这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。gydF4y2Ba
对话代理(聊天机器人)在医疗保健领域有着悠久的应用历史,它们被用于支持患者自我管理和提供咨询等任务。随着卫生系统需求的增加和人工智能(AI)能力的提高,预计它们的使用将会增长。然而,评估医疗聊天机器人的方法似乎是多样化和随意的,这导致了该领域发展的潜在障碍。gydF4y2Ba
这项研究旨在确定以前的研究用于评估医疗聊天机器人的技术(非临床)指标。gydF4y2Ba
通过检索7个文献数据库(如MEDLINE和PsycINFO),并对纳入的研究和相关综述进行反向和正向参考文献列表检查,确定研究。这些研究由两名审稿人独立选择,然后从纳入的研究中提取数据。提取的数据通过将识别的指标分组到基于指标评估的聊天机器人方面的类别来叙述地合成。gydF4y2Ba
在检索到的1498篇文献中,有65篇文献被收录在本综述中。使用27个技术指标评估聊天机器人,这些指标与聊天机器人整体(如可用性、分类器性能、速度)、响应生成(如可理解性、真实性、重复性)、响应理解(如用户评估的聊天机器人理解、单词错误率、概念错误率)和美学(如虚拟代理的外观、背景颜色和内容)有关。gydF4y2Ba
健康聊天机器人研究的技术指标是多种多样的,主要是调查设计和全球可用性指标。由于缺乏标准化和客观措施,很难比较健康聊天机器人的性能,并可能阻碍该领域的发展。我们建议研究人员更频繁地包括从对话日志中计算的指标。此外,我们建议开发一个技术指标框架,并针对具体情况提出建议,将其纳入聊天机器人研究中。gydF4y2Ba
几十年前,人们就意识到人机对话在提供医疗保健方面的潜力。1966年,Weizenbaum的ELIZA系统通过当时可能的相对简单的语言标记操作来模仿心理治疗师,引起了公众的想象[gydF4y2Ba
随着智能手机的出现,高度互动性的聊天机器人的传播得到了极大的促进,特别是随着应用商店的普遍使用和聊天机器人聊天应用的广泛安装,尤其是Facebook Messenger。聊天机器人与其他电子健康干预措施一样,提供可扩展性和24小时可用性,以填补未满足的健康需求的缺口。例如,Woebot提供认知行为疗法,并在患有抑郁症的学生中进行了测试[gydF4y2Ba
要成为一门以证据为基础的学科,就需要对绩效进行衡量。健康聊天机器人对临床结果的影响是衡量成功的最终标准。例如,在接受的测量(如PHQ-9)中,病情(如抑郁症,糖尿病)是否改善到统计显著程度[gydF4y2Ba
作为临床结果指标的替代和有用的先驱,技术指标关注聊天机器人本身的性能(例如,参与者是否觉得它是可用的,给出适当的回应,并理解他们的输入?)适当性指所提供的资料与解决所提示的问题有关[gydF4y2Ba
在此之前,我们引入了一个健康聊天机器人评估措施框架,为开发人员提供指导[gydF4y2Ba
为达到上述目标,我们进行了范围检讨。为开展透明且可复制的评审,我们遵循了PRISMA(系统评审和元分析首选报告项目)范围评审扩展指南[gydF4y2Ba
在这篇综述中,我们搜索了2019年11月1日至3日的文献数据库:MEDLINE(通过EBSCO), EMBASE(摘录pta Medica数据库;通过奥维德),PsycINFO(通过奥维德),CINAHL(护理和相关健康文献的累积索引;通过EBSCO), IEEE(电气和电子工程师协会)Xplore, ACM(计算机械协会)数字图书馆,和谷歌学者。我们只筛选了通过搜索谷歌Scholar检索到的前100个结果,因为它通常检索几千个参考文献,按它们与搜索主题的相关性排序。我们检查了纳入研究的参考文献列表,以确定与当前综述相关的进一步研究(即反向参考文献列表检查)。此外,我们使用谷歌Scholar中提供的“引用对象”功能来查找和筛选引用了纳入研究的研究(即向前参考文献列表检查)。gydF4y2Ba
搜索词来源于先前发表的文献和信息学专家的意见。对于与健康相关的数据库,我们使用与感兴趣的干预相关的搜索词(例如,聊天机器人、会话代理和聊天机器人)。除了与干预相关的术语外,我们还使用了与上下文相关的术语(例如,健康、疾病和医疗)用于非健康相关的数据库(例如,IEEE和ACM数字图书馆)。gydF4y2Ba
