中国护生短视频成瘾风险预测模型的构建与验证：基于六维影响因素列线图分析

为解决中国护理专业学生短视频成瘾(SVA)高发问题，锦州医科大学团队开展横断面研究，通过LASSO回归筛选出学业压力、社交焦虑等6个关键预测因子，构建AUC达0.839的列线图模型。该研究为早期识别高风险人群提供可视化工具，对制定针对性干预策略具有重要意义。

　　

在短视频平台席卷中国的当下，一个令人担忧的现象正在护理学生群体中蔓延——约31.3%的护生存在短视频成瘾(SVA)问题，这一比例显著高于普通大学生群体。这种新型网络成瘾行为不仅可能导致学业拖延、学习动机下降，更令人担忧的是，作为未来医疗体系的中坚力量，护生的专业素养培养可能因此受到严重影响。特别是在临床实习阶段，过度沉迷短视频可能分散注意力，增加医疗差错风险。与此同时，SVA与情绪障碍的恶性循环，更可能削弱护生本应具备的情绪调节能力——这项护理职业的核心素养。面对这一严峻现状，亟需建立科学的风险预测体系，为早期干预提供依据。

锦州医科大学的研究团队开展了一项创新性研究，通过两阶段横断面调查，首次构建了针对中国护生的SVA风险预测模型。研究团队在2024年7月(T1)和2025年2月(T2)分别从锦州和广州两地招募了913名护生作为研究对象，采用问卷星平台收集数据。研究运用了包括短视频成瘾量表(SVAS)、抑郁焦虑压力量表(DASS-21)、匹兹堡睡眠质量指数(PSQI)和社交互动焦虑量表(SIAS)等标准化测评工具，通过LASSO回归筛选变量并建立逻辑回归模型，最终构建出可视化列线图。所有分析均使用SPSS 26.0和R 4.3.2软件完成，模型性能通过受试者工作特征曲线下面积(AUC)、校准曲线和决策曲线分析(DCA)进行系统评估。

研究结果部分揭示了多项重要发现。在变量筛选与模型构建方面，通过单因素分析和LASSO回归，从22个候选预测因子中最终确定了6个独立预测因子：学业压力(OR=3.755，极高压力组)、社交互动焦虑(OR=2.595)、睡眠障碍(OR=3.642)、抑郁症状(OR=2.098)、焦虑症状(OR=2.802)以及单亲家庭背景(OR=2.407)。值得注意的是，学业压力表现出明显的剂量反应关系，极高压力组的风险是平均压力组的3.755倍。模型性能评估显示，该列线图在训练组、内部验证组和外部验证组的AUC分别为0.809、0.831和0.839，校准曲线紧贴理想曲线，DCA分析证实了其良好的临床实用性。亚组分析进一步验证了模型在男女护生中均保持稳定性能，男性组的AUC甚至达到0.870。

在讨论部分，研究者深入剖析了SVA在护生群体中的特殊性。与普通大学生21.6%的SVA率相比，护生群体31.3%的高患病率可能与女性占比高(78.0%)导致的认知风格差异有关——女性更易对负面信息产生注意偏向。研究提出的I-PACE模型与补偿性网络使用理论(CIU)框架，很好地解释了情绪障碍与SVA的恶性循环机制：高心理压力的个体倾向于通过虚拟平台逃避现实困境，却陷入更深的成瘾泥潭。睡眠障碍作为新型预测因子的加入，拓展了对SVA病因学的认识，而单亲家庭因素的识别则为家庭环境干预提供了新靶点。

这项研究的创新价值主要体现在三个方面：首次针对护生群体开发SVA预测工具；整合心理、社会、家庭多维因素构建综合预测模型；创造性地将临床常用的列线图方法应用于行为成瘾研究。所构建的模型具有操作简便、指标易获取的特点，高校辅导员仅需通过简单问卷收集6项指标，即可快速识别高风险个体。从实践意义来看，研究结果为护理院校开展分级干预提供了科学依据——对单亲家庭护生应加强心理支持，对高学业压力群体需优化教学安排，而对存在睡眠问题的学生则可结合认知行为疗法进行早期干预。

当然，研究也存在一些局限性，如横断面设计难以确定因果关系，方便抽样可能影响样本代表性等。未来研究可通过纳入人格特质等更多变量，采用纵向设计进一步验证模型的预测效能。尽管如此，这项发表在《BMC Nursing》的研究无疑为应对护生短视频成瘾这一新兴公共卫生问题，提供了重要的科学工具和干预思路。