《PLOS Digital Health》：Beyond technology usefulness: Health system reliability, and socio-demographic and professional factors as shapers of technostress in physicians
编辑推荐：
摘要：医疗数字化可能改善护理，但也可能通过技术压力（technostress）损害临床医生的福祉。研究人员在西班牙加泰罗尼亚对医生进行了一项横断面在线调查（2024年3月至4月；n=423），使用技术压力创造量表（Technostress Creators S
摘要：医疗数字化可能改善护理，但也可能通过技术压力（technostress）损害临床医生的福祉。研究人员在西班牙加泰罗尼亚对医生进行了一项横断面在线调查（2024年3月至4月；n=423），使用技术压力创造量表（Technostress Creators Scale, TCS）量化总体技术压力（TS）和五个技术压力源（techno-stressors）（超载、入侵、复杂性、不安全感和不确定性）。采用带自助标准误的分层回归（Hierarchical regression with bootstrapped standard errors）评估人口统计学、数字体验与使用以及背景因素的增量贡献。总体技术压力处于中等水平（2.91±0.59/5）；技术超载（techno-overload, TO）（3.37±0.82）和技术不确定性（techno-uncertainty, TU）（3.29±0.74）得分最高，而技术不安全感（techno-insecurity, TIN）最低（2.15±0.74）。在所有模型中，更大的专业经验以及性别（女性）、医院护理和非大都市区域位置之间的交互作用（interaction）是显著的预测因素。在技术更普遍应用于医疗保健、患者也能访问并被迫使用技术、以及技术问题频繁出现的任务中，也检测到了更高的技术压力概率。最后，识别出与专业人员数字成熟度以及更好的数字工具可访问性和可用性相关的调节变量（moderators）。鉴于非概率便利样本（non-probabilistic convenience sample）和横断面设计（cross-sectional design）无法支持关于人群代表性、回复率估计或因果推断的论断，这些发现应被解释为探索性关联（exploratory associations）。尽管如此，结果提示，促进医生的数字福祉需要关注与更高技术压力相关的社会人口学、专业和技术因素。
**论文解读：超越技术有用性——健康系统可靠性、社会人口学与专业因素对医生技术压力的塑造作用**
**研究背景与问题**
医疗系统的数字化转型是医学史上最深刻的变革之一，它重塑了护理组织、临床决策和专业角色。然而，这一由健康数据大规模管理、移动应用广泛使用和人工智能（Artificial Intelligence, AI）集成驱动的加速转型，也揭示了一个亟待关注的现实：数字脆弱性。个体因数字鸿沟（digital divide）而可能变得更加脆弱，这种现象既影响患者（通过所谓的健康数字决定因素），也影响医疗专业人员。在专业人员中，尽管机构努力促进数字能力，技术压力（technostress, TS）这一概念已日益突出。TS最初被定义为“一种因无法以健康方式应对新计算机技术而引起的现代适应性疾病”，其概念化已演变为与应对信息通信技术（Information and Communication Technology, ICT）的身体、社会及认知需求相关的适应问题。在医疗保健领域，TS与工作满意度下降、效率降低，以及重要的职业倦怠（burnout）发展相关。现有实证研究表明，约40%的医疗从业者可能经历中高水平的TS。此外，TS还与焦虑、抑郁、精神疲劳和工作绩效下降等不良心理结果相关。尽管关于TS直接导致患者安全事件的证据有限，但远程医疗文献已提出，次优的数字交互可能损害护理质量和安全性。
先前研究表明，TS程度因性别、数字素养、工作年限和专业类别而异。然而，关于与TS相关的社会人口学和组织因素，证据仍不一致，凸显了进行更细致分析的必要性。鉴于TS对劳动力福祉、生产力及卫生系统可持续性的潜在影响，开发能够识别易感专业人群的预测模型至关重要。因此，本研究旨在描述医生中TS及其维度的水平，并识别和预测与总体TS及其每个维度相关的因素，以更好地理解医疗数字化转型中脆弱性和适应性的差异模式。
**研究内容与结论**
本研究采用探索性和解释性方法，在西班牙加泰罗尼亚的医生中进行了一项横断面在线调查，采用技术压力创造量表（Technostress Creators Scale, TCS）量化TS。研究发现，总体TS水平为中等（2.91±0.59/5），其中技术超载（techno-overload, TO）（3.37±0.82）和技术不确定性（techno-uncertainty, TU）（3.29±0.74）得分最高，技术不安全感（techno-insecurity, TIN）（2.15±0.74）最低。研究识别出年龄、性别与工作环境及地理位置的交互作用等关键预测因素，并发现技术使用模式、患者需求和技术问题对TS的影响。研究结论表明，促进医生的数字福祉需要关注与更高TS相关的社会人口学、专业和技术因素。该论文发表在《PLOS Digital Health》。
