2013年6月，我们在纽约曼哈顿北部招募的年龄≥18岁的英语女性中进行了四个焦点小组研究。通过欧文临床和转化研究研究所社区参与核心资源参与社区数据库的女性通过电子邮件或电话联系。每个焦点小组由7-9名女性组成。该研究得到了哥伦比亚大学医学中心机构审查委员会的批准，所有参与者都提供了书面知情同意书。共有34名居住在华盛顿高地/因伍德社区的女性参与了这项研究。

RealRisks为患者-提供者对话建模，并结合基于经验的动态接口来交流数字和概率概念，这些概念是风险沟通的核心( 图1)．故事基于一个虚构的角色罗斯，她有乳腺癌家族史，去看医生做例行检查。我们将叙述分为以下几个模块:(1)风险(什么是风险，什么是乳腺癌风险因素)，(2)基因检测(遗传性乳腺癌，遗传突变)，(3)化学预防(抗雌激素，风险/益处)。在《RealRisks》的叙述中嵌入了两款基于体验的风险界面游戏，这是基于我们之前的工作[ 21］．这些游戏用100个可点击女性的象形文字展示了平均50岁女性5年和终生患乳腺癌的绝对风险。玩家被指示点击，直到他们“找到”一个患有乳腺癌的女性。玩家继续点击(例如，从100名女性中抽取样本)，以更好地了解预先设定的概率的含义 ，每100名女性中有12人或12%)。我们的数据表明，这种基于经验的交互式风险表示形式提高了低数量人群风险感知的准确性[ 21］．

一位熟练的主持人(ANA)使用详细的指南(可根据要求从作者处获得)领导焦点小组。讨论指南包括有关乳腺癌风险因素、BRCA基因检测以及与提供者讨论乳腺癌风险和/或基因检测的问题。会议持续约90分钟，并进行了录音。在最初的15分钟里，女性参与了关于她们患乳腺癌的经历以及她们对乳腺癌风险的理解的讨论。在接下来的30分钟里，参与者被允许在笔记本电脑上查看RealRisks决策辅助并与之互动，并听叙述的音频录音。最后30分钟进行了半结构化的小组讨论，以获得关于DA的可接受性和有用性的反馈。具体来说，我们感兴趣的是:(1)用户是否接受了解乳腺癌风险和基因检测的决策辅助?(2)用户能否轻松导航和使用决策辅助工具?，(3) Does the decision aid effectively increase users’ confidence and participation in the decision-making process?, and (4) Does the decision aid increase knowledge, understanding of breast cancer risk, and risk management options in the context of an individual’s risk profile?

在开始焦点小组讨论之前，一份自我填写的问卷，包括人口统计、计算能力[ 22]、互联网接入、信息来源和乳腺癌危险因素的调查在基线时完成。使用有效的测量方法感知乳腺癌风险[ 23]在暴露于真实风险之前和之后进行评估，并在干预后对决策辅助进行7点李克特量表评估。

生成描述性统计数据以记录参与者的基线特征以及对RealRisks决策辅助的积极和消极态度的频率。研究人员通过询问“你对自己在未来5年内患乳腺癌的几率的最佳猜测是多少?”和“在你有生之年?”，范围从0%至100% [ 22］．Gail BCRAT用于评估5年和终生浸润性乳腺癌的绝对风险[ 4］．根据BCRAT，感知乳腺癌风险的准确性定义为估计终身风险的±5%。配对 t使用McNemar检验和测试来比较与RealRisks互动前后个体内感知乳腺癌风险准确性的变化。

对于定性分析，2名调查人员(HSY和TX)独立阅读第一个完成的焦点小组的记录，以制定初始代码和编码模板。我们使用编辑风格分析在响应中识别有意义的片段并分配代码[ 24］．编码上的差异在每周的研究会议上进行了协商。HSY和TX独立阅读和编码其余三个焦点小组的文本，应用编码模板，随着分析的进行迭代修改。我们将代码分组为一般主题，并在整个研究团队中讨论主题。团队集体选择了本文的主题和有代表性的引文。阿特拉斯。ti 7.0 software was used to facilitate qualitative data management and analysis. All transcripts were uploaded into the software to enable investigators to do coding, build the codebook, and group the codes into themes. A final comparison of coding across all interviews yielded 62.3%-94.5% agreement. Thematic saturation was determined based on consensus of the coders that new thematic categories were no longer arising from the final focus group transcript.