在这篇综述中,感兴趣的干预是旨在为患者提供医疗保健服务的聊天机器人。其中包括在独立软件或基于web的平台上实现的聊天机器人。然而,我们排除了由人类操作的聊天机器人(Wizard-of-Oz)或集成到机器人、严肃游戏、短信短信或电话系统中的聊天机器人。为了入选,研究必须报告对聊天机器人的技术评估(如可用性、分类器性能和单词错误率)。我们包括了同行评议的文章、论文和会议记录,但排除了评论、提案、社论和会议摘要。这篇综述只包括了用英语撰写的研究。研究设计、研究背景、发表年份和发表国家均不受限制。gydF4y2Ba
作者MA和ZS独立筛选所有检索文献的标题和摘要,然后独立阅读纳入研究的全文。两位审查员之间的任何分歧都由AA解决。我们通过计算Cohen来评估编码器之间的一致性,筛选标题和摘要的Cohen为0.82,阅读全文的Cohen为0.91,表明非常好的一致性[gydF4y2Ba
为了从纳入的研究中进行可靠和准确的数据提取,开发了数据提取表单,并使用8项纳入的研究进行了试点(gydF4y2Ba
采用叙述的方法来综合提取的数据。在确定了所包含的研究用于评估聊天机器人的所有技术指标后,我们根据指标评估的聊天机器人方面将它们分为4类。这四个类别是经过作者讨论并达成共识后形成的。对于每一个指标,我们都确定了研究是如何测量的。数据合成使用Microsoft Excel(微软公司)进行管理。gydF4y2Ba
通过检索7个电子数据库,检索到1498篇引文。去除199篇(13.3%)重复引文后,筛选出1299篇(86.7%)标题和摘要。筛选过程导致排除了1113篇(74.3%)的标题和摘要,原因如下gydF4y2Ba
研究选择过程流程图。gydF4y2Ba
所包含的研究的特征在gydF4y2Ba
61项研究报告了样本量,38项研究(62%)的参与者为50人或更少。在44项研究中,报告了参与者的年龄;参与者的平均年龄为39岁,范围在13-79岁之间。54项研究报告了参与者的性别,其中男性的平均比例为48.1%。在报告参与者健康状况的62项研究中,34项(54.8%)研究从临床人群(即有健康问题的人群)中招募了参与者。参与者分别来自临床环境(n=30, 49.2%)、社区环境(n=20, 32.8%)和教育环境(n=18, 29.5%)。每个纳入研究的元数据和人口特征都在gydF4y2Ba
聊天机器人被用于自我管理(n= 17,26.2%)、治疗目的(n= 12,18.5%)、咨询(n= 12,18.5%)、教育(n= 10,15.4%)、筛查(n= 9,13.8%)、培训(n= 7,10.8%)和诊断(n= 3,4.6%)。虽然聊天机器人在约62% (n=40)的研究中是在独立软件中实现的,但在其余的研究中(n= 25,39%)聊天机器人是在基于web的平台上实现的。在纳入的研究中,分别有82% (N=53)、17% (N= 11)和2% (N= 1)的聊天机器人响应是基于预定义规则、机器学习方法或两种方法(混合)生成的。在大多数研究中(n= 5889%),聊天机器人主导了对话。在大约62% (n=40)的研究中,用户仅通过输入他们的话语(文本)与聊天机器人互动。聊天机器人与用户互动最常用的方式是文本、语音和非语言的组合(即面部表情和肢体语言;(N = 21,32%),只有文本(N = 20,31%),以及语音和非语言的结合(N = 19,29%)。聊天机器人最常见的疾病是任何健康问题(n= 20,31%)和抑郁症(n= 15,23%)。gydF4y2Ba
纳入研究的特征(N=65)。gydF4y2Ba
参数及特点gydF4y2Ba | 研究,n (%)gydF4y2Ba一个gydF4y2Ba | |||
|
||||
|
|
|||
|
|
调查gydF4y2Ba | 41 (63)gydF4y2Ba | |
|
|
准试验gydF4y2Ba | 11 (17)gydF4y2Ba | |
|
|
随机对照试验gydF4y2Ba | 13 (20)gydF4y2Ba | |
|
|
|||
|
|
期刊文章gydF4y2Ba | 37 (57)gydF4y2Ba | |
|
|
会议进行gydF4y2Ba | 25 (39)gydF4y2Ba | |
|
|
