《Nutrients》：Healthy Lifestyle Behaviors and Technostress: A Combined Lifestyle Score Analysis in 104,175 Spanish Workers
编辑推荐：
背景：技术压力（Technostress）已成为日益数字化工作场所中一个主要的职业健康问题。尽管技术压力的组织和技术决定因素已被广泛研究，但健康生活方式行为的潜在影响仍知之甚少。本研究旨在评估一个综合健康生活方式评分（HLS）与西班牙工人大规模横断面样本中技术
背景：技术压力（Technostress）已成为日益数字化工作场所中一个主要的职业健康问题。尽管技术压力的组织和技术决定因素已被广泛研究，但健康生活方式行为的潜在影响仍知之甚少。本研究旨在评估一个综合健康生活方式评分（HLS）与西班牙工人大规模横断面样本中技术压力之间的关联。方法：对2021年1月至2024年12月期间接受常规职业健康检查的104,175名工人进行了一项横断面研究。健康生活方式评分通过为规律体育活动、地中海饮食的高度依从性以及不吸烟状态各分配1分来构建，得分范围为0至3分。技术压力采用技术压力简短问卷（TCS-Short）进行评估，并分为低、中、高或非常高四个等级。研究人员使用逻辑回归模型估算按HLS分类的高到非常高技术压力的粗比值比和调整比值比（OR）及其95%置信区间（CI）。结果：在HLS各等级之间观察到技术压力水平的显著差异（p < 0.001）。HLS = 0的工人中高到非常高技术压力的患病率为50.8%，HLS = 1的工人中为50.7%，而在HLS = 2和HLS = 3的工人中分别显著下降至7.5%和7.2%。在调整性别、年龄、教育水平和社会阶层后，与HLS = 0的参与者相比，HLS = 2和HLS = 3的参与者表现出显著更低的高技术压力比值比（OR = 0.073，95% CI 0.068–0.078；OR = 0.074，95% CI 0.069–0.079）。分类分析表明，这是一种阈值样而非渐进性的关联，HLS = 2和HLS = 3的工人中高到非常高技术压力的比值比显著降低，而HLS = 1与HLS = 0相比并未显示出更低的比值比。最终模型表现出极佳的分辨能力（AUC = 0.902）。结论：在这个大型横断面职业样本中，健康生活方式特征与技术压力之间存在强关联。与HLS = 0的工人相比，HLS = 2和HLS = 3的工人表现出显著更低的高到非常高技术压力比值比，而HLS = 1并未显示出更低比值比。成分特异性分析表明，这些关联在构成评分的各行为之间存在显著差异，支持将HLS解释为一个未加权行为计数，而非各成分贡献相等的度量。
**健康生活方式行为与技术压力：一项基于104,175名西班牙工人的综合生活方式评分分析**
**研究背景与目的**
随着数字技术在工作场所的广泛渗透，技术压力（Technostress）已成为一项重要的职业健康议题。技术压力是指因技术相关需求超过个体资源、技能或应对能力而产生的压力状态，包括技术过载、技术入侵、技术复杂性、技术不安全感和技术不确定性等维度，并与职业倦怠、情绪耗竭、心理困扰、工作满意度下降及幸福感降低等不良后果相关联。尽管已有大量研究探讨了技术压力的组织和技术决定因素，但个体健康相关行为（如体育锻炼、饮食习惯、吸烟状态）对其潜在影响仍缺乏系统研究。现有证据表明，规律体育活动、地中海饮食及不吸烟对心理压力和生理健康具有保护作用，但尚未有大规模研究评估这些行为的综合效应与技术压力的关联。因此，本研究旨在通过构建一个包含体育活动、地中海饮食依从性和吸烟状态的综合健康生活方式评分（Healthy Lifestyle Score, HLS），在西班牙工人大样本中评估该评分与高技术压力水平之间的关联，为职场健康干预提供新视角。该论文发表于《Nutrients》。
**主要技术方法**
本研究采用横断面设计，数据来源于2021年1月至2024年12月期间西班牙10个自治区（安达卢西亚、巴利阿里群岛、加泰罗尼亚、马德里自治区、巴伦西亚自治区、加那利群岛、卡斯蒂利亚-拉曼查、巴斯克地区、穆尔西亚地区、卡斯蒂利亚-莱昂和纳瓦拉）的常规职业健康检查。最终纳入104,175名18至69岁在职工人。健康生活方式评分（HLS）通过为规律体育活动（国际体力活动问卷短版IPAQ-SF评估，≥600 MET-min/周为活跃）、高地中海饮食依从性（地中海饮食依从性筛查问卷MEDAS≥9分）和不吸烟状态各赋1分构建，总分0~3。技术压力采用技术压力简短问卷（TCS-Short，15条目，5点李克特量表）评估，分为低（1.0~2.0）、中（2.1~3.0）、高（3.1~4.0）、非常高（4.1~5.0）四类，高与非常高合并为结局变量。逻辑回归模型估算比值比（OR）及95%置信区间（CI），调整性别、年龄、教育水平和社会阶层。敏感性分析采用泊松回归稳健方差估计。模型区分度以受试者工作特征曲线下面积（AUC）评估。
