，指标可能无法通过量化数据进行测量（如保真度的评估），此时定性数据成为重要补充工具。RQA整合定性资料，可识别参与者的主观体验，适用于评估依赖质性描述、难以通过单一量化指标描述的实施结局。但在实施结局评估中，应用定性与定量方法并无绝对界限，其具体应用应依据研究目的、实施阶段及情境特征选择。
现以一项旨在改善初级保健中老年人功能状态测量的研究为例[38]，探讨RQA在实施结局评估中的适用情况及其与定量方法的互补关系。该研究早期发现，老年人功能状态标准化电子筛查工具的采用率低且质量参差不齐。基于此，该研究提出了一系列促进筛查工具使用的实施策略，并对实施结局进行了评估。
在适宜性、接受度、采纳率、保真度的评估中，应用定性与定量相结合的方法：采用半结构化访谈对家庭医生、护士、患者等进行访谈，使用RQA分析定性资料；同时通过收集电子健康记录数据等定量资料，统计分析筛查工具的执行情况、敏感性和特异性，评估其在检测老年患者功能障碍方面的效果。
在可持续性评估中，通过RQA分析访谈资料，探讨临床医护人员长期使用筛查工具后的意图和感受。结果表明，尽管实施初期筛查工具的采纳率较低，但随着跨专业教育和护士的参与，其接受度和使用率显著提升。筛查工具在临床实践中表现出较好的适宜性和可行性，有助于临床医护人员识别老年患者的功能障碍。同时，筛查工具的应用受到临床医护人员的关注，随着其适应性增强，可持续性得到改善。
RQA在实施结局评估中发挥关键作用，其与定量分析方法相结合，提高了评估的全面性，也为实施策略的优化提供了有力支持。此方法在未来的实施科学研究中具有深远应用潜力。
6 RQA应用前景展望
世界卫生组织全球医疗人工智能（AI）倡议提出，将AI技术融入卫生系统[54]。现有研究已将AI技术应用于定性分析[55]。目前，RQA在实施科学领域的应用逐步发展，可将其与自然语言处理技术、大语言模型等融合进行深入探索。如应用AI技术自动生成访谈结构化摘要，实现矩阵分析自动化，提升数据整合效率。虽然AI技术在RQA中的应用可提升研究效率，但也可能导致伦理风险、分析偏倚及结果解释存在局限。
伦理风险主要体现在数据滥用、学术诚信问题及责任归属模糊等，在应用AI处理敏感数据时，可能违反《通用数据保护条例》等法规[56]；训练数据集的代表性不足导致分析偏倚及使用场景不适配，使AI产生对特定群体的叙事偏差和分析结果失真；AI在结果解释方面也存在局限，难以准确捕捉定性研究中的文化背景和隐性逻辑，简化复杂的社会现象。为应对上述挑战，未来需构建技术规范、方法适配、人工审核体系，以确保AI技术与RQA核心原则相一致[57-58]。
7 小结
RQA的应用可显著提升研究效率，是解决时效性与资源限制矛盾的重要工具。目前，RQA在实施科学领域的应用正在逐步发展，其通过促进干预措施动态优化、整合多方利益相关者视角，展现其应用价值。未来可进一步研究RQA与AI的结合，探索智能方法学创新，构建RQA动态验证系统，同时拓展其在跨文化、多学科场景中的适应性，以推动大型语言模型驱动的定性分析，促进实施科学理论与实践的协同发展。
参考文献
［1］Chalmers I, Glasziou P. Avoidable waste in the production and reporting of research evidence［J］. Lancet, 2009, 374(9683): 86-89.
［2］Adler N E, Glymour M M, Fielding J. Addressing social determinants of health and health inequalities［J］. JAMA, 2016, 316(16): 1641-1642.
［3］鲁春丽, 曹卉娟, 徐东, 等. 实施科学产生的背景、概念和国内外发展近况［J］. 中国中西医结合杂志, 2020, 40(11): 1378-1380.
［4］鲁春丽, 徐东, 刘建平. 实施科学在中医药与中西医结合领域应用的设计思路与方法［J］. 中国中西医结合杂志, 2021, 41(9): 1113-1119.
［5］Sheldrick R C, Cruden G, Schaefer A J, et al. Rapid-cycle systems modeling to support evidence-informed decision-making during system-wide implementation［J］. Implement Sci Commun, 2021, 2(1): 116.
［6］Schexnayder J, Perry K R, Sheahan K, et al. Team-based qualitative rapid analysis: approach and considerations for conducting developmental formative evaluation for interven-tion design［J］. Qual Health Res, 2023, 33(8/9): 778-789.
［7］Vindrola-Padros C, Chisnall G, Cooper S, et al. Carrying out rapid qualitative research during a pandemic: emerging lessons from COVID-19［J］. Qual Health Res, 2020, 30(14): 2192-2204.
［8］Glasgow R E, Chambers D. Developing robust, sustainable, implementation systems using rigorous, rapid and relevant science［J］. Clin Transl Sci, 2012, 5(1): 48-55.
