科研诚信作为科学研究质量与可信度的保证，是科技创新的基石。近年来有关部门相继出台《关于进一步加强科研诚信建设的若干意见》《关于进一步弘扬科学家精神加强作风建设和学风建设的意见》《科研失信行为调查处理规则》《科研单位科研诚信管理制度示范文本》等政策文件，显示国家对治理学界诚信生态的决心[1-4]。医疗界是科研失信的高发领域，研究显示，生物医药领域中国作者参与论文的撤稿数量持续上升，2009—2023年国际知名期刊共撤回中国医药领域7 000余篇论文，学术不端为最主要原因（92.45%）[5]；科技部、国家卫生健康委员会、国家自然科学基金委员会连续通报多起医学领域学术不端案例，折射出我国医疗业科研诚信情况不容乐观。在人工智能（artificial intelligence，AI）迅猛发展的当下，以ChatGPT、DeepSeek等为突出代表的生成式AI（generative AI，GenAI）在降低使用成本、引发广泛技术热潮的同时，也引发学界对其准确性、可靠性、科研诚信及伦理规范的担忧[6-7]。部分论文因AI生成原因被撤稿，不当使用AI正逐步成为引发学术不端的新型风险因素，科研诚信治理面临新挑战。本研究对医务人员进行问卷调查，研究其科研诚信的认知、态度及使用AI所涉诚信风险意识，以期为数智时代的科研诚信建设提供参考。

1 对象与方法

1.1 研究对象

以天津市胸科医院、天津市环湖医院在职医务人员为研究对象，包含医、技、药、护、科研及管理等。采用方便抽样的方法，于2025年3月至4月发放无记名问卷，共作答371份，有效问卷371份，有效率为100%。

1.2 调查方法及内容

在文献调研基础上结合工作实践，自行设计《医务人员科研诚信认知调查问卷》。问卷由三部分组成。①基本情况：性别、年龄、教育背景、职称、工作年限、岗位类型、是否为硕士生导师、项目经历、论文发表情况。②科研诚信认知情况：对科研诚信相关政策、学术规范准则、学术不端行为界定及处理办法、科研经费使用规定、科研伦理规范、GenAI不当使用科研诚信风险等认知情况。③科研诚信态度情况：违反科研诚信行为原因及相关态度与建议。其中认知题项采用Likert 5级评分法赋分：从非常不了解至非常了解依次赋1~5分；以量表得分衡量被调查者的科研诚信、认知程度。将非常了解与比较了解记为知晓，知晓人数/调查人数×100%为该条目知晓率。

对问卷进行信效度分析，通过计算Cronbach's信效度分析α系数，分析问卷内部一致性；通过KMO和Bartlett's球形检验，进行效度分析。经检验，问卷Cronbach's α系数为0.952，KMO系数为0.921，Bartlett's球形检验显著性为＜0.001，问卷具有较好的信度和效度。通过问卷星发放线上问卷，后台导出数据核对无误后进行分析处理。

1.3 统计学方法

使用SPSSAU、SPSS 22.0统计学软件进行数据分析。符合正态分布的计量资料用均数±标准差（）表示，不符合正态分布的计量资料采用中位数（M）和四分位数（P25，P75）表示。计数资料用人数和百分率表示。采用logistic回归分析其影响因素。以P＜0.05为差异有统计学意义。

2 结果

2.1 受访者一般情况

371名受访人员中，女性占比61.46%；岗位类型以医师最多（47.71%）、护理次之（31.81%）；年龄以中青年为主，＞30~40岁占比48.25%；教育背景多为本科（37.74%）和硕士（33.42%）；职称分布以中级职称最多（43.94%）；45名（12.13%）为硕士生导师。多数受访者中238名（64.15%）参加过科研课题；近5年230名（61.99%）以第一或通讯作者发表过科技论文。

2.2 受访者科研诚信认知水平

受访对象对科研诚信知识的总体知晓情况良好，对学术规范准则、学术不端行为界定的知晓率＞70%；研究成果错误解决办法、科研经费使用规定、GenAI过度使用属学术不端等条目知晓率较低，见表1。科研诚信认知平均得分为[52.09（43.00，59.00）]分（满分为70分）。