**研究结果**
**3.1 HLS的分布**
在104,175名工人中，HLS评分为0的占16.8%，HLS=1占35.7%，HLS=2占20.7%，HLS=3占26.8%。最大比例工人为HLS=1，仅26.8%达到最高分3分，表明该职业样本中健康生活方式行为相对普遍。
**3.2 按HLS的社会人口学特征**
卡方检验显示，不同HLS组间性别、年龄、教育水平和社会阶层分布存在显著差异（均p<0.001）。健康生活方式评分更高的工人中女性比例更高（从HLS=0的30.3%增至HLS=3的44.9%），社会阶层I的比例从3.7%升至8.6%，而社会阶层III的比例从78.8%降至60.7%。
**3.3 按HLS的技术压力水平**
HLS=0的工人中仅6.2%报告低技术压力，HLS=1为8.1%，而HLS=2和HLS=3中分别有36.8%和43.8%报告低技术压力。高到非常高技术压力的患病率在HLS=0和HLS=1中分别为50.8%和50.7%，在HLS=2和HLS=3中急剧下降至7.5%和7.2%（p<0.001），呈现阈值样模式。
**3.4 HLS与高技术压力的关联**
在调整性别、年龄、教育水平和社会阶层后，与HLS=0相比，HLS=2的调整OR为0.073（95% CI 0.068–0.078），HLS=3为0.074（95% CI 0.069–0.079），均显示高技术压力风险降低超过90%。而HLS=1的调整OR为1.056（95% CI 1.011–1.102），风险略高。结果表明非线性阈值样关联：HLS=2和HLS=3风险显著降低，但HLS=1无降低。敏感性分析（泊松回归）得到调整患病率比（aPR）：HLS=1为1.014（p=0.085），HLS=2为0.211，HLS=3为0.211，支持相同模式。成分特异性分析显示，规律体育活动（调整OR=0.145）和地中海饮食高依从性（调整OR=0.438）与较低技术压力显著相关，而不吸烟状态在相互调整模型中与较高技术压力相关（调整OR=1.190）。八种行为组合分析进一步表明，HLS相同但行为组成不同时，技术压力患病率差异很大。
**3.5 模型性能**
全调整逻辑回归模型的AUC为0.902，表明模型具有极佳区分能力，能有效识别高到非常高技术压力与低到中等技术压力工人。
**讨论与结论**
本研究在104,175名西班牙工人中发现，健康生活方式评分与技术压力之间存在强关联，且呈现阈值样非线性模式：拥有两种或以上健康行为（HLS≥2）的工人，高到非常高技术压力的患病率和比值比显著低于仅拥有0或1种健康行为的工人。成分特异性分析表明，规律体育活动和地中海饮食依从性贡献更为突出，而不吸烟状态在调整其他因素后未显示保护作用，提示HLS应视为未加权行为计数而非各成分等量贡献。这一发现扩展了当前对技术压力的理解，表明除组织和技术因素外，个体生活方式特征也与工人对数字化工作环境的适应能力相关。研究局限性包括横断面设计无法推断因果关系、自我报告偏倚、未测量数字工作环境细节（如屏幕时间、远程办公安排）及潜在混杂因素。未来需开展纵向和干预研究验证生活方式改变对技术压力的因果效应。
**结论**
在这项包含104,175名西班牙工人的大型横断面研究中，研究人员观察到健康生活方式行为与技术压力降低之间存在强且一致的关联。拥有HLS=2或HLS=3的工人，其高到非常高技术压力的患病率和比值比显著低于HLS=0或HLS=1的工人；然而，成分特异性和行为组合分析表明，这些关联因构成评分的具体行为而异，其中体育活动和地中海饮食依从性比吸烟状态表现出更强的关联。分类分析揭示了一种阈值样、非线性的关联，而非渐进式的剂量-反应关系，HLS=2和HLS=3的比值比显著降低，而HLS=1则未降低。额外的成分特异性和行为组合分析显示，该模式并非源于HLS各成分的等效贡献，而是因构成评分的不同行为而异，这强调了将HLS解释为未加权行为计数的重要性。这些发现将关于技术压力的知识扩展到组织和技术因素之外，表明个体生活方式特征也与工人对日益数字化工作环境的反应相关。从实践角度看，这些关联提示体育活动、饮食质量和吸烟状态可能是与已确立的技术压力的组织和技术决定因素并列的相关生活方式因素。然而，需要干预研究来确定针对这些行为的职场健康促进计划能否改变技术压力。尽管横断面设计无法进行因果推断，但观察到的关联的强度和一致性支持生活方式相关因素在技术压力研究中的相关性。未来应开展纵向和干预研究以建立时间关系，并确定生活方式行为的变化是否伴随技术压力及对快速演变的数字工作场所适应能力的变化。
