综述：数字健康干预在减少护士职业倦怠中的应用：一项系统综述与荟萃分析

《Frontiers in Public Health》：Digital health interventions for reducing occupational burnout in nurses: a systematic review and meta-analysis

　　

目的：系统评价并荟萃分析数字健康干预在减少护士及护理人员职业倦怠方面相较于常规护理、等待名单对照或非数字干预的有效性。方法：研究人员遵循PRISMA 2020指南，检索了2015年1月至2025年3月期间六个电子数据库中的随机对照试验和准实验研究。使用Cochrane RoB 2和JBI清单评估偏倚风险。采用DerSimonian–Laird方法进行随机效应荟萃分析，并进行预设的亚组分析、敏感性分析、发表偏倚评估以及GRADE确定性评估。结果：共纳入37项研究，涉及14个国家的约8450名护士及护理人员，其中28项提供了定量合成数据。汇总的标准化均数差表明倦怠有统计学显著的中度减少（SMD = ?0.47；95% CI：?0.65至?0.29；p < 0.001；I² = 72%）。基于网络的认知行为疗法和接纳与承诺疗法项目显示出最大的汇总效应（k = 10；SMD = ?0.72；95% CI：?1.05至?0.39），其次是人工智能定制的移动干预（k = 3；SMD = ?0.61；95% CI：?0.93至?0.29；I² = 41%）。情感衰竭是最敏感的倦怠维度（SMD = ?0.53），而个人成就感的改善最弱（SMD = +0.24）。引导式干预比自主引导项目产生更大的效应（p = 0.04），且持续时间更长的干预比短期项目显示出更大的汇总效应。结论：数字健康干预，特别是结构化和引导式的网络CBT/ACT项目，与护士及护理人员职业倦怠的中度减少相关。人工智能定制干预的早期证据前景广阔，但需要独立重复验证。研究结果支持将基于证据的数字健康干预整合到更广泛的劳动力健康战略中，该战略将个体支持与针对倦怠结构性决定因素的组织行动相结合。系统综述注册：https://www.crd.york.ac.uk/PROSPERO/，标识符CRD420261365184。

1 引言
1.1 护士倦怠的全球负担
职业倦怠通常以情感衰竭、去人格化和个人成就感降低为特征，仍然是全球护理队伍面临的主要公共卫生问题。估计有31%的护士经历高水平的情感衰竭，18%表现出去人格化，19%报告个人成就感下降。新冠肺炎大流行进一步加剧了这一负担，34.1%的护士在大流行期间经历了情感衰竭，重症监护和急诊科护士面临的压力尤为严重。护士倦怠的后果不仅限于个人健康，还与患者死亡率增加、患者安全氛围恶化、不良事件增加、离职意向增高以及医疗系统的巨额经济损失相关。

1.2 传统干预措施的局限性
传统缓解护士倦怠的干预措施多聚焦于个体层面，较少涉及组织决定因素。传统的面对面项目，包括基于正念的减压、CBT和复原力训练，在护理环境中面临实施障碍。轮班工作使固定时间参会困难，指导者成本限制了可扩展性，且农村或资源有限地区的护士获取面对面支持的机会有限。此外，寻求心理帮助的污名化也会降低参与度。

1.3 作为可扩展支持方法的数字健康干预
数字健康干预通过移动应用、网络平台、虚拟现实、可穿戴设备和人工智能工具提供，有助于解决传统项目的访问障碍。它们可为轮班护士提供灵活访问，允许按需参与，通过更私密的参与降低污名化，并降低分散医疗系统中的边际交付成本。现有证据表明，数字心理健康干预在员工抑郁、焦虑和压力方面具有显著效果。

1.4 证据空白
尽管关于数字心理健康干预的文献日益增多，但专门针对护士倦怠的证据仍然分散。现有综述通常将护士与其他医务人员合并分析，或仅检查单一数字模态。由于护理工作涉及独特的轮班模式、情感劳动、患者病情严重程度、道德困境和职业责任，这些条件可能影响倦怠风险和数字工具的参与度，因此需要针对护士特定的综合评估。

1.5 研究问题和目的
本研究旨在系统评价数字健康干预与常规护理、等待名单对照、无干预或非数字干预相比，在减少护士和护理人员职业倦怠方面的有效性。使用PICO框架，研究人员评估了通过数字平台交付的干预措施对经validated工具测量的职业倦怠的影响。次要目的包括比较不同数字健康干预模态的有效性，检查倦怠维度的差异效应，评估交付模式和干预持续时间对效应的修饰作用，并使用GRADE框架评估证据确定性。

