压力应对与数字胜任力对护理学生灾害应对自我效能感的影响:一项多中心研究
《Nursing Education Perspectives》:Impact of Stress Coping and Digital Competence on Disaster Response Self-Efficacy in Nursing Students: A Multi-Centered Study
【字体:
大
中
小
】
时间:2026年09月18日
来源:Nursing Education Perspectives 1.5
编辑推荐:
**目的** 考察压力应对和数字能力对护理学生灾难应对自我效能(DRSE)的影响。
**背景** 学生的压力应对能力和数字能力可能提高其在灾难应对中的自我效能感。
**方法** 本描述性相关性研究在五所大学中进行,共520名护理学生参与。采用压力应对量表、大学生基础数字能
**目的** 考察压力应对和数字能力对护理学生灾难应对自我效能(DRSE)的影响。
**背景** 学生的压力应对能力和数字能力可能提高其在灾难应对中的自我效能感。
**方法** 本描述性相关性研究在五所大学中进行,共520名护理学生参与。采用压力应对量表、大学生基础数字能力2.0–COBADI量表和DRSE量表。
**结果** 分析证实了所检验的模型。压力应对对数字能力(β = 4.426;p = .019)和DRSE(β = 12.155;p = .001)均有正向直接影响。压力应对每增加1个单位,数字能力增加4.426个单位,DRSE增加12.155个单位(p < .05)。
**结论** 丰富护理课程以加强压力应对和数字能力,可能更好地准备学生有效应对灾难。
自然灾难(如地震、飓风和海啸)以及人为事件(如工业事故、核泄漏和恐怖袭击)是破坏性极大的事件,需要大规模的应急响应和长期的恢复工作(Hassan Gillani等,2020)。全球每年平均记录417起自然灾害,随着天气条件变化和气温上升,灾害的频率和严重程度预计将增加(灾难流行病学研究中心,2022;Loke等,2021)。当前的护理教育实践主要侧重于准备学生应对灾难和提供灾难救援(Lin等,2023;Wickramasinghe等,2025)。
护士和护理学生在应对灾难中发挥着至关重要的作用,他们运用临床技能和启发式方法有效应对复杂的临床挑战(Hasan等,2021)。他们需要具备及时响应、救助受影响者、减少生命损失、减轻不良健康影响、防止进一步伤害以及提供心理社会护理的意识、知识和技能(Hung等,2021;Mao等,2022;Toqan等,2023)。然而,灾难期间的严重压力会显著损害护理学生的身心健康,增加出错的可能性,削弱批判性思维能力、决策能力、人际互动和整体工作效率(Makwana,2019;Yildirim和Akman,2021;Gülnar等,2024)。为了提高灾难应对的自我效能感,护理教育机构必须制定并实施适当的计划,更新护理课程(Lin等,2023)。国际护士理事会强调,所有护士无论日常执业场所如何,都需要具备灾难准备意识,并需要持续进行灾难响应培训和技能提升(Wood & Adelman,2025)。
**背景**
医疗保健领域的数字化转型为加强医疗系统的响应能力和适应性提供了新的机遇,数字策略有助于在紧急情况下实施及时、成本低廉且符合情境的干预措施(Marshall等,2023;McKenna等,2026;Sermet Kaya & Erdogan,2025)。这些技术有望克服地理障碍,支持远程服务提供,促进健康素养,并在灾难阶段促进实时数据驱动的决策(Zhang等,2024)。作为在灾难情境中实施数字干预的一线健康专业人员,护士和护理学生可以为公共卫生教育、协调应急响应以及提供文化胜任的护理和心理社会支持做出贡献(Veenema等,2016)。有效利用数字技术可以尽可能地减少灾难的大规模影响(Park & Hwang,2024;Pinar & Cetinkaya Bozkurt,2022;Zhang等,2024)。
灾难应对的感知自我效能是灾难管理的重要决定因素,护理学生的数字能力和压力应对能力可能提高其在灾难应对中的自我效能水平(Molassiotis等,2022)。一些研究已经探讨了护理学生经历灾难、参与灾难响应的意愿以及灾难意识等问题(Choi等,2020;Han等,2019;Yang,2018)。然而,关于护理学生数字能力和灾难应对自我效能(DRSE)的数据有限。
本研究旨在通过调查护理学生压力应对、数字能力与DRSE之间的关系来填补这一空白。我们使用结构方程模型来更好地理解压力应对和数字能力对DRSE的直接和间接影响,从而确定课程改进过程中学术界和政策制定者可以针对的领域。为实现这些目标,我们提出了三个研究问题:1)护理学生的压力应对、数字能力和DRSE水平如何?2)护理学生的压力应对、数字能力与DRSE水平之间是否存在关系?3)压力应对和数字能力对护理学生的DRSE是否有直接还是间接影响?
