护士变革疲劳与创新氛围关系的横断面研究：基于两所医疗中心的调查分析

《Nursing Open》：Determining the Relationship Between Change Fatigue and Innovation Climate Among Nurses: A Cross-Sectional Study

　　

摘要专业翻译 目的：确定护士的变革疲劳（change fatigue）水平与感知创新氛围（innovation climate）水平，并检验这两个构念之间的关联。 设计：描述性横断面研究（cross-sectional study）。 方法：采用普查法（census approach），纳入在两所医疗中心工作的194名符合条件护士；其中186人完成调查（应答率95.9%）。数据收集工具包括社会人口学信息表、变革疲劳量表（Change Fatigue Scale）和创新氛围量表（Innovation Climate Scale）。统计分析采用描述性比较、Pearson相关分析和分层多元线性回归（hierarchical multiple linear regression）。 结果：变革疲劳和创新氛围的均分分别为2.85（标准差0.77）和3.21（标准差0.58）。较高的感知创新氛围与较低的变革疲劳相关（r = ?0.438，95%置信区间 [?0.547, ?0.314]，p < 0.001；r2 = 0.192）。在校正年龄、性别、收入、工作班次和机构任职年限后，该关联仍然存在（B = ?0.528，95%置信区间 [?0.711, ?0.345]，标准化 β = ?0.400，p < 0.001）。 结论：护士感知的创新氛围与变革疲劳呈负相关。横断面设计无法确定方向或因果关系；在得出改变创新氛围可减轻疲劳的结论之前，需要进行前瞻性和干预性研究。 对专业和/或患者护理的启示：护理管理者可利用这些发现识别潜在相关的组织条件——沟通、变革参与、工作负荷和创新资源获取——这些条件值得评估和前瞻性检验。 患者或公众贡献：无患者或公众贡献。

论文解读

一、研究背景与问题提出

医疗机构必须持续适应技术发展、患者期望变化和监管要求的更新。虽然组织变革对于服务连续性和质量保障是必要的，但反复的变革举措会给员工带来额外的认知和情感负担。护士尤其容易受到影响，因为她们在提供持续患者护理的同时，还需要适应工作流程、技术、文档系统和临床方案的调整。

变革疲劳是指员工在感知组织变革过度或持续时产生的疲倦、紧张和应对能力下降的状态（Bernerth等，2011）。它与职业倦怠（burnout）相关但在概念上有所区别：变革疲劳特指与反复变革要求相关的耗竭，而职业倦怠是更广泛的职业综合征。在护士群体中，变革疲劳可能与动机下降、工作不满意和实施期间投入维持困难相伴出现。

创新氛围描述的是员工对组织支持新想法、容忍建设性分歧，并为创新提供时间、人员和其他资源的感知。土耳其版护士创新氛围量表涵盖创新支持、创新低障碍和资源提供三个维度。已有研究表明，更具支持性的氛围与创新工作行为、心理赋权和职业相关态度存在关联。

工作需求—资源模型（Job Demands–Resources model，JD–R模型）为两个构念之间的可能关联提供了概念性解释。反复的组织变革可能作为工作需求发挥作用，因为其要求持续适应；而自主性、主管支持、时间和物质资源则可作为工作资源。创新支持性氛围因此可能标志着与变革相关资源的可获得性。

以往护理研究主要考察创新氛围与创新工作行为、赋权和领导力之间的关系，变革疲劳则更多与韧性、工作满意度和组织承诺相关联。鲜有研究在同一护士样本中量化变革疲劳与创新氛围之间的直接关联，且未经调整的比较无法确定该关联在考虑相关人口学和工作特征后是否仍然存在。这正是本研究拟填补的空白。

二、研究设计与方法

本研究为描述性横断面研究，目标人群为伊斯坦布尔梅迪波尔大学（Istanbul Medipol University）附属两所健康实践与研究中心工作的194名护士。由于研究者接触了全部符合条件的群体，故未采用抽样程序。数据收集时间为2022年4月至6月，186名护士返回了完整问卷，应答率为95.9%。

