人工智能态度与护理核心能力的关联研究：创造性自我效能与临床推理能力的中介作用

本研究针对AI技术融入医疗背景下护士核心能力提升需求，探讨了AI相关态度(Al-Attitude)与创造性自我效能(CSE)、临床推理能力(CRCS)的关联机制。埃及研究团队通过横断面调查发现，积极的AI态度可分别解释37.4%和56.5%的CSE与CRCS变异，证实教育程度和工作经验是关键调节因素，为护理AI培训体系构建提供了实证依据。

　　

随着人工智能(AI)技术在全球医疗领域的快速渗透，护理实践正面临前所未有的变革。临床决策支持系统(CDSS)、预测分析工具等AI应用虽能提升诊疗效率，却也对护士的核心能力提出新要求。在埃及这样的发展中国家，高护患比、资源短缺等问题使AI技术更具吸引力，但护士们是否准备好拥抱这场技术革命？他们的AI态度如何影响关键的临床推理能力(Clinical Reasoning Competency)和创造性自我效能(Creative Self-Efficacy)？这些问题直接关系到AI技术在护理实践中的落地效果。

为解答这些关键问题，亚历山大大学护理学院的研究团队开展了一项开创性研究。通过调查380名重症监护护士，他们发现AI态度与两项核心能力存在显著正相关，其中教育背景和工作经验起到重要调节作用。这项发表在《BMC Nursing》的研究，为发展中国家护理AI教育提供了重要路线图。

研究采用横断面设计，在埃及最大的教学医院（6760张床位）选取23个重症监护单元的护士为样本。使用经过阿拉伯语验证的三个量表：AI态度量表(GAAIS)、创造性自我效能量表(CSE)和临床推理能力量表(CRCS)，通过线性回归和方差分析等统计方法，系统考察了变量间的关联机制。

研究结果呈现多重发现：

1. 描述性分析显示63.2%护士对AI持积极态度，但创造性自我效能的中等水平占比达60.3%，反映创新信心有待提升；
2. 相关性分析揭示AI态度与CSE(r=0.559)、CRCS(r=0.728)均呈强正相关，p值均<0.001；
3. 回归模型证实AI态度可解释CSE变异的37.4%(R²=0.374)和CRCS变异的56.5%(R²=0.565)；
4. 人口学分析发现专业学历(Bachelor护士)和10-15年经验者各项得分最高，培训经历也使AI态度提升7.76分(p=0.006)。

讨论部分深入阐释了三个理论框架的实践意义：Bandura社会认知理论解释了AI态度如何通过自我效能影响行为；双过程理论(Dual Process Theory)揭示了AI对直觉型(System 1)和分析型(System 2)临床思维的辅助作用；认知负荷理论(Cognitive Load Theory)则说明AI如何通过减轻常规任务负担，释放护士的创新认知资源。研究特别指出，埃及护士对AI的工具性认知（提升效率）强于替代性焦虑（职业威胁），这种独特心态为技术推广创造了有利条件。

该研究的实践价值体现在三方面：教育层面建议将AI能力纳入护理本科必修课；管理层面强调要建立"试错包容"的AI应用文化；政策层面呼吁制定AI伦理使用指南。局限性在于横断面设计难以推断因果关系，未来需开展干预实验验证培训效果。总体而言，这项研究为医疗AI的"人机协同"模式提供了重要理论支撑，特别是在资源受限地区探索技术赋能护理专业发展的可行路径。