**方法**
本研究采用描述性相关性设计,考察DRSE水平、压力应对和数字能力。研究于2023年10月至12月进行,涉及安卡拉省五所公立大学3,000名护理本科学生的可能样本:哈切特佩大学、安卡拉大学、健康科学大学、加济大学和安卡拉尤尔代姆贝亚济特大学。研究方案获得哈切特佩社会和人文学科研究伦理委员会批准,并从五所护理学院获得了机构许可。
使用G Power 3.1程序确定适当的样本量,效应量为0.30,显著性水平为0.05,功效为95%(Kang等,2022)。确定最少学生人数为434人。参与者采用便利抽样方式自愿招募。在研究期间,共有570名学生接受资格评估;30名学生拒绝参与,20份数据收集表存在缺失数据。最终样本包括520名学生,参与率为91.22%:哈切特佩大学n = 159;安卡拉大学n = 109;健康科学大学n = 108;加济大学n = 72;安卡拉尤尔代姆贝亚济特大学n = 72。从所有五所大学招募参与者旨在增强研究样本的多样性。
获得机构许可后,使用包含人口统计学信息表和研究量表的自填问卷收集数据。问卷由参与大学的工作人员面对面分发给符合条件的学生,由学生自愿完成。
**测量工具**
根据文献创建了一份调查表。调查包括人口统计学问题(年龄、性别、教育程度和获取技术设备的情况),重点关注人口社会学数据和压力应对、数字能力以及灾难相关特征(Choi等,2020;Kang等,2022;Molassiotis等,2022)。调查还包括应对方法、数字素养和灾难经历的问题。本研究使用有效且可靠的量表,并获得了使用所有量表所需的许可。
**压力应对量表** Türküm(2002)开发了该量表,用于测量个体在压力情况下使用的应对方法。量表采用五点李克特评分系统,得分范围为1(完全不适合)到5(完全适合);3表示不确定。该23项量表包含三个子维度:回避问题应对(8项)、关注问题(8项)和寻求社会支持(7项)。第10、17和20题为反向计分。克伦巴赫α系数分别为:回避问题应对0.65,关注问题0.80,寻求社会支持0.85。
**基础数字能力** López-Meneses等(2013)根据欧盟委员会数字能力(DigCom)框架开发了大学生基础数字能力2.0 - Competencia Digital de los Estudiantes Universitarios(COBADI)量表。Adanir和Güven(2022)开发了该量表的土耳其语版本。该工具采用4点李克特量表,1 = 最低能力水平,4 = 最高能力水平。29项COBADI包含五个子维度:数字内容开发、信息和数据素养、沟通、大学虚拟工具和社会沟通以及问题解决。克伦巴赫α系数报告为0.90。
**DRSE量表** Li等(2017)开发了该19项量表,包含三个子维度:现场救援能力、灾难心理护理能力和灾难角色质量与适应能力。参与者使用五点李克特量表对选项进行评分,得分范围为1(没有信心)到5(完全有信心)。总分由各项得分相加得出,得分越高表示DRSE水平越高。报告克伦巴赫α系数为0.96(Bülbül,2021)。
**数据分析**
使用IBM SPSS Statistics Standard Concurrent User V 26(IBM Corp., Armonk, NY)和IBM SPSS Amos V 26统计软件包程序分析数据。通过偏度和峰度值评估数据的正态性。基于偏度值±2.0和峰度值<7.0,数据被认为呈正态分布(Kim,2013)。描述性统计以数量、百分比、均值、标准差、最小值(min)和最大值(max)呈现。使用独立样本t检验比较两组,使用方差分析比较具有两个以上类别的变量。当方差分析结果显著时,使用Bonferroni检验进行多重比较。我们使用均值差异检验和效应量估计器(Cohen's d、η2)检查学生的压力应对、数字能力和DRSE水平。使用斯皮尔曼相关系数分析关系,使用克伦巴赫α系数分析信度。