［9］刘雪寒, 鲁春丽, 郑偌祥, 等. 定性研究的综合方法概述及其在医学中的应用进展［J］. 世界中医药, 2021, 16(20): 3093-3099.
［10］Hamilton A B, Finley E P. Qualitative methods in implementation research: an introduction［J］. Psychiatry Res, 2019, 280: 112516.
［11］Proctor E, Silmere H, Raghavan R, et al. Outcomes for implementation research: conceptual distinctions, measurement challenges, and research agenda［J］. Adm Policy Ment Health Ment Health Serv Res, 2011, 38(2): 65-76.
［12］Vindrola-Padros C, Johnson G A. Rapid techniques in qualitative research: a critical review of the literature［J］. Qual Health Res, 2020, 30(10): 1596-1604.
［13］Beidas R S, Dorsey S, Lewis C C, et al. Promises and pitfalls in implementation science from the perspective of US-based researchers: learning from a pre-mortem［J］. Implement Sci, 2022, 17(1): 55.
［14］Morris Z S, Wooding S, Grant J. The answer is 17 years, what is the question: understanding time lags in translational research［J］. J R Soc Med, 2011, 104(12): 510-520.
［15］Riley W T, Glasgow R E, Etheredge L, et al. Rapid, responsive, relevant (R3) research: a call for a rapid learning health research enterprise［J］. Clin Transl Med, 2013, 2(1): 10.
［16］Nevedal A L, Reardon C M, Opra Widerquist M A, et al. Rapid versus traditional qualitative analysis using the Consolidated Framework for Implementation Research (CFIR)［J］. Implement Sci, 2021, 16(1): 67.
［17］Hamilton A B, Washington D L, Zuchowski J L. Gendered social roots of homelessness among women Veterans［J］. Ann Anthropol Pract, 2013, 37(2): 92-107.
［18］Gale R C, Wu J, Erhardt T, et al. Comparison of rapid vs in-depth qualitative analytic methods from a process evaluation of academic detailing in the Veterans Health Administration［J］. Implement Sci, 2019, 14(1): 11.
［19］Melluso N, Bonaccorsi A, Chiarello F, et al. Rapid detection of fast innovation under the pressure of COVID-19［J］. PLoS One, 2020, 15(12): e0244175.
［20］Johnson G A, Vindrola-Padros C. Rapid qualitative research methods during complex health emergencies: a systematic review of the literature［J］. Soc Sci Med, 2017, 189: 63-75.
［21］Beebe J. Rapid assessment process: An introduction［M］. Lanham: AltaMira Press, 2001.
［22］崔斌, 姚岚, 金建强, 等. 快速评价方法的探讨和运用［J］. 中国初级卫生保健, 2002, 16(4): 11-12.
［23］张会, 杨正夫, 张悠然, 等. 快速评估法及其在公共卫生政策领域中应用［J］. 中国公共卫生, 2015, 31(5): 690-693.
［24］Kowalski C P, Nevedal A L, Finley E P, et al. Planning for and assessing rigor in rapid qualitative analysis (PARRQA): a consensus-based framework for designing, conducting, and reporting［J］. Implement Sci, 2024, 19(1): 71.
［25］李幼平, 喻佳洁, 孙鑫. 快速评估方法与流程的探索［J］. 中国循证医学杂志, 2014, 14(5): 497-500.
［26］吉登斯, 萨顿. 社会学基本概念［M］. 王修晓, 译. 第2版. 北京: 北京大学出版社, 2019.
［27］Flick U. In the SAGE handbook of qualitative data analysis［M］. London: SAGE Publications Ltd, 2014.
［28］Miles M B, Huberman A M, Saldaña J. Qualitative data analysis: a methods sourcebook［M］. 3rd ed. Thousand Oaks: SAGE Publications, Inc., 2014.
［29］Taylor B, Henshall C, Kenyon S, et al. Can rapid approaches to qualitative analysis deliver timely, valid findings to clinical leaders? A mixed methods study comparing rapid and thematic analysis［J］. BMJ Open, 2018, 8(10): e019993.
［30］Hamilton A B. Qualitative methods in rapid turn-around health services research. Powe-rPoint Present 2013 VA HSRD Cyberseminar Spotlight Womens Health［EB/OL］. (2013-12-11)［2025-07-25］. http://www.hsrd.research.va.gov/for_researchers/cyber_seminars/archives/video_archive.cfm?SessionID=780.
［31］Tracy S J, Hinrichs M M. Big tent criteria for qualitative quality［M］//Matthes J, Davis C S, Potter R F. The International Encyclopedia of Communication Research Methods. Hoboken: John Wiley & Sons, Inc., 2017: 1-10.
［32］Creswell J W, Poth C N. Qualitative inquiry & research design: choosing among five approaches［M］. Los Angeles: SAGE, 2018.
