《Frontiers in Public Health》:Latent profile and associated factors of digital health literacy among patients with coronary heart disease: a cross-sectional study
编辑推荐:
目的:本研究旨在探讨冠心病(CHD)患者数字健康素养(DHL)的潜在特征及相关因素,以指导针对性干预措施的制定。方法:本研究采用便利抽样法,于 2025 年 3 月至 5 月期间,从广西地区某三级医院招募了 341 名冠心病患者。研究使用一般资料问卷、中文版数
目的:本研究旨在探讨冠心病(CHD)患者数字健康素养(DHL)的潜在特征及相关因素,以指导针对性干预措施的制定。方法:本研究采用便利抽样法,于 2025 年 3 月至 5 月期间,从广西地区某三级医院招募了 341 名冠心病患者。研究使用一般资料问卷、中文版数字健康素养量表、健康信念模型量表和社会支持评定量表收集数据。利用 Mplus 8.3 软件进行潜在剖面分析(LPA)以识别数字健康素养的潜在剖面。随后,使用 SPSS 27.0 进行单因素和多分类 Logistic 回归分析,以探索与已识别剖面相关的因素。结果:在 341 名冠心病患者中,平均年龄为 63.38 岁(标准差 SD = 9.96)。数字健康素养平均得分为 19.27(SD = 9.27),表明整体水平较低。潜在剖面分析识别出三个不同的剖面:C1-低素养被动接受型(48.1%);C2-中等素养应用但评估能力差型(31.7%);C3-高素养自主决策型(20.2%)。多分类 Logistic 回归分析显示,年龄较大与较低的数字健康素养相关,而较高的教育水平、城镇居住、更强的社会支持以及更坚定的健康信念则与较高的数字健康素养剖面相关(均 p < 0.05)。结论:冠心病患者的数字健康素养普遍较低,且在不同剖面间表现出显著的异质性。医疗服务提供者应根据不同亚组的特征制定针对性的干预措施,以提高该人群的数字健康素养。
**冠心病患者数字健康素养潜在剖面及影响因素研究解读**
**研究背景与意义**
冠状动脉粥样硬化性心脏病(Coronary Heart Disease, CHD,简称冠心病)具有高患病率、高死亡率及高再入院率的特征,已成为中国首要的致死性慢性病,给个人、家庭及社会带来沉重负担。随着医疗数字化进程加速,数字健康治理日益受到重视,数字健康技术广泛应用于患者的自我健康管理中。数字健康素养(Digital Health Literacy, DHL)作为个体通过数字技术搜索、获取、评估及应用健康信息的能力,成为影响公众健康的关键决定因素。然而,现有研究多聚焦于一般人群或高血压患者,针对冠心病患者数字健康素养的研究不仅数量有限,且结论存在不一致性。既往研究多采用以变量为中心的方法,忽视了患者群体内部的异质性,未能充分揭示不同特征亚群的分布规律及其与健康信念、社会支持的复杂关系。鉴于此,研究人员开展此项研究,旨在利用以人为中心的潜在剖面分析(Latent Profile Analysis, LPA)方法,深入探究冠心病患者数字健康素养的潜在类别特征,分析人口学特征在不同剖面间的差异,并检验健康信念和社会支持与这些剖面的关联,从而为制定精准化的干预策略提供理论依据和实证支持。该研究成果发表于《Frontiers in Public Health》期刊。
**研究方法概述**
研究人员采用横断面调查设计,于 2025 年 3 月至 5 月期间,从广西壮族自治区某三级医院心内科招募了 341 名确诊为冠心病的患者作为研究对象。研究工具包括一般资料问卷、中文版电子健康素养量表(eHEALS)、健康信念量表(HBS)和社会支持评定量表(SSRS)。数据分析方面,研究人员首先运用 Mplus 8.3 软件进行潜在剖面分析(LPA),通过比较 Akaike 信息准则(AIC)、Bayesian 信息准则(BIC)、熵值(Entropy)及似然比检验等指标确定最佳模型分类数;随后利用 SPSS 27.0 进行单因素分析及多分类 Logistic 回归分析,以识别影响不同数字健康素养剖面的关键因素。
**研究结果**
**数字健康素养总体水平较低**
研究结果显示,341 名冠心病患者的数字健康素养总分为 19.27 ± 9.29 分,处于较低水平。在应用 ability、批判性评估能力和决策能力三个维度中,患者在批判性评估和决策方面的得分尤为不足。
**识别出三种潜在的iw数字健康素养剖面**
通过潜在剖面分析,研究人员将患者划分为三个具有显著差异的亚组:
1. **C1-低素养被动接受型(48.1%)**:该组占比最大,患者在所有条目上的得分均最低,尤其是批判性评估和决策能力严重匮乏,主要被动接收健康信息,缺乏主动搜索和评估能力。
2. **C2-中等素养应用但评估能力差型(31.7%)**:该组患者具备中等的信息应用能力,但在批判性评估和决策方面存在明显短板,健康决策仍依赖他人建议。
3. **C3-高素养自主决策型(20.2%)**:该组占比最小,但在所有维度上得分最高,能够独立整合并应用网络健康信息进行自我管理,具备较强的自主决策能力。
**不同剖面的人口学及心理社会特征差异**
单因素分析表明,不同剖面在年龄、性别、教育程度、医保类型、居住地、月收入、自评经济及健康状况、定期体检与锻炼习惯、家族史等方面存在显著差异。C1 组患者年龄较大、受教育程度较低、多为农村居住且社会支持和健康信念得分最低;C3 组则相反,表现为年轻化、高学历、城镇居住比例高,且拥有最强的社会支持和健康信念。
**影响数字健康素养剖面的相关因素**
多分类 Logistic 回归分析进一步揭示:年龄增长是数字健康素养降低的危险因素;而较高的教育水平、城镇居住地、更强的社会支持以及更坚定的健康信念则是进入高素养剖面(C2 或 C3)的促进因素。特别是健康信念,仅在从低素养向高素养转变的对比中显示出显著的正向预测作用,表明其可能是推动患者提升数字健康素养的关键心理动力。
**讨论与结论**
本研究证实冠心病患者数字健康素养整体偏低且存在显著异质性。年龄、教育背景和居住地等人口学因素构成了数字鸿沟的基础,而社会支持网络和健康信念则是重要的调节变量。高社会支持通过提供情感、信息和物质援助,增强了患者利用数字资源的信心和能力;坚定的健康信念则激发了患者主动获取和利用数字健康信息的内在动机。
研究结论指出,冠心病患者的数字健康素养普遍较低,并可划分为“低素养被动接受型”、“中等素养应用但评估能力差型”和“高素养自主决策型”三个潜在剖面。各剖面在人口学特征、社会支持及健康信念上存在显著差异。医疗服务提供者应重点关注占比近半的低素养群体,同时兼顾中等素养群体的能力提升。建议构建“家庭 - 同伴 - 医院”互动的社会支持系统,通过政策引导、适老化技术改造及个性化健康教育,强化患者的健康信念,从而实施精准干预,全面提升冠心病患者的数字健康素养,改善疾病预后和生活质量。