34个焦点小组参与者的基线特征总结如下( 表1)．大多数(62%，21/34)是西班牙裔，平均年龄为53岁(35-75岁)。共有41%(14/34)符合计算能力较低的标准，定义为0-5分(范围0-9分)[ 23]， 65%(22/34)的人对乳腺癌危险因素了解不足，定义为0-9分(范围0-18)。每个人都可以访问互联网，包括89%(30/34)的人至少每周使用互联网。在乳腺癌危险因素方面，24%(8/34)的女性有一级乳腺癌家族史，13%(4/34)的女性既往有良性乳腺活检。根据BCRAT(不包括3名有乳腺癌病史的女性)，平均5年绝对风险和终生风险分别为1.11%(范围0.2%-4.3%)和7.46%(范围2.8%-14.6%)，10%(3/34)的女性符合乳腺癌高危标准(5年风险≥1.67%)。

感知的5年和终生乳腺癌风险范围为0-100%。在与RealRisks互动后，根据BCRAT，感知和估计乳腺癌风险的差异在5年风险方面显著改善( P=.008)，但不涉及终身风险( P= .20) ( 表2)．乳腺癌风险感知的准确性从52%提高到70% ( P= 10)。即使在算术能力较低的妇女亚组中，准确的风险认知也从46%提高到70%。特别是，80%(4/5)高估其一生乳腺癌风险超过30%的女性在接触RealRisks后具有准确的风险感知。

参与者在李克特7分量表上对RealRisks决策辅助的印象显示在 表3．超过75%的人认为决策帮助易于使用，并认为它增加了他们对乳腺癌、基因检测和化学预防的知识。超过87%(29/33)的人会向朋友推荐RealRisks。

在这个主要由来自曼哈顿上城的西班牙裔女性组成的社区中，我们在与基于经验的动态接口交互后，展示了乳腺癌风险感知准确性的显著提高，该动态接口传达了嵌入在RealRisks决策辅助中的风险。这种改善在高计算能力的女性和低计算能力的女性中都有发现，这些女性被系统地证明高估了自己的乳腺癌风险[ 25， 26］．

然而，与之前的研究一致[ 27， 28]，我们的定性分析显示，女性不会将她们的疾病风险与获得医疗服务联系起来——例如，那些认为自己的风险较低的人仍然希望进行乳腺癌易感基因检测。因此，更准确的风险认知可能不足以作为支持乳腺癌风险管理临床决策的唯一依据。我们确定了采用风险适当的乳腺癌预防策略的三个潜在障碍。这些发现对于沟通基于乳腺癌风险预测模型的风险管理选项有一些意义。

首先，关于乳腺癌风险和风险预测模型的效用存在很大的不确定性。对乳腺癌易感基因检测可能存在误解——例如，如前所述，有些人可能错误地认为BRCA检测可以诊断癌症[ 29］．先前的研究表明，个人往往会拒绝他们的个人风险估计。在结肠癌的情况下，一项研究发现，在正确记住了他们患结肠癌的个性化风险的参与者中，只有一半人真正接受了它。 30.］．关于乳腺癌，大约20%的女性不相信她们的个性化风险数字是准确的[ 31］．在我们的研究中，女性表达了一定程度的不确定性，即所有用于确定她们患乳腺癌风险的因素都被考虑在内。他们似乎根据自己对不包括在BCRAT模型中的不太明确的乳腺癌风险因素的理解来证明自己的感知风险是好是坏。例如，经常参加体育活动的参与者可能认为自己患乳腺癌的风险较低，而参与者提到在城市环境中暴露在空气污染物中导致患乳腺癌的风险高于平均水平。这些所谓的对风险估计的理性调整在一项评估阿尔茨海默病风险认知的研究中也得到了类似的显示，这些人准确地回忆起他们基于基因的阿尔茨海默病风险评估[ 32］．虽然没有明确讨论，但在我们的焦点小组中，女性的发言承认风险模型是不完美的工具。类比塔勒布的“黑天鹅”逻辑[ 33]，无法预测异常值(黑天鹅)意味着无法预测那些位于常规预期范围之外的异常值。女性经常举例说明我们无法控制的事情和意料之外的事情 ，这位35岁的女性被诊断患有乳腺癌，但没有明确的危险因素)。