研究使用三个测量工具：社会人口学信息表、变革疲劳量表和创新氛围量表。变革疲劳量表为Bernerth等（2011）开发的六条目单维量表，本研究采用1（非常不同意）至5（非常同意）的五点计分，内部一致性Cronbach's α为0.836。创新氛围量表为14条目的土耳其语护理版本，包含创新支持（5条目）、创新障碍（6条目，反向计分）和资源提供（3条目）三个子维度，总量表Cronbach's α为0.812。

统计分析采用描述性统计、独立样本t检验、单因素方差分析（ANOVA）、Pearson相关分析和分层多元线性回归。年龄、性别、收入、工作班次和机构任职年限作为预设协变量进入模型。敏感性分析采用HC3异方差稳健标准误。全部分析使用Python 3.13.5、statsmodels 0.14.6和SciPy 1.17.1完成。

三、研究结果

样本特征与量表描述统计。 参与者平均年龄29.69岁（标准差7.77），80.1%为女性，60.2%未婚，55.4%从事轮班工作，48.9%在外科单元工作。变革疲劳均分为2.85（标准差0.77），创新氛围均分为3.21（标准差0.58）。创新氛围三个子维度中，创新支持均分最高（3.47），资源提供均分最低（2.99）。

分组比较结果。 收入组别在变革疲劳和所有创新氛围得分上均存在差异。轮班护士比白班护士报告更高的变革疲劳和更低的整体创新氛围及低障碍得分。自愿选择所在单元的护士在整体创新氛围和资源提供方面得分更高；对所在单元满意以及愿意向他人推荐护理职业的护士，在整体创新氛围、创新支持和资源提供方面得分也更高。变革疲劳在自愿选择单元、单元满意度和推荐职业方面未观察到统计学显著差异。

相关分析结果。 变革疲劳与创新氛围呈负相关（r = ?0.438，95%置信区间 [?0.547, ?0.314]，p < 0.001；r² = 0.192）。较长的职业任职年限与较高的创新氛围得分呈弱相关（r = 0.160，p = 0.030）。年龄和机构任职年限与两个量表得分均无显著相关。

回归分析结果。 在校正年龄、性别、收入、工作班次和机构任职年限后，较高的创新氛围仍与较低的变革疲劳相关（B = ?0.528，95%置信区间 [?0.711, ?0.345]，标准化 β = ?0.400，p < 0.001）。全模型解释28.1%的方差（校正R² = 0.253；F[7, 178] = 9.931，p < 0.001）。加入创新氛围使R²增加0.131（增量f² = 0.182）。诊断检验支持模型稳健性（最大VIF = 2.09；Breusch–Pagan p = 0.544；最大Cook's D = 0.080）。HC3敏感性估计结果基本不变。

四、讨论与结论

讨论部分总结。 研究发现与JD–R模型的预测一致：反复变革可视为工作需求，创新相关的支持、自主性、时间和资源可视为潜在的工作资源。创新氛围的加入额外解释了变革疲劳13.1%的方差，支持组织资源在理论上的相关性，但横断面回归无法检验缓冲机制或干预效应。本研究中变革疲劳均分低于Abdelwahid和Ata（2022）报告的高水平，可能与组织变革暴露、人员配置、临床工作负荷、测量工具和计分方式的差异有关。轮班护士变革疲劳高于白班护士，与轮班模式与疲劳及恢复不足相关的证据一致。研究未观察到变革疲劳在婚姻状况、教育程度、临床单元、自愿选择单元、单元满意度、喜爱职业或推荐护理职业方面的显著差异，但若干类别样本量较小，且研究并非主要为亚组检测而设计。

研究结论翻译。 在两所医疗中心的护士中，较高的感知创新氛围与较低的变革疲劳相关，且该关联在校正选定的人口学和工作特征后仍然存在。本研究不能确定创新氛围可减轻变革疲劳。研究结果对护理实践具有相关性，因为反复的组织变革是通过护士的日常工作实施的。沟通、有意义的参与、可管理的工作负荷和创新资源获取是组织评估和未来前瞻性评价的适当目标。护理管理者应在变革中阐明理由、时间表和预期工作流程后果，及早邀请护士参与输入，并记录员工是否拥有充分的培训、时间和资源。未来多中心研究应纳入多样化的卫生系统和护理群体，直接测量组织变革暴露，并区分护士、单元和机构层面的效应。在提出因果性实践建议之前，需要开展干预研究。