论文gydF4y2Ba | 3 (5)gydF4y2Ba | |
|
|
|||
|
|
美国gydF4y2Ba | 33 (51)gydF4y2Ba | |
|
|
法国gydF4y2Ba | 5 (8)gydF4y2Ba | |
|
|
荷兰gydF4y2Ba | 3 (5)gydF4y2Ba | |
|
|
日本gydF4y2Ba | 3 (5)gydF4y2Ba | |
|
|
澳大利亚gydF4y2Ba | 3 (5)gydF4y2Ba | |
|
|
意大利gydF4y2Ba | 2 (3)gydF4y2Ba | |
|
|
瑞士和荷兰gydF4y2Ba | 2 (3)gydF4y2Ba | |
|
|
芬兰gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
瑞典gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
火鸡gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
联合王国gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
瑞士和德国gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
墨西哥gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
西班牙gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
全球人口gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
罗马尼亚、西班牙和苏格兰gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
菲律宾gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
瑞士gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
新西兰gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
西班牙和新西兰gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
南非gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
|||
|
|
在2010年之前gydF4y2Ba | 3 (5)gydF4y2Ba | |
|
|
2010 - 2014gydF4y2Ba | 17 (26)gydF4y2Ba | |
|
|
2015 - 2019gydF4y2Ba | 45 (70)gydF4y2Ba | |
|
||||
|
|
|||
|
|
≤50gydF4y2Ba | 38 (62)gydF4y2Ba | |
|
|
51 - 100gydF4y2Ba | 11 (18)gydF4y2Ba | |
|
|
101 - 200gydF4y2Ba | 9 (15)gydF4y2Ba | |
|
|
> 200gydF4y2Ba | 3 (5)gydF4y2Ba | |
|
|
|||
|
|
意思是(范围)gydF4y2Ba | 39 (13 - 79)gydF4y2Ba | |
|
|
|||
|
|
男性gydF4y2Ba | 48.1gydF4y2Ba | |
|
|
|||
|
|
临床样本gydF4y2Ba | 34 (55)gydF4y2Ba | |
|
|
临床前的样本gydF4y2Ba | 28 (45)gydF4y2Ba | |
|
|
|||
|
|
临床gydF4y2Ba | 30 (50)gydF4y2Ba | |
|
|
社区gydF4y2Ba | 20 (33)gydF4y2Ba | |
|
|
教育gydF4y2Ba | 18 (30)gydF4y2Ba | |
|
||||
|
|
|||
|
|
自我管理gydF4y2Ba | 17 (26)gydF4y2Ba | |