在开始分析之前,检查了结构方程模型的前提条件,包括正态性假设、异常值分析、样本量和多重共线性问题(Ullman,2013)。采用Bootstrap方法测试中介模型,因为它通过对原始数据进行重抽样来建模多个回归方程,并提高结果的可靠性(Zhao等,2010);p < .05被视为具有统计学意义。
**结果**
**人口统计学特征**
本研究共包括520名学生;52.7%的学生年龄为18至21岁,大多数(90.6%)为女性。大多数(48.3%)为四年级参与者,30.6%在哈切特佩大学学习。几乎所有参与者(94.2%)未就业,27.3%报告其感知收入水平低于支出(见表1,补充内容,https://links.lww.com/NEP/A744)。
**应对、数字能力、灾难特征**
超过一半的学生(57.1%)报告中等压力水平。这些学生使用多种方法应对压力,包括关注兴趣领域(17.3%)、社会支持(17.1%)、深呼吸(11%)和放松(10%)。学生曾修读各种相关课程——压力管理(36.9%)、数字素养(14%)、急救或灾难护理(63.3%)——但大多数未参与与压力管理、数字内容或灾难护理相关的项目(94.2%)。不到一半(42.5%)修读过涉及虚拟现实、标准化病人或模拟的课程。超过一半(56.3%)经历过灾难,但只有8.7%报告在灾难中失去亲属(见表2,补充内容,https://links.lww.com/NEP/A745)。
三个量表的子维度总分和信度值在补充内容中作为表3呈现,https://links.lww.com/NEP/A746。总分均值如下:压力应对量表(CSS),M = 77.18(SD = 11.50),COBADI,M = 75.20(SD = 13.89),DRSE量表,M = 60.28(SD = 14.19)。克伦巴赫α系数分别为:CSS,0.65;COBADI,0.88;DRSES,0.92。
补充内容中的表4(https://links.lww.com/NEP/A747)显示了基于学生特征的量表得分比较。在能力方面发现了性别差异,男性在CSS、现场救援(p < .001;95% CI:?0.839至?0.544)和灾难心理护理维度(p < .032;95% CI:?0.593至?0.003)得分更高。女性在沟通、大学虚拟工具和社会沟通(p < .002;95% CI:0.201–0.792)、维度(p < .025;95% CI:0.049–0.638)得分更高。
四年级学生的社会支持寻求得分更高(p < 0.039;偏 η2:0.012),数字内容开发得分更高(p < .001;偏 η2:0.043),信息与数据素养得分更高(p < .027;偏 η2:0.016)。较高的收入水平影响了对CSS(压力应对量表)的问题聚焦维度(p < .001;偏 η2:0.039)、数字内容开发(p < .006;偏 η2:0.017)、大学虚拟工具与社会沟通(p < .049;偏 η2:0.013)、(p < .677;偏 η2:0.003)以及COBADI(临床与生物医学数字能力量表)的问题解决维度(p < .001;偏 η2)的偏好;压力较低组更倾向于DRSES(灾害响应自我效能量表)的灾害角色质量与适应力维度(p < .712;偏 η2:0.001)。曾上过压力管理、数字内容开发和灾害心理护理课程的学生在CSS、COBADI和DRSES的多个维度上存在显著差异,其中前者在问题聚焦维度和数字内容开发方面表现更好(p < .05)。根据学生对技术设备的可及性,在COBADI的所有维度以及DRSES的问题解决和现场救援能力维度上发现了显著差异(p < .05)。我们发现,根据学生对在课程中使用虚拟现实、标准化患者和仿真的偏好,学生的COBADI得分、问题解决技能、DRSES现场救援能力得分以及CSS得分存在显著差异(p < .05)。
应对压力、数字能力与灾害自我效能
