体育专业大学生电子健康素养现状及其影响因素

《Frontiers in Public Health》：E-health literacy status and its influencing factors among college students majoring in sports

　　

目的：了解体育专业大学生电子健康素养（e-health literacy）水平及其影响因素，为制定提升该人群电子健康素养的措施提供参考。方法：采用电子健康素养问卷，对江苏省6所高校的大学生进行在线调查。使用SPSS 26.0统计软件进行χ²检验，采用t检验、单因素方差分析和多元线性回归分析探讨电子健康素养水平的影响因素。结果：在923名受访者中，男性722人（78.2%），女性201人（21.8%）。电子健康素养平均得分为41.91±6.90，达标率为22.2%（205人）。影响因素分析显示，民族（95%CI：?3.641～?0.408）、性别（95%CI：1.292～3.445）、与同龄人相比的自我健康评价（95%CI：?1.276～?0.100）、智能穿戴设备使用（95%CI：0.100～0.794）、与周围人相处和谐程度（95%CI：0.379～1.733）、互联网健康知识搜索频率（95%CI：0.246～1.099）、计算机熟练程度（95%CI：0.230～1.569）、早晨醒来精力充沛天数（95%CI：0.188～1.207）、鱼禽肉蛋类摄入频率（95%CI：0.194～1.331）以及搜索健康知识内容类型（95%CI：0.023～1.556）是影响大学生电子健康素养的显著因素。结论：体育专业大学生电子健康素养水平相对较低，相关因素涉及多个维度。针对性干预应优先关注男性学生、自我健康评价较差者及人际关系较弱者。加强数字技能和主动信息实践是提高该人群电子健康素养的关键策略。

**论文解读：体育专业大学生电子健康素养现状及其影响因素**

随着互联网技术的迅猛发展，数字健康信息已成为公众获取健康知识的主要渠道。电子健康素养（e-health literacy）指个体从电子资源中获取、理解、评价健康信息，并运用所得信息解决健康问题和促进健康决策的综合能力，包含功能性、互动性和批判性三个递进维度。本研究以S?rensen等人提出的健康素养整合模型为理论指导，该模型将健康素养概念化为获取、理解、评价和应用健康信息的能力，并认为人口学、社会及个人因素是其前置变量。以往研究显示，中国大学生电子健康素养总体水平偏低，如武汉非医学专业大学生达标率仅7.91%，河南为16.6%，广州为20.3%，南京为22.97%；日本、美国、印度等国家的大学生也呈现类似问题。然而，专门针对体育专业大学生电子健康素养的研究极为匮乏。体育专业学生既非精英运动员也非普通学生，其训练密集型课程对身体性能和伤病预防提出更高要求，同时他们的作息安排常限制常规健康教育机会，且其健康信息寻求行为可能因教练中介沟通和动手实践学习模式而不同于普通学生。作为未来的体育教育工作者，他们承担着传授科学健身知识的社会责任。因此，开展聚焦体育专业大学生电子健康素养的调查研究既有学术必要性也有实践紧迫性。该论文发表于《Frontiers in Public Health》。

研究人员采用分层随机整群抽样法，于2025年10月至12月从江苏省苏南、苏中、苏北三个行政区域各选取两所本科院校，共6所，每校每年级选取1～2个班级，所有在班学生均受邀参与。共发放问卷1101份，排除错误、不完整或明显随意作答的问卷后，保留有效问卷923份，有效应答率为83.8%。调查工具为Chiang等人开发的电子健康素养量表（EHLS），该量表包含功能性、互动性和批判性三个维度共12个条目，采用5点Likert计分，总分12～60分。统计分析使用SPSS 26.0，运用χ²检验、独立样本t检验、单因素方差分析和多元线性回归分析，检验水准α=0.05。