［33］徐东, 蔡毅媛, 陈江芸. 实施科学的前世今生(下篇)：理论、范式和特点［J］. 协和医学杂志, 2024, 15(3): 686-693.
［34］张敬颖, 曹文卓, 欧敏行, 等. 实施科学在慢性病健康照护中的应用研究进展［J］. 护理学杂志, 2024, 39(3): 112-116.
［35］杨福娜, 徐晓霞, 石红英, 等. 护理领域证据临床实施障碍因素的研究进展［J］. 中华护理杂志, 2024, 59(18): 2290-2296.
［36］黄婉晴, 钟冬梅, 刘思源, 等. 基于实施障碍的实施策略开发方法: CFIR-ERIC匹配工具［J］. 协和医学杂志, 2024, 15(5): 1182-1191.
［37］Lewinski A A, Crowley M J, Miller C, et al. Applied rapid qualitative analysis to develop a contextually appropriate intervention and increase the likelihood of uptake［J］. Med Care, 2021, 59(S3): S242-S251.
［38］Brown R T, Zamora K, Rizzo A, et al. Improving measurement of functional status among older adults in primary care: a pilot study［J］. PLoS One, 2024, 19(5): e0303402.
［39］Shin M B, Vu T, Masud M, et al. Evaluation of an implementation support program for rural communities using a two-tiered, embedded framework［J］. Cancer Causes Control, 2025, 36(11): 1539-1548.
［40］Rhodes E C, Wilde LaPlant H, Zahid M, et al. Shifting to virtual breastfeeding counseling for low-income women in the US during COVID-19: a partner-engaged multimethod evaluation of program adaptations［J］. Front Health Serv, 2022, 2: 1020326.
［41］Lungu M. The coding manual for qualitative researchers［J］. Am J Qual Res, 2022, 6(1): 232-237.
［42］Averill J B. Matrix analysis as a complementary analytic strategy in qualitative inquiry［J］. Qual Health Res, 2002, 12(6): 855-866.
［43］Brown C H, Curran G, Palinkas L A, et al. An overview of research and evaluation designs for dissemination and implementation［J］. Annu Rev Public Health, 2017, 38: 1-22.
［44］Brownson R C, Colditz G A, Proctor E K. Dissemination and implementation research in health: translating science to practice［M］. Oxford: Oxford University Press, 2018.
［45］鲁春丽. 戒烟门诊场景下中医整合干预的循证评价与实施科学方法学研究［D］. 北京: 北京中医药大学, 2022.
［46］Hamilton A B, Oishi S, Yano E M, et al. Factors influencing organizational adoption and implementation of clinical genetic services［J］. Genet Med, 2014, 16(3): 238-245.
［47］Thompson H S, Kinney T N, Leach C, et al. Use of rapid qualitative analysis to support collaborative synergy within a community coalition for health equity in Detroit［J］. Health Equity, 2025, 9(1): 87-99.
［48］Hulscher M E J L, Laurant M G H, Grol R P T M. Process evaluation on quality improvement interventions［J］. Qual Saf Health Care, 2003, 12(1): 40-46.
［49］Moore G F, Audrey S, Barker M, et al. Process evaluation of complex interventions: Medical Research Council guidance［J］. BMJ, 2015, 350: h1258.
［50］McPherson R A, Tamang J, Hodgins S, et al. Process evaluation of a community-based intervention promoting multiple maternal and neonatal care practices in rural Nepal［J］. BMC Pregnancy Childbirth, 2010, 10: 31.
［51］Grol R, Wensing M. What drives change? Barriers to and incentives for achieving evidence-based practice［J］. Med J Aust, 2004, 180(S6): S57-S60.
［52］Cai Y Y, Guo X Y, Hou F S, et al. Beyond borrowed models: low-income and middle-income countries' blueprint for sustainable implementation research and practices［J］. Lancet Glob Health, 2026, 14(2): e188-e190.
［53］Muralidharan V, Ng M Y, AlSalamah S, et al. Global initiative on AI for health (GI-AI4H): strategic priorities advancing governance across the United Nations［J］. NPJ Digit Med, 2025, 8(1): 219.
［54］Zhang H (Albert), Wu C H, Xie J Y, et al. Harnessing the power of AI in qualitative research: Exploring, using and redesigning ChatGPT［J］. Comput Human Behav Artif Hum, 2025, 4: 100144.
［55］Cabanillas-García J L, Sánchez-Gómez M C, Del Brío-Alonso I. Voices of researchers: ethics and artificial intelligence in qualitative inquiry［J］. Information, 2025, 16(11): 938.
［56］Hanna M G, Pantanowitz L, Jackson B, et al. Ethical and bias considerations in artificial intelligence/machine learning［J］. Mod Pathol, 2025, 38(3): 100686.
［57］王玥, 宋雅鑫, 王艺霏, 等. 卫生领域人工智能的伦理与治理: 多模态大模型指南［J］. 中国医学伦理学, 2024, 37(9): 1001-1022.