|
|
治疗gydF4y2Ba | 12 (19)gydF4y2Ba | |
|
|
咨询gydF4y2Ba | 12 (19)gydF4y2Ba | |
|
|
教育gydF4y2Ba | 10 (15)gydF4y2Ba | |
|
|
筛选gydF4y2Ba | 9 (14)gydF4y2Ba | |
|
|
培训gydF4y2Ba | 7 (11)gydF4y2Ba | |
|
|
诊断gydF4y2Ba | 3 (5)gydF4y2Ba | |
|
|
|||
|
|
独立的软件gydF4y2Ba | 40 (62)gydF4y2Ba | |
|
|
基于网络的gydF4y2Ba | 25 (39)gydF4y2Ba | |
|
|
|||
|
|
基于规则的gydF4y2Ba | 53 (82)gydF4y2Ba | |
|
|
人工智能gydF4y2Ba | 11 (17)gydF4y2Ba | |
|
|
混合动力gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
|||
|
|
聊天机器人gydF4y2Ba | 58 (89)gydF4y2Ba | |
|
|
用户gydF4y2Ba | 4 (6)gydF4y2Ba | |
|
|
这两个gydF4y2Ba | 3 (5)gydF4y2Ba | |
|
|
|||
|
|
文本gydF4y2Ba | 40 (62)gydF4y2Ba | |
|
|
的声音gydF4y2Ba | 9 (14)gydF4y2Ba | |
|
|
声音和非语言gydF4y2Ba | 8 (12)gydF4y2Ba | |
|
|
文字和语音gydF4y2Ba | 6 (9)gydF4y2Ba | |
|
|
文本和非语言gydF4y2Ba | 2 (3)gydF4y2Ba | |
|
|
|||
|
|
文字,声音和非语言gydF4y2Ba | 21 (32)gydF4y2Ba | |
|
|
文本gydF4y2Ba | 20 (31)gydF4y2Ba | |
|
|
声音和非语言gydF4y2Ba | 19 (29)gydF4y2Ba | |
|
|
文字和语音gydF4y2Ba | 4 (6)gydF4y2Ba | |
|
|
的声音gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
|||
|
|
任何健康状况gydF4y2Ba | 20 (31)gydF4y2Ba | |
|
|
抑郁症gydF4y2Ba | 15 (23)gydF4y2Ba | |
|
|
自闭症gydF4y2Ba | 5 (8)gydF4y2Ba | |
|
|
焦虑gydF4y2Ba | 5 (8)gydF4y2Ba | |
|
|
物质使用障碍gydF4y2Ba | 5 (8)gydF4y2Ba | |
|
|
创伤后应激障碍gydF4y2Ba | 5 (8)gydF4y2Ba | |
|
|
精神障碍gydF4y2Ba | 3 (5)gydF4y2Ba | |
|
|
性传播疾病gydF4y2Ba | 3 (5)gydF4y2Ba | |
|
|
睡眠障碍gydF4y2Ba | 2 (3)gydF4y2Ba | |
|
|
糖尿病gydF4y2Ba | 2 (3)gydF4y2Ba | |
|
|
阿尔茨海默gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
哮喘gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
子宫颈癌gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
痴呆gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
精神分裂症gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
压力gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