2 材料与方法
2.1 方案与注册
本系统综述和荟萃分析根据PRISMA 2020指南进行，并在PROSPERO注册。

2.2 纳入标准
纳人标准基于PICO框架。研究对象为临床环境中的注册护士、执业护士和护理助理等。干预措施为通过数字平台交付的数字健康干预，包括移动应用、基于网络的程序、虚拟现实、可穿戴设备或人工智能工具。对照为常规护理、等待名单、无干预或传统面对面干预。结果为使用validated多维工具测量的职业倦怠。研究设计包括随机对照试验、整群随机试验和准实验研究。排除了仅招募护理学生、仅电话咨询、无倦怠特定测量或缺乏对照组的研究。

2.3 信息来源与检索策略
研究人员检索了六个电子数据库，时间从2015年1月至2025年3月。检索策略结合了数字健康、倦怠和护理相关的概念块。通过向后和向前引文追踪及手动检索补充。

2.4 研究选择
使用自动化检测和手动验证去重后，两名审阅者独立筛选标题和摘要，随后进行全文评估。分歧通过讨论或第三方解决，并使用Cohen's kappa评估评估者间可靠性。

2.5 数据提取
两名审阅者独立提取研究特征、参与者特征、干预特征、对照细节、结果数据和参与度指标。干预后即刻评估被用作主要终点。当研究报告中位数和四分位距时，使用公式转换为均值和标准差。

2.6 偏倚风险评分
对于随机对照试验，使用修订后的Cochrane RoB 2工具评估五个领域的偏倚风险。对于准实验研究，使用JBI批判性评价清单。两名审阅者独立评估，分歧通过协商解决。

2.7 数据合成与统计分析
所有研究均按数字健康干预模态进行叙述性合成。当至少三项研究报告可比模态和结果时进行荟萃分析。主要效应指标为使用Hedges' g的标准化均数差。使用DerSimonian–Laird方法估计随机效应模型。使用Cochran's Q检验和I²统计量评估异质性。进行了预设的亚组分析、敏感性分析、发表偏倚评估和GRADE确定性评估。

3 结果
3.1 研究选择
系统检索获得记录，去重后进行筛选，最终37项研究纳入定性合成，其中28项提供足够数据用于荟萃分析。排除的主要原因包括非数字干预、无倦怠特定结果、仅招募学生、缺乏对照组等。

3.2 纳入研究特征
37项研究发表于2016至2025年间，覆盖14个国家。研究设计包括个体随机对照试验、整群随机试验和准实验研究。样本量从20到2182不等，累计约8450名参与者。大多数研究来自高收入国家。

3.3 数字健康干预类型
纳人研究覆盖五种模态。基于移动应用的干预占比最高，多为正念应用或CBT框架。基于网络的干预包含结构化心理教育模块。虚拟现实干预使用沉浸式环境。人工智能驱动和基于聊天机器人的干预使用算法定制内容。多组分干预结合数字平台和其他组件。

3.4 偏倚风险评分
在随机试验中，部分研究存在偏倚风险。随机过程领域的低风险比例较高。由于行为数字干预难以盲法，偏离预期干预领域的风险较高。缺失结果数据大多为低风险。由于依赖自我报告，结果测量领域风险较高。

3.5 荟萃分析结果
3.5.1 DHIs对倦怠的总体效应
28项研究的汇总标准化均数差表明，数字健康干预使倦怠有统计学显著的中度减少（SMD = ?0.47；95% CI：?0.65至?0.29；p < 0.001；I² = 72%）。

3.5.2 按DHI模态的亚组分析
基于网络的CBT/ACT项目显示出最大的汇总效应（SMD = ?0.72；95% CI：?1.05至?0.39；I² = 68%）。人工智能定制移动干预显示出有前景的早期效应（SMD = ?0.61；95% CI：?0.93至?0.29；I² = 41%）。虚拟现实干预产生中度效应。基于应用的正念项目产生较小但显著的效应（SMD = ?0.31；95% CI：?0.48至?0.14；I² = 58%）。