表1 371名三甲专科医院医务人员科研诚信认知情况

条目非常不了解[名（%）]比较不了解[名（%）]一般[名（%）]比较了解[名（%）]非常了解[名（%）]知晓率（%）学术规范准则15（4.04）22（5.93）62（16.71）164（44.20）108（29.11） 73.31学术不端行为界定14（3.77）22（5.93）65（17.52）174（46.90）96（25.88）72.78投稿规范要求14（3.77）18（4.85）82（22.10）166（44.74）91（24.53）69.27作者署名要求15（4.04）24（6.47）76（20.49）158（42.59）98（26.42）69.01医院学术不端处理办法16（4.31）22（5.93）78（21.02）168（45.28）87（23.45）68.73引用他人成果规则15（4.04）25（6.74）81（21.83）163（43.94）87（23.45）67.39人/动物研究伦理规范19（5.12）31（8.36）76（20.49）167（45.01）78（21.02）66.03科研资料收集/保存/使用规范15（4.04）28（7.55）86（23.18）161（43.40）81（21.83）65.23正确实验记录方法16（4.31）30（8.09）88（23.72）163（43.94）74（19.95）63.89国家科研诚信文件20（5.39）30（8.09）86（23.18）158（42.59）77（20.75）63.34国内外科研诚信处理差异16（4.31）28（7.55）94（25.34）155（41.78）78（21.02）62.80 GenAI过度使用属学术不端20（5.39）33（8.89）91（24.53）138（37.20）89（23.99）61.19科研经费使用规定22（5.93）32（8.63）99（26.68）146（39.35）72（19.41）58.76研究成果错误解决办法20（5.39）33（8.89）108（29.11） 139（37.47）71（19.14）56.61

注 GenAI：生成式人工智能。

2.3 科研诚信相关态度认知情况

面对学术不端行为，82.48%的受访者持反对态度，并有31.81%选择会向有关部门反映情况。对于科研失信发生原因，由高至低依次为：学术/晋升压力（78.17%）、自身科研能力不足（76.55%）、自身价值取向偏离与道德缺陷（62.26%）及缺乏学术监督/惩处力度不够（57.14%）；其他因素如社会环境影响（53.91%）、诚信教育不足（45.82%）、评价量化体系缺陷（45.28%）也被认为是科研失信重要原因。

获取科研诚信相关知识方式，受访对象最多通过医院宣传（91.11%），其次是参加相关专题讲座/论坛/会议（74.12%）、网络（73.58%）。科研诚信建设举措，83.83%建议多开展科研诚信培训营造良好学术氛围，其次为建立完善的政策制度（83.29%）、探寻更合理评价机制（80.05%）、培养科研综合素养（79.51%）。

2.4 科研诚信认知水平影响因素分析

以得分中位数为界对将调查对象分为科研诚信高认知组（赋值为1）与低认知组（赋值为0）。共线性分析结果显示，各因素方差膨胀因子均＜5，不存在多重共线性。多因素logistic回归模型分析结果显示，岗位类型和职称是科研诚信认知水平的影响因素（P＜0.05）。见表2。

表2 科研诚信认知的单因素及多因素logistic回归分析

项目βS.E.W单ald因χ2素logisOtiRc值回归（9分5%析CI）P值方差膨胀因子βS.E.多W因al素dχl2ogistOicR回值归（分95析%CI）P值学历1.650专科1.000＜0.0011.000本科0.5830.5950.8181.713（0.534~5.495）0.3660.4080.6890.3501.503（0.389~5.806） 0.554硕士1.6780.5967.932 5.357（1.666~17.227）0.0050.3880.7760.2501.474（0.322~6.751） 0.617博士2.4910.6210.62112.075（3.574~40.801）＜0.0011.1280.8131.9233.089（0.627~15.205）0.166岗位类型1.158医师1.0001.000护理-1.8330.27046.1110.160（0.094~0.271）＜0.001-1.1210.4705.6770.326（0.130~0.820）0.017医技0.0750.3160.0571.078（0.580~2.003）0.8120.4390.3731.3841.551（0.746~3.225）0.239管理0.4810.5980.6451.617（0.500~5.227）0.4220.9050.6421.9852.472（0.702~8.706）0.159职称1.751初级1.0001.000中级0.2010.2710.5501.223（0.719~2.082）0.458-0.4370.3381.6730.646（0.333~1.253）0.196副高1.5800.36718.5014.853（2.363~9.969）＜0.0010.2650.4540.3411.303（0.536~3.171）0.559正高0.5120.3462.1931.669（0.847~3.289）0.139-1.1610.5015.3760.313（0.117~0.836）0.020参加课题1.5590.23543.8584.756（2.998~7.545）＜0.0011.9160.5750.3542.6271.776（0.887~3.558）0.105发表论文（是）-1.2140.22429.2860.297（0.191~0.461）＜0.0011.595-0.4430.3012.1690.642 （0.356~1.158）0.141为硕士生导师（是）-0.7950.3415.4500.452（0.232~0.880）0.0201.385-0.3590.4650.5960.698 （0.280~1.738）0.440