**主要关键技术方法**
本研究采用横断面在线调查设计，通过专业渠道（包括地区医学会和社交媒体平台）在西班牙加泰罗尼亚招募了423名医生（便利样本，convenience sample）。主要方法包括：1）使用经西班牙语验证的技术压力创造量表（TCS）评估总体TS及五个技术压力源维度；2）采用带自助标准误的分层回归（Hierarchical regression with bootstrapped standard errors）评估人口统计学、数字体验与使用以及背景因素的增量贡献；3）为应对因变量潜在的天花板/地板效应，研究人员同时报告了普通最小二乘回归（Ordinary Least Squares, OLS）、双重截断Tobit回归（doubly censored Tobit regression）以及OLS-Tobit平均边际效应（Average Marginal Effects, AME）三种互补估计量，以验证结果的稳健性。
**研究结果**
**样本特征**
研究样本包括423名医生，大多数为女性（63.1%），年龄超过40岁（80.8%），平均年龄51.3岁，专业经验丰富（82.3%工作经验超过10年）。54.4%在医院工作，31.0%在初级保健机构。总体TS均分为2.91±0.59。技术超载（TO）和技术不确定性（TU）得分最高，技术不安全感（TIN）最低。
**医生特征、数字技术、背景因素与技术压力之间的关联**
通过斯皮尔曼等级相关系数（Spearman’s rank correlation coefficient, ρ）分析，发现年龄与TS及多个维度（尤其是技术复杂性（techno-complexity, TC）、TIN和TU）呈最强正相关。工作年限也呈类似正相关。数字技术（Digital Technology, DT）的具体使用方式与TS存在孤立或中度关联，例如预约和转诊管理与TO正相关。技术使用的意图和感知有用性、远程医疗经验以及社交媒体使用与较低TS呈负相关。背景因素中，应用程序的可访问性与较低TS相关，而患者对数字交互的需求和技术问题则与较高TS相关。
**总体技术压力的相关因素**
最终模型使用十个预测因素，分为三个模块（社会人口学背景、患者交互技术使用、技术参与类型），解释了21.0%的总体TS方差（调整R2=0.193）。OLS、Tobit和AME三种估计量结果数值上难以区分，证明OLS结果稳健。关键发现包括：
- **年龄**：最强的社会人口学预测因素（b=+0.012, p<0.001），每增加一岁，TS增加约0.012分。
- **性别与环境的交互作用**：在非大都市医院环境工作的女性医生TS更高（Women×Hospital: b=+0.146, p=0.015），而在大都市区域工作的女性医生TS更低（Women×Metropolitan: b=-0.144, p=0.011），表明性别影响具有高度情境性。
- **患者交互中ICT使用量**：与TS正相关（b=+0.033, p=0.018），表明临床数字交互的广度是结构性驱动因素。
- **技术参与类型**：三个保护因素——远程医疗经验（b=-0.086, p=0.008）、感知易用性（b=-0.150, p<0.001）和公民访问便利性（b=-0.101, p=0.003）；两个风险因素——患者数字交互需求（b=+0.096, p=0.007）和技术问题（b=+0.108, p=0.017）。感知易用性是标准化系数中最具影响力的预测因素（β=-0.206）。
**技术压力源因素**
对五个技术压力源（TO、TI、TC、TIN、TU）的模型分析显示，其解释力（调整R2）存在梯度：技术复杂性（TC）最高（0.266），技术入侵（techno-invasion, TI）最低（0.046）。三个模式贯穿所有维度：1）数字参与类型是主导预测因素，感知易用性在除TIN外的四个维度中均显著；2）年龄是TC、TIN和TU的显著决定因素，与TC关联最强；3）性别×环境交互作用呈现一致的领土结构，在非大都市医院环境中对TIN和TU为正且显著，在大都市区域中对TC、TIN和TU为负且显著。每个技术压力源也存在独特模式，例如TO主要由工具驱动和数字使用量驱动，TIN则主要受人口学和背景变量驱动。
**讨论与结论**
**讨论部分总结**
本研究通过三个分析贡献推进了实证文献：1）通过三角互证三种估计量，证实了在低删失率下OLS的稳健性；2）将用户类型解构为具体项目，揭示了感知易用性、远程医疗经验和患者需求通过部分不同机制发挥作用；3）记录了性别对TS的影响是情境性的（由环境和地点调节）。结果中，年龄的强解释力表明，潜在的机制是代际数字技能，而非对特定工具接触的减少。年龄关联在不同控制下依然稳健，提示TS不仅是用户层面的现象，也是嵌入在劳动力人口统计和职业轨迹中的系统性问题。性别交叉视角的显现表明，ICT的使用会根据性别、专业领域和工作地点产生不同的TS水平。女性医院医生更高的TS路径与电子健康记录（Electronic Health Record, EHR）相关工作量的性别模式一致，而大都市区域对女性医生的保护性关联则与城乡数字基础设施梯度一致。数字技术使用方面，研究结果提示存在数量效应，但条件是技术参与的定性模式，TS并非源于数字交互的数量本身，而是源于某些任务的认知负荷本质。研究识别出五个影响TS的要素：三个保护因素（远程医疗经验、感知易用性、公民访问便利性）和两个风险因素（患者数字交互需求、技术问题）。这些发现强调了组织吸纳患者数字需求的重要性，以及区分内在可用性和操作可靠性的必要性。从卫生政策角度，研究支持聚焦于投资数字工具可用性、结构化远程医疗培训、针对较年长医生的再技能培训计划，以及识别并优先支持非大都市医院环境中的女性医生等特定结构领域的干预议程。
**研究结论（翻译）**
总之，研究人员的发现揭示，医生的技术压力是由社会人口学、专业和技术因素的复杂相互作用所塑造的。技术压力更可能出现在特定的专业群体和任务中：年长的医生、在医院工作的女性医生以及非大都市区域的医生，这些场景中技术在患者护理中更为普遍，患者也能访问并施加技术使用压力，且技术问题频繁发生。然而，研究也识别出三个调节技术压力的因素：医生在电子健康（eHealth）和远程医疗应用方面的经验、数字工具更高的可用性以及改善的公共访问能力。以综合方式应对这些交叉领域，对于促进医生的数字福祉和确保卫生系统可持续的数字化转型至关重要。