3.5.3 按倦怠维度的亚组分析
情感衰竭减少幅度最大（SMD = ?0.53；95% CI：?0.74至?0.32；I² = 69%）。去人格化呈小幅至中度减少（SMD = ?0.38；95% CI：?0.56至?0.20；I² = 54%）。个人成就感有轻微改善（SMD = +0.24；95% CI：+0.05至+0.43；I² = 61%）。

3.5.4 按持续时间和递送模式的亚组分析
干预持续时间超过8周产生最大效应，其次为4至8周，小于4周效应最小。引导式干预比自主引导项目产生更大效应，差异具有统计学意义（p = 0.04）。

3.5.5 敏感性分析
留一法分析支持主要发现的稳健性。限制于低偏倚风险研究或仅随机试验时，汇总效应保持显著。使用REML估计也产生相似结果。

3.5.6 发表偏倚
漏斗图检查提示轻微不对称，Egger回归检验未达显著水平。剪补法估算调整后SMD为?0.41，总体效应仍具统计学意义。

3.6 证据确定性
总体倦怠和情感衰竭的证据确定性为中等，去人格化为中等，个人成就感因不一致和不精确降级为低。

4 讨论
4.1 主要发现
研究提供了数字健康干预对护士倦怠有效性的综合分析。首先，效应因干预模态而异，基于网络的CBT/ACT项目效应最大，人工智能定制移动干预显示出前景，而基于应用的正念项目效应较小。其次，引导式干预效应优于自主引导项目。第三，倦怠维度响应不同，情感衰竭响应最强，个人成就感改善最弱。

4.2 与既往文献比较
观察到的总体效应量与传统面对面倦怠干预相当或略小。较小效应可能反映某些数字格式治疗强度较低。基于CBT/ACT程序的更强效应与更广泛的数字心理治疗文献一致，这些程序具有结构化和理论支撑。从公共卫生角度看，能覆盖大量护士的中度有效干预具有实用价值。

4.3 压力与倦怠减少之间的分离
最大的正念应用试验降低了压力但未显著减少倦怠，这表明简短的去语境化正念练习可能缓解急性痛苦，但未能完全解决职业倦怠的更广泛结构。商业正念应用通常针对普通人群压力管理，缺乏对倦怠聚焦干预重要的特征。这提示提供通用健康应用订阅不应被视为充分的倦怠预防策略。

4.4 人工智能个性化作为新兴解决方案
人工智能定制干预通过将内容、节奏或模态匹配至个人倦怠特征，为个性化倦怠支持提供了早期证据。人工智能定制亚组中较低的异质性与个性化改善干预适应性的可能性一致。然而，由于证据样本量小且来源单一，应谨慎解释，仍需在独立样本中测试。

4.5 倦怠维度层次
维度间差异响应与工作要求-资源模型一致。情感衰竭作为能量耗竭，最适于个体层面的压力管理干预。去人格化涉及对患者的冷漠疏远，可通过重建共情和心理灵活性部分解决。个人成就感与人员配置、自主权和认可等结构性工作因素密切相关，个体数字支持难以充分解决。

4.6 对实践、政策和干预设计的启示
医疗组织应优先选择结构化、循证且引导式的数字程序，而非通用健康应用。数字倦怠干预应适应轮班工作，针对护理特定压力源，并结合人类支持。需注意，数字干预主要在个体层面运作，未直接改变倦怠发展的组织条件。数字工具应补充而非替代组织改革。

4.7 探索异质性来源
原始分析中观察到的实质性异质性反映了临床和方法学多样性。临床来源包括干预内容和框架、强度和持续时间以及基线倦怠严重程度的差异。方法学多样性包括研究设计、对照条件、倦怠测量工具和结果时间的差异。因此，汇总SMD应被视为异质证据库的平均值。

4.8 局限性
研究存在几项局限。原始分析存在实质异质性；所有研究依赖自我报告倦怠测量，易受期望效应影响；干预参与度变异大且报告不充分；证据库地理集中于高收入国家；人群临床异质；仅纳入英语研究；随访时间短，证据耐久性受限；人工智能干预证据样本量小且来源单一。

4.9 未来研究方向
未来研究应探讨哪种数字格式对谁、在何种条件下最有效。需要头对头比较有效性试验、更大规模的多中心随机试验、结合客观指标的试验以及实施科学。干预应探索数字工具是否能解决组织层面的倦怠决定因素。最后需进行以公平为导向的研究，评估不同角色、专科和地理环境的有效性。