三个量表总分之间的相关性见补充内容中的表5,https://links.lww.com/NEP/A748。CSS与COBADI得分之间的相关系数值为0.266;CSS与DRSES之间的相关系数值为0.253(p < .001)。COBADI与DRSES之间存在显著、中等且正向的相关关系(r = 0.492;p < .05)。研究发现,学生的压力应对能力每提升一个单位,其COBADI水平增加4.426个单位,DRSES水平增加12.155个单位。(见表6补充内容,https://links.lww.com/NEP/A749)分析证实了我们所检验的模型。(见图1)压力应对对数字能力(β = 4.426;p = .019)和DRSE(β = 12.155;p = .001)均有直接且正向的影响。模型拟合指标显示与数据集的良好拟合:近似根均方误差为0.073;比较拟合指数值为0.951;拟合优度指数值为0.965。(见表7补充内容,https://links.lww.com/NEP/A750)Hoelter 0.05和0.01的临界N值分别计算为203和237,表明模型具有足够的样本量。
打开多媒体模态
图1。打开多媒体模态——护理学生应对压力、数字能力与灾害响应自我效能之间关系的结构方程模型。
讨论
本研究运用结构方程模型探讨了护理学生的压力应对、数字能力与灾害响应自我效能之间的关系。结果显示,压力应对能力更好、数字能力更强以及接触虚拟现实、仿真技术和灾害相关训练(DRT)的学生具有较高的灾害响应自我效能。本研究中的护理学生使用了多种压力缓解方法,包括寻求社会支持、聚焦兴趣和深呼吸(Chegini等,2022;Keskin & Alan,2023)。
性别、年级、压力管理课程、感知压力水平以及课程中是否包含虚拟现实、标准化患者和仿真等因素影响了本研究中的压力应对。Zhang等(2024)表明,男性医学生更常使用情绪策略,其主动压力应对得分高于女性。中国护理学生主要使用接受支持和解决问题的方式(Cheng等,2023)。在临床环境中,护理学生倾向于采用问题聚焦应对策略(Harvey等,2024)。Labrague等(2018)测定了来自尼日利亚、希腊和菲律宾的护理学生(n = 547)的压力水平和应对策略,发现压力水平为中等,并强调应对方法因地区而异。成长环境、家庭结构、文化背景和个体特质等因素影响压力应对。压力管理课程和虚拟现实可用于培养数字能力和更好的压力应对策略(R?e等,2025;Wu等,2021)。
迄今为止,仅有一项研究探讨了应对压力与数字能力之间的相关性;该研究在疫情期间进行,对象为来自印度、波兰、土耳其和立陶宛的1,097名护理学生(Kumpikait?-Valiūnien?等,2021)。该研究发现,数字能力的社会和信息维度对压力和职业倦怠管理具有正向影响,并改善了幸福感。我们的研究是疫情以来首次考察应对压力、数字能力与灾害响应自我效能之间的关系。我们的结果证实了这三个变量之间的正向关联,为概念贡献和培训设计提供了指导,以加强这些能力并更好地为未来护士应对挑战性情境做好准备。
关于数字能力,COBADI量表的最高可能得分为116;我们样本的得分为75.20(SD = 13.89),高于中位数。Utli & Ersu(2023)发现护理和助产学生在数字素养方面呈现中等倾向。Martzoukou等(2024)对学生的学习能力进行了研究,其中大多数学生 enrolled in nursing programs。学生在信息素养、数字研究和数字创新等对其未来专业角色至关重要的领域报告了较低的能力。最近,Amin等(2025)对500名埃及本科护理学生进行了研究,发现数字能力、学习动机与终身学习之间存在正向且较强的关系。报告数字能力更高的学生也表现出更强的学习动机和更强的终身学习倾向。不同研究报告的数字能力水平差异可能源于国家背景、课程内容、学生数字技能及所用测量工具的不同。尽管如此,这些发现为教育者提供了重要指导:通过增强学生的数字能力,可以提高其学习动机、学业表现和终身学习倾向,最终使其更好地应对灾害,做出有效和及时的响应(Wu等,2021)。