2.5 医务人员GenAI科研诚信意识影响因素分析

以CenAI科研诚信风险意识为因变量（知晓=0，不知晓=1）。共线性分析结果显示，各变量的方差膨胀因子均＜5，不存在多重共线性。多因素logistic回归模型分析结果显示，岗位类型和是否参加课题为医务人员GenAI科研诚信意识的影响因素（P＜0.05），提示有科研经历及非护理岗位人群的AI科研诚信意识更高。见表3。

表3 AI科研诚信意识的单因素及多因素logistic回归分析

项目βS.E.W单ald因χ素2logOisRti值c回（9归5%分C析I）P值方差膨胀因子βS.E.多Wa因ld素χ2logisOtiRc值回归（9分5%析CI）P值学历1.646专科1.0001.000本科-0.7220.5281.8701.223（0.719~2.082）0.171-0.2750.6080.2050.759（0.230~2.502）0.651硕士-1.3980.5356.8274.853（2.363~9.969）0.0090.7550.7451.0262.127（0.494~9.160）0.311博士-1.8070.55710.5181.669（0.847~3.289）0.0010.4290.7800.3031.536（0.333~7.080）0.582岗位类型1.158医师1.0001.000护理1.4800.25433.9844.393（2.671~7.226）＜0.0011.6860.50411.1755.400（2.009~14.512）0.001医技-0.0510.3370.0230.950（0.491~1.838）0.879-0.0540.3760.0210.947（0.453~1.979）0.885管理0.1720.5650.0921.187（0.392~3.593）0.7610.1650.6030.0751.180（0.362~3.844）0.784职称1.428初级1.0001.000中级-0.4550.2702.8330.634（0.374~1.078）0.092-0.1580.3170.2480.854（0.458~1.591）0.619副高-1.3390.36613.4080.262（0.128~0.537）＜0.001-0.3780.4360.7520.685（0.292~1.610）0.386正高-0.8690.3595.8510.420（0.208~0.848）0.0160.3570.4410.6561.430（0.602~3.395）0.418参加课题（是）-1.3590.22935.3040.257（0.164~0.402）＜0.0011.913-0.8550.3456.1380.425（0.216~0.836）0.013发表论文（是）0.8280.22014.1232.290（1.486~3.527）＜0.0011.5810.0970.2940.1091.102（0.619~1.962）0.742

注 AI：人工智能。

3 讨论

3.1 医务人员科研诚信基础认知良好，部分领域仍需强化

本研究结果显示，医务人员科研诚信基本认知整体良好，相关知识知晓率多＞60%，其中学术规范准则、学术不端界定等基础认知条目尤高，该结果优于马婷玉等[8]在新疆地区三甲医院开展的科研诚信认知调查数据，一定程度上反映近年来科研诚信建设的推进已初见成效。研究成果修正、科研经费使用及GenAI不当使用诚信风险等知晓率低，或与专业性强、受众局限、知识规范相对前沿等有关，也反映出科研诚信建设仍存在短板，需持续强化。认知水平方面，本研究结果提示，与医师相比护理人员科研诚信认知相对薄弱，提示科研诚信宣教工作需要靶向施策，深化力度的同时，提升内容针对性与时效性。

3.2 医药领域科研失信风险仍存，相关防范机制亟待健全

本研究中，虽然医务人员对科研失信行为多持明确反对态度，但其仍面临学术与晋升评价机制带来的压力，叠加自身科研能力的局限，以及外部学术监督缺位、惩处力度不足等多重因素，极易滋生学术不端行为。根据毛发江等[9]对国家自然科学基金委员会查处学术不端案件的分析，科研不端主要涵盖操纵同行评议、重复发表、实验代做、代写代投、数据造假、署名不实，擅标基金、论文抄袭剽窃、图片错用及违反科研伦理等。结合本研究结果及日常科研管理经验，医务人员虽主观认为科研失信行为发生率不高，但在论文投稿、第三方服务委托、数据处理等环节仍隐藏风险，尤其是伪造通讯作者邮箱、委托第三方服务两类行为风险突出，提示医疗机构须聚焦高风险环节，务必做好全过程科研诚信管理与监督，并着重规范原始数据留存与核查。

