探讨肺癌手术后患者的电子健康素养及相关影响因素：一项潜在剖面分析

《Asian Journal of Psychiatry》：Exploring the eHealth literacy and related influencing factors in patients after lung cancer surgery: a latent profile analysis

　　肺癌术后患者电子健康素养的三类分型及影响因素研究。通过潜类别分析（LPA）对354名患者的调查显示，电子健康素养分为低（22.7%）、中（43.3%）和高（34.0%）三类，年龄、教育水平、职业、收入、慢性病、电子设备使用时长、信息查询频率、信息渠道多样性、自我管理效能及社会支持是主要影响因素。建议针对不同素养水平患者制定差异化的数字健康干预策略。

　　肺癌手术后的患者面临着复杂的康复过程，他们需要在身体恢复、心理适应和生活方式调整等多个方面进行持续的自我管理。随着数字健康技术的快速发展，电子健康素养（eHealth literacy）作为患者利用数字工具获取、理解、评估和应用健康信息的能力，成为影响其康复效果的重要因素。然而，目前关于这一群体的电子健康素养分类及其影响因素的研究仍较为有限。因此，一项针对354名接受肺部手术的患者进行的横断面研究旨在揭示电子健康素养的子类型，并探讨影响这些子类型特征的变量。

### 电子健康素养的分类

研究通过使用潜类分析（Latent Profile Analysis, LPA）对患者电子健康素养水平进行分类，最终确定了三个潜在类别：“低电子健康素养”、“中等电子健康素养”和“高电子健康素养”。其中，低电子健康素养群体占样本的22.7%，中等电子健康素养群体占43.3%，高电子健康素养群体占34.0%。每个类别在多个方面表现出显著差异，例如年龄、教育水平、职业类型、家庭月收入、是否患有慢性疾病、每日使用智能设备的时间、健康信息搜索频率以及电子健康信息来源的多样性等。这些差异表明，电子健康素养在肺部手术后患者中具有明显的个体差异性，这为制定个性化干预措施提供了理论依据。

### 电子健康素养的影响因素

研究结果表明，电子健康素养受到多种因素的影响。首先，年龄是一个显著的预测变量，年龄越大的患者，其电子健康素养水平越低。其次，教育水平也是重要的影响因素，接受过高等教育的患者更有可能具备较高的电子健康素养。此外，职业类型、家庭月收入、慢性疾病的存在以及对健康信息的使用频率和来源多样性均对电子健康素养有显著影响。例如，使用智能设备时间较短或仅依赖单一信息来源的患者，更可能属于低电子健康素养类别。而自我管理效能和社交支持也被证实是影响电子健康素养的关键因素。自我管理效能高的患者更有可能积极利用数字健康资源，而来自家庭或朋友的积极支持也有助于提升电子健康素养。

### 电子健康素养与生活质量的关系

尽管电子健康素养在某些方面与生活质量相关，但研究发现，不同电子健康素养水平的患者在生活质量方面的差异并不显著。这可能与研究样本的特殊性有关，即患者在术后初期面临较多的生理和心理压力，这些因素可能掩盖了电子健康素养对生活质量的潜在影响。因此，在临床实践中，应更加关注电子健康素养对患者自我管理能力的提升，而不仅仅是其生活质量的改善。

### 理论框架与方法学意义

本研究基于“电子健康素养交易模型”（Transactional Model of eHealth Literacy, TMeHL）进行分析，该模型强调电子健康素养是用户与数字环境之间动态互动的结果，包括任务导向因素和用户导向因素。任务导向因素涉及患者在数字健康环境中的具体行为和信息处理能力，而用户导向因素则反映了患者内在的动机、资源和能力。通过将这一理论框架应用于实际研究，本研究不仅揭示了电子健康素养的分类特征，还深入探讨了影响这些特征的多维度因素，为未来的数字健康干预提供了新的视角。

### 对护理实践和研究的启示

研究结果对护理实践和研究具有重要的指导意义。首先，护理人员应将电子健康素养评估纳入术后患者的随访流程，以便及时识别低电子健康素养的患者并提供针对性的支持。对于低电子健康素养的患者，护理团队可以采用简化的多媒体教育材料和引导式的数字导航支持，帮助他们更好地理解和利用数字健康资源。对于中等和高电子健康素养的患者，可以提供结构化的培训，以增强他们对健康信息的批判性评估和应用能力。此外，研究还建议在政策层面将电子健康素养支持纳入癌症康复框架，并开发符合不同患者群体语言和文化背景的数字健康工具。

### 研究的局限性

尽管本研究取得了一定的成果，但仍存在一些局限性。首先，研究采用自述问卷，可能存在社会期望偏差和回忆偏差。其次，尽管使用了标准化工具，但自填式问卷可能受到解释误差的影响。第三，研究中虽然涵盖了多个维度的变量，但某些潜在的混淆因素，如认知状态、癌症分期和手术复杂性，可能未被充分考虑。第四，研究样本来自上海某单一医疗机构，可能引入选择偏差，限制研究结果的普遍适用性。第五，潜类分析依赖于统计假设，如局部独立性，可能存在类别误分类的风险。最后，尽管样本量足以支持分析，但更大的样本量将有助于提高模型的稳定性和普遍适用性。

### 结论

本研究基于电子健康素养水平，将肺部手术后的患者分为三个潜类：低电子健康素养（22.7%）、中等电子健康素养（43.3%）和高电子健康素养（34.0%）。每个类别在多个方面表现出显著的特征差异，包括年龄、教育水平、职业类型、家庭月收入、是否患有慢性疾病、每日使用智能设备的时间、健康信息搜索频率以及电子健康信息来源的多样性等。研究结果强调了在医疗体系中进行电子健康素养筛查的重要性，特别是针对术后患者。对于低电子健康素养的患者，应提供简化的多媒体教育材料和引导式的数字导航支持。而对于中等和高电子健康素养的患者，应通过结构化培训提升其对健康信息的批判性评估和应用能力，从而最大化数字健康平台在术后康复中的作用。在政策层面，研究支持将电子健康素养支持纳入癌症康复框架，并鼓励开发符合不同患者群体需求的数字健康工具。未来的研究应进一步探讨这些潜类的稳定性和长期轨迹，并探索其对健康结果的预测价值。此外，还需要开发人工智能驱动的个性化电子健康素养干预措施，以更好地满足不同患者的需求。