电子健康素养的潜在剖面分析及其社会人口学相关因素:一项横断面研究

《Frontiers in Public Health》:Latent profile analysis of eHealth literacy and its sociodemographic correlates: a cross-sectional study

【字体: 大 中 小 】 时间:2026年07月27日 来源:Frontiers in Public Health 4.1

编辑推荐:

  目的:本研究采用潜在剖面分析(LPA)对中国可获取数字健康信息的成年人进行分类,识别出不同的电子健康素养(eHealth literacy)亚组,并描绘其多维能力特征。研究人员进一步探讨了亚组归属的横断面社会人口学和健康相关因素,生成描述性数据,为未来分层数字

  
目的:本研究采用潜在剖面分析(LPA)对中国可获取数字健康信息的成年人进行分类,识别出不同的电子健康素养(eHealth literacy)亚组,并描绘其多维能力特征。研究人员进一步探讨了亚组归属的横断面社会人口学和健康相关因素,生成描述性数据,为未来分层数字健康推广研究提供初步参考。方法:于2023年6月至7月对中国居民进行了一项横断面在线调查。采用广泛使用的中国电子健康素养量表(eHEALS),通过1–5 Likert条目测量数字健康素养的三个维度。使用AIC、BIC、熵值(entropy)和BLRT确定最佳潜在类别数量。采用经LPA后验概率加权的多项逻辑回归分析,探索相关因素。LPA在R 4.2.1中执行,回归分析在Stata 17.0中完成。结果:共收集1,391份有效问卷进行分析。五类模型被选为最优模型,识别出五个电子健康素养潜在剖面:低电子健康素养(11.29%)、中低平衡电子健康素养(18.26%)、中高平衡电子健康素养(30.91%)、高平衡电子健康素养(29.69%)和应用偏好中高电子健康素养(9.85%)。回归结果显示亚组特异性相关模式。较高的教育程度与应用偏好中高电子健康素养剖面的成员归属呈正相关(OR范围:3.774–4.552,所有p?**论文解读文章**

**研究背景与问题**
随着数字健康时代的到来,互联网和移动技术成为公众获取健康信息、管理健康状况和做出健康决策的核心渠道。电子健康素养(eHealth literacy)指个体从电子资源中查找、理解、评估和应用健康信息以解决健康问题的能力。较高的电子健康素养水平与更好的健康自我管理、积极参与医疗决策及良好的心理状态和生活质量相关。然而,现有研究大多将电子健康素养视为同质性构念,通过总分或维度均值进行分析,忽略了个体间可能存在的异质性,例如不同维度(信息应用、批判性评价、健康决策)发展不均衡的情况。潜在剖面分析(LPA)是一种以人为中心的统计方法,能够基于多个可观测变量识别异质性群体中的同质子群(剖面),适用于探索电子健康素养的潜在异质性。尽管LPA在心理健康、智能手机使用行为、数字素养等领域已有广泛应用,但在电子健康素养研究中应用不足,特别是对电子健康素养剖面及其社会人口学和健康相关因素的识别。因此,该研究旨在通过LPA识别电子健康素养的潜在剖面,并探讨人口学、社会经济和健康相关变量与剖面归属的关联,为制定分层数字健康促进策略和推进健康公平提供观察性实证证据。该论文发表在《Frontiers in Public Health》。

**研究方法与关键技术**
研究人员采用横断面在线调查设计,于2023年6月至7月通过问卷星平台对中国居民进行便利抽样和滚雪球抽样,最终纳入1,391名可访问数字健康信息的成年人(年龄≥18岁)。主要关键技术方法包括:(1)潜在剖面分析(LPA),基于中国电子健康素养量表(eHEALS)的三个理论维度(应用能力、批判性评价能力、决策能力)构建潜在剖面,通过AIC、BIC、熵值、BLRT及实质解释性确定最优类别数,并使用三个独立随机种子验证稳定性;(2)后验概率加权多项逻辑回归,以减轻LPA分类不确定性,分析社会人口学(性别、年龄、教育程度、就业状态、居住地)和健康相关变量(慢性病状况、商业医疗保险、家庭年收入)与剖面归属的关联,以低电子健康素养剖面为参照组;(3)敏感性分析,包括条目级LPA、排除决策维度后的LPA、替换参照组、排除就业变量及剔除退休参与者等,以检验结果稳健性。所有分析在R 4.2.1和Stata 17.0中完成,样本来源为中国在线社区人群。