3.3 GenAI在科研应用中存在多重风险挑战，医务人员伦理风险意识薄弱

伴随技术发展与广泛应用，GenAI由于其卓越的内容生成与信息整合优势，逐渐成为科研人员开展信息收集、数据分析、研究设计、论文撰写的常用辅助工具[10]；在提升科研效率的同时，也引发数据隐私泄露、算法偏见、技术滥用等伦理风险，进而可能诱发学术公平受损等社会问题。GenAI的伦理风险识别与负责任使用，已成为社会各界关注热点。既往研究发现，医学科研人员普遍认可GenAI的科研应用价值并看好其前景，但同时也对大规模应用心存担忧[11]。本研究进一步发现，医务人员对GenAI相关诚信风险意识不足。在医学科研领域如何全面、理性、审慎面对GenAI，保障其健康发展，将是业界亟待探讨的重要课题。

4 建议与思考

4.1 优化科研管理服务，助力科研素养提升

学术压力及科研能力欠缺是诱发学术不端的重要因素，提示应优化科研环境，助力提升科研能力与学术素养。具体措施如下：①加大科研投入与激励，调动科研积极性。如设立院内基金扶持具备学术价值与转化潜力的项目，培育高水平科研团队。②强化科研支撑条件建设，推进重点实验室、生物样本库、临床数据库等平台的建设与共享，构建良好科技创新生态。③开展针对性培训辅导，举办前沿实用的讲座，邀请专家学者分享热点，培养临床科研思维；课题集中申报期开展专场辅导与一对一打磨，精准挖潜有效提质。④深化科研管理服务改革，落实“放管服”，杜绝形式主义，推行少开会、开短会[12]；通过信息化实现“无纸化”报送；赋予课题负责人更大科研经费自主权，切实为科研人员减负降压。

4.2 加强科研诚信教育，全面深化科研诚信认知

系统推进科研诚信教育与宣传引导，是营造良好科研生态的重要支撑。①丰富科研诚信培训的形式与内容。采用线上线下结合模式，将培训融入继续教育体系，辅以专题活动、竞赛及警示研讨，保障培训的多样性与可及性；紧跟政策动态，确保培训内容的时效性与准确性。②实施精准化科研诚信教育。针对重点人群分类施策：推行入职诚信第一课，将诚信教育关口前移，筑牢青年人员职业诚信地基；联合护理管理部门，将科研诚信纳入护理培训考核，通过案例分析、情景模拟等实践教学，切实提升诚信及伦理意识。③聚焦关键环节落实诚信规范。在职称晋升、项目申报/考核、继续教育等节点嵌入诚信风控培训，全链条深化科研诚信重要性认知。

4.3 健全全流程诚信管理，落实科研失信监督与惩戒

科研诚信治理需兼顾微观机构管理与宏观协同共治，形成全链条监管合力。微观层面，医疗机构应依据相关政策规范完善科研诚信管理架构：健全事前预防、事中动态监控、事后惩戒的全流程管理体系，实现科研活动各环节全覆盖监管。重点加强科研成果发表管理：通过在人事信息服务平台嵌入投稿登记与原始数据备案模块，可有效保障研究成果的可重复性及可溯源性。此外，科研机构应健全学术不端监管惩戒机制，畅通监督举报渠道，落实监测预警[13]；对查实的科研失信行为执行“一票否决制”，依规采取撤销项目、追回奖励、取消职称职务、公开通报等处置，并对其后续科研申报与评优实施全流程限制，加大警示效应。宏观层面，亟待多部门、跨地域、跨机构协同共治，成立行业科研诚信联盟、搭建科研失信数据库，联合惩戒、限制失信主体科研资源与准入，大幅提升违规成本，增强治理实效[14-15]。