的遗传变异gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
认知障碍gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
|
心房纤颤gydF4y2Ba | 1 (2)gydF4y2Ba | |
|
一个gydF4y2Ba百分比是四舍五入的,总和可能不等于100。gydF4y2Ba
bgydF4y2Ba61项研究报告了样本量。gydF4y2Ba
cgydF4y2Ba44项研究报告了平均年龄。gydF4y2Ba
dgydF4y2BaN/A:不适用。gydF4y2Ba
egydF4y2Ba54项研究报告了性。gydF4y2Ba
fgydF4y2Ba62项研究报告了样本类型。gydF4y2Ba
ggydF4y2Ba61项研究报告了环境。gydF4y2Ba
hgydF4y2Ba由于几个聊天机器人关注的健康状况不止一种,所以数据加起来并不合理。gydF4y2Ba
我gydF4y2Ba数字不能相加,因为几个聊天机器人有不止一个目的。gydF4y2Ba
jgydF4y2Ba由于几个聊天机器人针对的健康状况不止一种,所以这些数字加起来并不合理。gydF4y2Ba
所收录的研究使用许多技术指标评估聊天机器人,这些指标被分为4个主要组:与聊天机器人相关的指标(全局指标),与响应生成相关的指标,与响应理解相关的指标,与美学相关的指标。关于度量的更多细节将在以下部分中介绍。gydF4y2Ba
这些研究使用以下指标对聊天机器人进行整体评估:可用性、分类器性能、速度、技术问题、智能、任务完成率、对话效率、对话处理、上下文感知和错误管理。gydF4y2Ba
37项(56.9%)研究评估了聊天机器人的可用性[gydF4y2Ba
8项(12.3%)研究评估了聊天机器人的分类器性能[gydF4y2Ba
4项研究(6.2%)探讨了聊天机器人的技术问题(如错误/故障)[gydF4y2Ba
在这些被回顾的研究中,有2项(3.1%)研究通过访谈考察了聊天机器人在对话处理方面的灵活性(例如,它维持对话并处理用户的一般性问题或回答的能力,这些问题或回答需要的信息比要求的更多、更少或不同)[gydF4y2Ba
所包括的研究使用以下指标来评估聊天机器人的响应生成:响应的适当性、可理解性、真实性、响应速度、同理心、重复性、语音清晰性和语言准确性。gydF4y2Ba
在经检讨的研究中,15项(23.1%)研究口头[gydF4y2Ba
14项(21.5%)研究评估了响应的可理解性,即聊天机器人生成用户可理解的响应的程度[gydF4y2Ba
总共有14项(21.5%)研究评估了类人聊天机器人(真实感)[gydF4y2Ba
总共有11项(16.9%)研究评估了聊天机器人的响应速度[gydF4y2Ba
9项(13.8%)研究检验了聊天机器人回答的重复性[gydF4y2Ba
所包括的研究使用以下指标评估聊天机器人对用户反应的理解:用户评估的理解、单词错误率、概念错误率和注意力估计器错误。gydF4y2Ba
20项(30.8%)研究评估了聊天机器人的理解能力,即聊天机器人充分理解用户的语言和非语言反应的能力[gydF4y2Ba
单词错误率,用于评估聊天机器人的语音识别性能,在使用会话日志的2项(3.7%)研究中进行了检查[gydF4y2Ba
这些研究使用以下指标评估聊天机器人的美学:虚拟代理的外观、背景颜色和内容、字体类型和大小、按钮颜色、形状、图标和背景颜色对比度。gydF4y2Ba
总共有5项(7.7%)研究使用自填问卷中的单一问题评估虚拟代理的外观[gydF4y2Ba
很明显,目前还没有用于评估健康聊天机器人的标准方法。大多数方面是通过自我管理的问卷调查或用户访谈来研究的。常见的度量标准包括响应速度、单词错误率、概念错误率、对话效率、注意力估计和任务完成情况。各种研究评估了聊天机器人的不同方面,使直接比较复杂化。尽管其中一些变化可能是由于聊天机器人实现的个人特征及其独特的用例,但很难理解为什么响应的适当性、可理解性、真实性、响应速度、同理心和重复性等指标只适用于一小部分案例。此外,客观定量指标(例如,基于日志回顾的指标)在报告的研究中相对较少使用。因此,我们建议继续研究和开发技术指标的评估框架,并建议将其纳入聊天机器人研究的具体情况。gydF4y2Ba