在我们的分析中，突出的是认为医疗保健本身是不信任的来源，这导致了乳腺癌风险预测模型的不确定性。众所周知，对风险信息作出反应的最重要决定因素之一可能是信息来源是否被认为是可信和值得信赖的。Eagley, Wood和Chaiken发现了两种信息接收者可能推断出的交流者偏见[ 34］．第一个是知识偏见，指的是相信传播者对真理的知识是足够的。在风险评估模型的背景下，这可能是指工具本身可以计算概率来表达不确定性(例如，是否考虑了重要因素，关于已知风险因素的科学是否充分?)第二个是报道偏见。在我们的研究背景下，这可能指的是一种信念，即提供者和医疗保健系统更普遍地不会为了促进特定的观点而扭曲信息。我们的参与者说，这是一个“叛逆的团体”，说你不再需要每年进行乳房x光检查，这表达了对乳房x光筛查的建议是扭曲的，不应该被信任的担忧。虽然我们的研究不是为了探索导致不信任来源的机制，以及这种看法如何影响风险模型，但我们的发现建立在先前工作的基础上，这表明癌症风险评估模型可以被视为不确定性[ 35， 36]和不信任[ 27， 30.， 31]消息来源的可信度是一个关键决定因素[ 35， 36］．

另一个新颖的发现是使用风险模型来指导乳腺癌风险管理选项作为获得护理的障碍。在我们的焦点小组中，一些女性认为没有资格进行基因检测是服务配给。正如一位女士所说:“只有有钱的人才能完成所有这些测试。”众所周知的安吉丽娜·朱莉效应导致BRCA检测需求几乎翻了一番[ 37］．虽然在美国进行的一项调查发现，尽管75%的美国人知道安吉丽娜·朱莉做了双乳切除手术，但只有不到10%的受访者拥有必要的信息，能够准确地解释她与未受BRCA基因突变影响的女性相比患癌症的风险[ 38］．对安吉丽娜·朱莉(Angelina Jolie)故事的了解并没有提高人们的理解。在我们的研究中，女性估计基因检测的成本约为3000美元，这就提出了一个问题:“现在，如果每个人都负担不起，怎么才能知道呢?”为了避免破坏对卫生保健系统的广泛信任，需要有效的沟通策略，以确保那些被指定为低风险的人理解和信任，定制预防方案背后的基本原理不是减少或拒绝服务，而是优化效益和减少潜在危害。这种沟通的复杂性对于算术能力较低的女性来说可能是最大的问题，因为她们往往高估了自己的风险。因此，积极的沟通和保证对于缓解现有差距的恶化至关重要。

虽然在美国尚未得到充分利用，但包括基因检测在内的乳腺癌风险评估可用于将人们分为不同的风险群体，并根据每个群体的需要进行筛选和预防干预[ 5］．通过对人口进行风险分层，筛选和管理办法可以不同地适用于每个人口阶层，可能更有效地分配资源。然而，即使改善了健康结果，风险分层乳腺癌预防方案的实施已被证明是复杂的[ 39- 41］．目前，关于患者对风险适当的癌症筛查和预防的接受程度和偏好，缺乏经验证据[ 41］．

我们的城市女性参与者，主要是少数民族，低计算能力的比例很高，可能不能代表其他地理区域的一般人口。然而，考虑到这是一个研究不足和服务不足的人群，这也是我们研究的独特优势。也可能存在选择偏差，对表达乳腺癌观点更感兴趣的女性可能更有可能参与，这影响了我们结果的泛化性。

我们进行了这项研究，以告知RealRisks决策辅助的迭代设计。虽然基于经验的界面提高了乳腺癌风险认知的准确性，但我们的定性研究结果确定了基于风险的医疗保健提供的额外障碍，这些障碍需要解决( 图2)．例如，为了解决对医疗保健系统的不信任这一主题，“真实风险”现在将加入对话，解释基因检测对没有与BRCA1或BRCA2突变风险增加相关的家族史的女性几乎没有或没有好处。基于经验的界面将扩展到包括服用化学预防药物如何影响他们的个性化风险，因此他们可以通过与游戏互动了解到，只有在高风险女性中才能看到益处，而低于特定风险阈值的女性的风险大于益处。此外，我们将强调通过对话和游戏，使所有风险阶层的妇女都有预防选择。这款游戏将让女性了解筛查和生活方式的选择。我们认为这一点尤其突出，因为过度诊断导致的基于人群的乳房x光筛查的潜在危害的争议继续升级[ 42， 43］．未来的研究需要确定这些RealRisks的迭代是如何被接受的，更普遍的是，决策辅助，如RealRisks，是否可以提高乳腺癌风险认知的准确性，知情的决策制定，以及风险适当的预防策略的接受度。