4.4 深化学术与评聘评价改革，倡导健康科研价值导向

当下科研成果过度量化的评价体系是诱发科研失信的重要外部因素，尽管我国近年已逐步开展相关整治，倡导以质量为导向的科学评价体系，但实践中“破五唯”改革多未有效落地，破立并举收效甚微[16]。建议深化评价体系改革，建立多维度、多层次、多元化考评体系，以创新能力、质量、实效、贡献为核心评价人才。考评需向临床指标倾斜，适度增加临床医技水平、实操能力、技术创新及工作业绩等指标权重；科研考核坚持质量优先，以量化指标作参考；据实制订内部高质量论文目录，突出标志性成果贡献度；同时适度侧重临床研究论文及应用类成果，引导医务人员从临床向医学创新与成果转化转型。通过优化评价体系，树立正确科研价值导向，营造公平务实的科研氛围。

4.5 构建GenAI协同治理体系，引导负责任科研文化

面对GenAI在科研应用中引发的内容造假、成果溯源难等问题，需构建“政策-技术-社会”三位一体的协同共治体系，推进其规范化治理。其一，完善法规与监管体系。针对AI技术迭代快、制度规范滞后、国际治理分散的现状，2025年《人工智能生成合成内容标识办法》的出台明确AI安全使用边界，为适配技术发展的治理框架奠定基础。未来需进一步完善针对性、可操作性强的专项法规，形成与国际衔接的全流程制度保障网络。其二，强化技术识别与管控。出版界陆续启用中国知网AIGC检测系统、iThenticate等工具搭建“技术检测-人工审核”双重防线，同时加快探索跨模型检测的多模态行业标准与技术试点，从底层提升AI生成内容的可追溯性与可靠性[17]。在社会层面，还需凝聚行业共识、媒体监督、机构引导的约束合力，筑牢技术向善底线[18]；强化科研人员与公众对AI技术的理性认知，推动学术研究高质量发展。

科研诚信建设是规范医学创新、维护行业公信力的重要基石。本研究通过调查，在一定程度上了解医务人员科研诚信认知现状，并提出相关建议。但本研究抽样均在专科医院进行，结果可能存在一定的选择偏倚。未来将扩大调查范围，并增加对AI伦理与诚信风险的细化研究，为完善科研诚信治理提供更全面的科学依据。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[参考文献]

[1] 中共中央办公厅国务院办公厅印发《关于进一步加强科研诚信建设的若干意见》[EB/OL].（2018-05-30）[2025-08-22].https：//www.gov.cn/zhengce/202203/content_3635308.htm.

[2] 中共中央办公厅国务院办公厅印发《关于进一步弘扬科学家精神加强作风和学风建设的意见》[EB/OL].（2019-06-11）[2025-08-22].https：//www.gov.cn/zhengce/2019-06/11/content_5399239.htm.

[3] 科技部. 《科研失信行为调查处理规则的通知》国科发监〔2022〕 221号[EB/OL].（2022-08-25）[2025-08-22].https：//www.gov.cn/zhengce/zhengceku/2022-09/14/content_570 9819.htm.

[4] 科技部. 科研单位科研诚信管理制度示范文本[EB/OL].（2024-11-07）[2025-08-22].https：//www.most.gov.cn/kjbgz/202411/t20241107_192290.html.

[5] WANG Y，LI X，CAI H，et al. Characteristics of Biomedical Retractions in China：an Analysis Using the Retraction Watch Database [J]. J Acad Ethics， 2025，23（4）：1-18.

[6] 田荣，严丽萍，孙红燕，等. 生成式人工智能技术对科研诚信建设的挑战及应对策略分析[J]. 中国医药导报，2025，22（18）：11-14.

[7] 赵晓涵，贾强. DeepSeek引发“赛博狂欢”现象的辩证审思：价值旨归、风险隐忧与伦理重构[J/OL]. 上海理工大学学报（社会科学版）[2025-11-30]. http://doi.ong/10.13256/j.cnki.jusst.sse.250529290.

[8] 马婷玉，赵洋，李晖，等. 新疆某三级甲等医院在职医务人员科研诚信认知调查研究[J].中华医学科研管理杂志，2022，35（2）：141-146.

[9] 毛发江，史雯妍，左玲，等. 近3年国家基金委查处的学术不端案件分析及对医院科研管理的启示[J]. 中华医学科研管理杂志，2022，35（2）：102-106.

[10] 王彩云，杨涛莲. 医学科研人员对生成式人工智能的认知和应用现状调查研究[J]. 中国医药导报，2025，22（11）：114-119.