**研究结果**
**3.1 参与者特征**:共1,391名有效参与者,平均年龄(37.9±13.0)岁,女性占68.0%,城市居民占56.2%,大专及以上学历占65.6%,在业占77.0%,有慢性病者占17.0%。
**3.2 电子健康素养的潜在剖面**:通过LPA识别出五个最优剖面:低电子健康素养(11.29%,三个维度得分均最低)、中低平衡电子健康素养(18.26%,所有维度中低水平)、中高平衡电子健康素养(30.91%,三个维度均匀中高水平)、高平衡电子健康素养(29.69%,接近满分)、应用偏好中高电子健康素养(9.85%,应用和评价得分高但决策得分固定为3.00)。五类模型具有最低AIC(7642.00)和BIC(7757.49)、最高熵值(0.952)及显著BLRT(p<0.001),但低电子健康素养剖面对角后验概率为0.538,低于常规0.70阈值。
**3.3 电子健康素养潜在剖面的社会人口学相关因素**:加权多项逻辑回归结果显示,教育程度(初中、高中、大专及以上)与应用偏好中高剖面(Class 5)归属呈正相关(OR范围3.774–4.552,所有p<0.01);年龄增长与高平衡剖面(Class 2,OR=0.977,p=0.026)、中高平衡剖面(Class 3,OR=0.952,p<0.001)和应用偏好中高剖面(Class 5,OR=0.936,p<0.001)呈负相关;非就业状态与中高平衡剖面(Class 3,OR=0.535,p=0.007)呈负相关;慢性病(OR=3.408,p<0.001)和商业医疗保险(OR=2.060,p=0.010)与应用偏好中高剖面呈正相关;城市居住与应用偏好中高剖面呈负相关(OR=0.579,p=0.044);家庭年收入低于150,000 CNY与应用偏好中高剖面归属几率增加相关(OR范围3.090–4.995,p<0.05),而高收入组(≥200,000 CNY)无显著关联;性别无显著相关。
**3.4 补充分析**:单变量年龄模型显示年龄与应用偏好中高剖面无显著相关(OR=1.003,p=0.750),但全调整模型显示负相关,提示统计抑制效应。敏感性分析(年龄分组、排除就业变量、剔除退休参与者)结果一致,支持主要发现的稳健性。

**讨论与结论**
讨论部分指出,五个电子健康素养剖面揭示了明显的个体内异质性,其中低电子健康素养和中低平衡剖面合计占近30%,表明基础数字健康技能培训的必要性。高平衡剖面(29.69%)存在天花板效应和自报告偏差。应用偏好中高剖面(9.85%)呈现不均衡能力模式,提示需加强决策能力训练。社会人口学相关因素分析显示,教育程度、年龄、就业状态、慢性病、商业保险、收入和居住地均与特定剖面相关,但性别无显著关联。城市居民在高素养剖面中归属几率较低,可能与信息碎片化有关。研究优势在于采用以人为中心的LPA和加权回归减少分类不确定性,但存在局限性:在线便利抽样导致选择偏倚(女性居多、排除无数字接入人群)、自报告测量和天花板效应、横断面设计无法推断因果、三维度测量结构未经验证(批判性评价仅2条目、决策仅1条目)、参照剖面分类不确定性低(对角后验概率0.538)等。未来研究需采用混合模式抽样、纵向设计、多维度量表验证及定性方法深入探索。
**结论**:该研究揭示了可获取数字健康服务的中国成年人中电子健康素养的显著个体异质性。LPA识别出五个可解释的电子健康素养亚组:低电子健康素养(11.29%)、中低平衡电子健康素养(18.26%)、中高平衡电子健康素养(30.91%)、高平衡电子健康素养(29.69%)和应用偏好中高电子健康素养(9.85%)。通过后验概率加权多项逻辑回归,研究人员探索了亚组归属的横断面相关因素。年龄、教育程度、就业状态、家庭收入、慢性病状况、商业医疗保险和城市居住与不同电子健康素养剖面呈差异化关联。较高的教育程度与应用偏好中高剖面归属几率增加相关(OR范围:3.774–4.552),而年龄增长与高平衡(Class 2,OR=0.977)、中高平衡(Class 3,OR=0.952)和应用偏好中高(Class 5,OR=0.936)剖面呈负相关。非就业状态与中高平衡剖面呈负相关(Class 3,OR=0.535)。患有慢性病(OR=3.408)或拥有商业保险(OR=2.060)的参与者更可能落入应用偏好中高剖面。家庭收入表现出剖面特异性相关模式:较低家庭收入仅与属于应用偏好中高亚组(相对于低电子健康素养参照组)的几率增加相关(OR范围:3.090–4.995)。这些横断面观察结果为描述数字健康能力有限的脆弱群体提供了经验数据,但所有干预建议应视为未来前瞻性研究的假设生成方向。由于低电子健康素养参照组(Class 1)对角后验概率低于常规0.70阈值,报告的优势比需结合分类不确定性进行解读。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号