**研究结果**

**人口学特征**
923名体育专业大学生中，男性占78.2%，汉族占92.8%，农村户籍占67.0%，年级分布以大三学生最多（31.5%）。通过频数描述揭示了样本的基本构成，为后续分组比较奠定基础。

**体育专业大学生电子健康素养各维度得分**
电子健康素养达标率为22.2%（205人），总分范围17～60分，平均得分为41.91±6.90。各维度得分从高到低依次为：批判性电子健康素养（17.78±3.73）、互动性电子健康素养（14.52±2.99）、功能性电子健康素养（9.61±2.57）。这一结果表明，体育专业大学生相对更擅长对网络健康信息进行批判性评价，而基础的信息获取和理解能力较为薄弱。

**体育专业大学生电子健康素养的统计学分析**
通过独立样本t检验和单因素方差分析，共发现户籍、民族、性别、自评学业成绩、每周运动频率、智能穿戴设备使用、自评健康状况、父亲受教育程度、每周精力充沛天数、蔬菜水果及鱼禽肉蛋摄入频率、饮酒吸烟状况、人际关系和谐程度、互联网健康信息搜索频率、搜索渠道数量、搜索内容多样性、社交网络数量、计算机熟练程度、健康信息评估方法数量、感知互联网健康信息有用性及检索信心等25个因素与电子健康素养得分差异有统计学意义（p<0.05）。效应量分析进一步显示，民族（d=0.46）、性别（d=?0.35）、吸烟状况（d=?0.33）、感知互联网健康信息对健康决策有用性（d=?0.55）和检索有效健康信息信心（d=?0.54）具有中等实际显著性。

**体育专业大学生电子健康素养影响因素的多元线性回归分析**
以电子健康素养总分为因变量，将单因素分析中显著关联的变量作为自变量纳入多元线性回归模型。模型整体有统计学意义（F(24, 898)=9.439，p<0.001），调整R²=0.180，共解释电子健康素养评分20.1%的变异。结果显示，民族、性别、自评健康状况、与周围人和谐程度、互联网健康信息搜索频率、计算机熟练程度、智能穿戴设备使用、每周早晨精力充沛天数以及检索健康知识内容类型是电子健康素养的独立影响因素。具体而言，汉族学生电子健康素养高于少数民族学生（B=?2.025，95%CI：?3.641～?0.408）；女生高于男生（B=2.368，95%CI：1.292～3.445）；自评健康状况越好，得分越高（B=?0.688，95%CI：?1.276～?0.100）；人际关系越和谐，得分越高（B=1.056，95%CI：0.379～1.733）；互联网健康信息搜索频率越高，得分越高（B=0.673，95%CI：0.246～1.099）；计算机熟练程度越高，得分越高（B=0.899，95%CI：0.230～1.569）；智能穿戴设备使用时间越长，得分越高（B=0.447，95%CI：0.100～0.794）；每周早晨精力充沛天数越多，得分越高（B=0.697，95%CI：0.188～1.207）；鱼禽肉蛋摄入频率越高，得分越高（B=0.762，95%CI：0.194～1.331）；搜索健康知识内容类型越多，得分越高（B=0.789，95%CI：0.023～1.556）。

**讨论与结论**

讨论部分指出，体育专业大学生电子健康素养平均分为41.91±6.90，达标率22.2%，总体处于偏低水平。与已有普通大学生研究相比，该达标率高于河南、武汉等地，但低于东莞、广州等地，地区差异可能反映数字健康基础设施和健康教育资源的不同。维度得分呈现“批判性高、功能性低”的不平衡，与台北大学生及韩国普通人群的研究发现一致，提示东亚健康教育的共性挑战。影响因素分析显示，信息行为相关因素（如搜索频率、搜索内容多样性）、计算机熟练度和智能穿戴设备使用具有较大的效应量，说明数字技能和主动信息实践是电子健康素养的关键驱动因素。研究局限性包括横断面设计无法确立因果关系、样本局限于江苏省六所高校、性别比例不平衡可能放大性别差异等。未来研究应采用纵向设计并采用更均衡的性别样本加以验证。

研究结论：体育专业大学生的电子健康素养水平相对较低，其相关因素涵盖多个维度。针对性干预应优先考虑男性学生、自我健康评价较差的学生以及人际关系较弱的学生。加强数字技能和主动信息实践是提高该人群电子健康素养的关键策略。