[11] 郑汉，肖谦，丁毅，等. 出版从业人员对生成式人工智能技术的认知与使用现状调查[J]. 中国编辑，2024（10）：36-47.

[12] 倪新兴，陈奇，刘轶宁，等. 高校附属医院科研人员学术不端认知现状调查[J]. 江苏卫生事业管理，2024，35（9）：1343-1346，1364.

[13] 江雨莲，刘爽，孙激. 医学学术不端论文特征分析及防范对策——以国家卫生健康委员会通报的科研诚信案件为例[J]. 中国科技期刊研究，2022，33（11）：1490-1498.

[14] 康佩佩，张春晖，刘娅飞，等. 基于文本挖掘视角的我国最新医学科研诚信政策特征分析[J]. 中国卫生事业管理，2024，41（9）：1038-1042.

[15] 张卓婧，薛静，李文怡，等. 中国医院科研诚信联盟建设实践[J].中华医院管理杂志，2024，40（5）：362-366.

[16] 孟溦，张群. 科研评价“五唯”何以难破——制度分析的视角[J]. 中国高教研究，2021（9）：51-58.

[17] 张秦. AI时代科技期刊科研诚信治理的国际经验与中国路径[J]. 科技与出版，2025，（9）：63-69.

[18] 朱雯熙，闫紫柔. 德国医学领域生成式人工智能伦理治理路径解析及启示[J]. 医学与哲学，2025，46（19）：27-31.

Research on the current situation and countermeasures of medical staffs awareness of scientific research integrity in tertiary specialized hospitals in Tianjin

HUANG Lingyu1 YUAN Yun2 CHEN Yaxing3 CHU Yujing4 CAI Han4 WU Feng4

1.Department of Scientific Research and Education, Tianjin Chest Hospital, Tianjin 300222, China; 2.Editorial Office of Chinese Journal of Contemporary Neurology and Neurosurgery, Tianjin Huanhu Hospital, Tianjin 300350, China;3.Department of Science Research and Education, Tianjin Huanhu Hospital, Tianjin 300350, China; 4.Department of Human Resources, Tianjin Chest Hospital, Tianjin 300222, China

[Abstract] Objective To investigate the awareness and attitudes of medical staffs toward research integrity, analyze its influencing factors, and provide empirical evidence for strengthening research integrity governance. Methods An online survey was conducted among 371 medical staffs in Tianjin Chest Hospital and Tianjin Huanhu Hospital form March to April 2025. The questionnaire included three parts: demographic characteristics, awareness of research integrity, and attitudes toward academic misconduct, and statistical analysis were performed on the results. Results The respondents had a good basic understanding of research integrity, but their awareness rates of incorrect solutions to research results,risks of improper use of generative artificial intelligence (GenAI) in research integrity, and the use of research funds are relatively low. The overall score of scientific research integrity awareness was (52.09 [43.00,59.00]) points. The majority of medical staff (82.48%) was opposed to academic misconduct, and believed that the main reason for scientific research dishonesty was academic/promotion pressure. The results of the multivariate logistic regression model analysis showed that job type and academic title were influencing factors for the cognitive level of scientific research integrity (P＜0.05),and job type and whether participating in the project were influencing factors for the GenAI scientific research integrity awareness of medical staff (P＜0.05). Conclusion At present, the awareness of scientific research integrity among medical staffs and especially nursing group, and their consciousness of GenAI integrity risks both need to be improved, and there is still a risk of scientific research dishonesty in the medical industry. It is necessary to optimize scientific research services and enhance scientific research literacy, strengthen the education and publicity of scientific research integrity, intensify the supervision and punishment of academic misconduct, deepen the reform of academic and evaluation and appointment, build a GenAI collaborative governance system, and comprehensively improve the awareness of medical scientific research integrity.

[Key words] Research integrity; Academic misconduct; Generative artificial intelligence; Medical staff; Tianjin

[中图分类号] R19

[文献标识码] A

[文章编号] 1673-7210（2026）05（b）-0096-06

DOI：10.20047/j.issn1673-7210.25081503

[基金项目] 天津市医院协会医院管理研究项目（2024zc096）。

[作者简介]

黄玲玉（1988.6-），女，硕士，天津市胸科医院科教科副科长；研究方向：科研管理。

[通讯作者] 吴锋（1979.3-），男，研究员，天津市胸科医院副院长；研究方向：卫生事业管理。

（收稿日期：2025-08-22）

（修回日期：2026-01-20）