Jadeja等[gydF4y2Ba
我们发现可用性是健康聊天机器人最常被评估的方面。系统可用性量表(SUS [gydF4y2Ba
每会话会话次数(CPS)已被建议作为社交聊天机器人的成功衡量标准,例如小冰[gydF4y2Ba
另一个需要标准化的领域是答复的质量。我们观察到反应生成被广泛测量,但方式非常不同。产生反应和理解的标准措施的出现将大大提高研究的可比性。在这一领域开发经过验证的仪器将对聊天机器人的研究做出有益的贡献。gydF4y2Ba
我们赞扬在健康聊天机器人研究中纳入分类器的性能,因为这是适用和实际的评估。由于难度的不同,比较不同领域的原始性能(如曲线下的面积)可能没有多大意义;理想情况下,聊天机器人的表现将与人类专家在手头任务中的表现进行比较。此外,我们认为,随着特定产品的成熟,健康聊天机器人研究的性能指标将有发展的机会。好的早期指标应该是那些评估响应质量和响应理解的指标,以确定产品运行良好。随后的实验可以促进自我报告的可用性评估和社会参与的度量。在适用的情况下,分类器性能可以完善技术性能评估,以确定评估临床结果的试验是否有必要。gydF4y2Ba
这项研究是第一篇综述,总结了以前的研究用于评估医疗聊天机器人的技术指标。这有助于读者了解聊天机器人在医疗保健领域的评估情况。鉴于本次评审是根据PRISMA-ScR指南执行和报告的[gydF4y2Ba
为了检索尽可能多的相关研究,检索了卫生和信息技术领域最常用的数据库。进一步,我们搜索谷歌Scholar,并进行向后和向前参考文献列表检查,检索灰色文献,最大限度地降低发表偏倚的风险。gydF4y2Ba
由于两名审稿人独立选择研究并提取数据,本综述的选择偏倚最小。考虑到我们没有对研究设计、研究背景、发表年份和发表国家施加限制,本综述可被视为一项全面综述。gydF4y2Ba
拉兰乔等[gydF4y2Ba
这篇综述关注的聊天机器人旨在为患者提供医疗保健服务,并在独立软件和网络浏览器上工作;它排除了使用机器人技术、严肃游戏、短信、绿野仙踪和电话的聊天机器人。因此,这篇评论没有包括许多用于为其他用户(如医生、护士和护理人员)、其他领域(如商业和教育)或其他交付模式(如SMS文本消息、Wizard-of-Oz和电话)评估聊天机器人的技术指标。上述限制适用于之前关于聊天机器人的评论,因为这些功能不是普通聊天机器人的一部分[gydF4y2Ba
由于实际的限制,我们无法搜索跨学科数据库(如Web of Science和ProQuest),无法进行人工搜索,也无法联系专家。此外,这篇综述中的搜索仅限于英语研究。因此,这篇综述很可能遗漏了一些研究。gydF4y2Ba
从这篇综述中,我们认识到健康聊天机器人评估人员需要在任何给定的研究或研究系列中考虑一系列方面的测量,包括可用性、社会经验、响应质量,以及在适用的情况下,分类器性能。标准措施的建立将大大提高研究之间的可比性,SUS和CPS分别作为可用性和社会经验的主要候选。理想的情况是为健康聊天机器人评估人员制定指导方针,说明应该测量什么以及在产品开发的哪个阶段。在这一领域,有效的测量仪器的开发是稀疏的,这样的仪器将有利于该领域,特别是响应质量度量。gydF4y2Ba
搜索字符串。gydF4y2Ba
数据提取表单。gydF4y2Ba
每个纳入研究的元数据和人群特征。gydF4y2Ba
每项纳入研究的干预特征。gydF4y2Ba
计算机协会gydF4y2Ba
人工智能gydF4y2Ba
护理及相关健康文献累积索引gydF4y2Ba
每次会话的话题gydF4y2Ba
电子健康gydF4y2Ba
摘录pta Medica数据库gydF4y2Ba
美国电气和电子工程师学会gydF4y2Ba
信息检索gydF4y2Ba
系统评价和元分析的首选报告项目-范围评价的扩展gydF4y2Ba
用户体验gydF4y2Ba
AA在KD和MH的指导和监督下制定了方案并进行了搜索,研究选择和数据提取由MA和ZS独立进行。AA解决了两位审查员之间的任何分歧。AA综合了这些数据。AA和KD起草了手稿,并由所有作者对重要的知识内容进行了批判性的修改。KD和JW查阅相关文献并对结果进行解释。所有作者都批准了手稿的出版,并同意对工作的各个方面负责。gydF4y2Ba
没有宣布。gydF4y2Ba