护理专业学生心理弹性异质性特征及其与灵性应对策略的关系：潜在剖面分析

本研究针对护理学生高压力现状，通过潜在剖面分析(LPA)识别出低弹性-低力量型(Profile 1)、低弹性-均衡发展型(Profile 2)、高弹性-均衡发展型(Profile 3)和高弹性-高坚韧型(Profile 4)四种心理弹性亚型，发现灵性应对策略(SCQ)使用存在显著组间差异，其中女性、农村生源和无领导经历学生更易出现低弹性特征。该研究为精准化心理干预提供了重要依据，论文发表于《BMC Nursing》。

　　

在全球护士短缺的背景下，护理专业学生承受着远超其他专业的压力水平。美国调查显示，52.3%的护理学生存在中高度压力，17.6%面临极端压力。这种压力不仅导致焦虑、职业倦怠等心理健康问题，更可能加剧护理人才流失。灵性应对策略(Spiritual Coping Strategies)作为超越物质层面的压力管理手段，在帮助护理学生寻找人生意义方面展现出独特价值。然而，现有研究多聚焦整体心理弹性水平，忽视了学生群体内部的异质性特征——相同的总分可能掩盖了坚韧性(Tenacity)、力量(Strength)和乐观性(Optimism)三个维度的显著差异，这种"一刀切"的研究范式严重制约了精准干预方案的制定。

中南大学湘雅护理学院的研究团队开展了一项横断面研究，采用便利抽样法于2024年5月对1223名护理学生进行调查。研究运用Connor-Davidson心理弹性量表(CD-RISC)和灵性应对问卷(SCQ)，通过潜在剖面分析(LPA)识别心理弹性亚型，采用Bolck-Croon-Hagenaars(BCH)方法分析灵性应对策略的组间差异，并利用三步骤辅助变量法(R3STEP)探讨人口学预测因素。所有数据均通过最大似然稳健(MLR)估计处理，采用Yuan-Bentler校正应对非正态分布。

主要技术方法包括：1) 使用标准化后的CD-RISC三维度分数进行潜在剖面建模；2) 通过BCH加权方差分析比较SCQ得分的组间差异；3) 采用R3STEP方法控制分类误差，建立人口学变量与心理弹性剖面的多分类逻辑回归模型。研究通过Harman单因子检验确认共同方法偏差(CMV)可控，所有变量VIF值均<2。

研究结果揭示：

1. 心理弹性异质性特征
   通过比较AIC、BIC、SABIC等指标，最终确定四剖面模型最优（熵值=0.85）。

   
   显示：Profile 1(5.89%)在所有维度（尤其是力量维度）得分最低；Profile 2(9.16%)呈现均衡但较低的水平；Profile 3(44.56%)各项均衡且较高；Profile 4(39.41%)在坚韧性维度表现突出但乐观性相对薄弱。

2. 灵性应对策略差异
   阳性灵性应对策略得分从Profile 1(44.49)到Profile 4(71.75)呈阶梯式增长(p<0.01)。阴性策略得分从Profile 1(19.03)到Profile 3(12.98)显著下降，但Profile 4(13.49)出现小幅回升，提示高弹性学生可能形成固定的应对模式。

3. 人口学预测因素
   女性进入Profile 1-3的几率比Profile 4高1.01-1.02倍(p<0.05)；有领导经历的学生更可能属于Profile 3(β=0.66)和Profile 4(β=0.74)；城市学生进入Profile 4的几率比Profile 1高77%(p<0.05)。年龄和独生子女状态无显著预测作用。

这项研究首次系统描绘了护理学生心理弹性的多维异质性图谱，为"因型施教"提供了科学依据。研究发现，传统变量中心分析方法可能掩盖关键差异——例如高弹性群体中仍存在乐观性短板，这解释了既往单纯提升总分效果有限的原因。实践层面提示：对Profile 1应重点加强力量维度训练，Profile 4需侧重乐观性培养；针对女性、农村生源等高风险群体应设计差异化干预方案。理论层面验证了匹配模型(Matching Model)的适用性，即心理弹性水平显著影响灵性资源的调动效率。未来研究可进一步探索文化因素对灵性应对策略的影响机制，以及弹性-应对策略的纵向演化规律。