灾害可导致重大伤亡和物质损失,需要受过训练的人员。疫情期间,高年级护理学生参与了应急响应工作以满足需求,许多人表现出高度的志愿意愿(Cervera-Gasch等,2020)。然而,文献指出学生的灾害响应自我效能一般处于低至中等水平(Kaviani等,2022;Keskin & Alan,2023;Labrague,2021;Toraman & Konal,2023),包括在伊朗(Kaviani等,2022)和沙特阿拉伯(Hashish & Banoona,2023),其中三年级和四年级学生(n = 300)报告了积极的态度但知识不足和角色认知不清。Huh & Kang(2019)评估了使用国际护士理事会灾害护理能力标准进行的灾害培训项目,发现护理学生的分诊、准备和响应得分有显著改善。在我们的研究中,灾害响应自我效能的平均得分为60.28(SD = 14.19),表明处于低至中等水平。Bülbül(2021)报道土耳其护理学生的平均得分为65.06(SD = 15.98),其他研究也报告了类似低至中等得分(Hasan等,2021)。这可能与本科护理课程中缺乏或不足的灾害相关内容有关。Gillani等(2020)强调灾害准备水平与一个国家的发展水平密切相关,突显了全面灾害护理教育的重要性。
本研究发现,感知压力较低、完成过压力管理、急救或灾害准备课程并使用虚拟现实、标准化患者和仿真进行临床培训的四年级学生,其灾害响应自我效能更高。这与以往研究一致,即基于仿真的心理急救培训可改善卫生工作者和灾害救援人员的自我效能(Chegini等,2022;Kang & Choi,2021;Park & Choi,2022)。Hung等(2021)报告基于仿真的学习增强了护理学生的感知能力、自我效能和学习满意度,证实了Labrague(2021)的发现。将技术辅助学习方法整合到护理课程中可加强灾害管理能力(Al-Qbelat等,2022;Ropponen等,2025;Takhdat等,2021)。
最后,我们研究中的结构方程模型揭示了护理学生应对压力、数字能力与灾害响应自我效能之间的显著关系。有效的压力管理有助于提高数字工具熟练度和灾害响应表现,强调了对数字培训的需求,并为该领域的未来研究奠定了理论基础。
优势与局限性
本研究的优点之一是采用结构方程模型分析验证了结果,使我们能够检验理论模型。第二个优点是护理学生通过简单随机抽样技术选取,提供了数据收集的均质性。研究中使用的量表均具有较高的效度和信度。然而,该研究存在可能影响结果推广性的局限性。首先,虽然学生来自五所不同的公立大学,但均位于土耳其安卡拉省;因此,结果应谨慎解释。其次,参与者所修课程的具体内容以及这些课程中实践培训的深度未进行详细考察,限制了评估培训对研究结果潜在影响的能力。
对护理教育的启示
本科护理课程应得到充实,以使学生能够为各种可能的灾害场景做好准备,重点放在压力管理和数字能力上。护理教育工作者应开发创新策略并定期评估以生为本的教育方法。包容性的场景方法和数字内容可以增强压力管理技能并提升灾害情境下的自我效能。培训应根据学生的需求量身定制,包括全面的灾害能力培训和沟通技巧培训,并根据特定社区需求进行调整。随着护理教育整合进灾害准备计划,基于技术的培训和压力管理支持将有助于减少灾害影响并改善社区健康。与其他机构的联合研究应纳入护理学生。
结论
本研究发现,护理学生表现出中等的压力应对能力和数字能力,但灾害响应自我效能较低。研究结果表明,本科护理课程需要引入压力管理和数字能力培训,以增强灾害响应技能。我们的研究呼吁在本科护理教育的灾害准备课程开发中采取行动,支持学生的理论和实践技能,开设选修/必修课程以增加灾害准备和数字能力,开发基于场景的方法以改善压力管理,并在护理教育机构中推广这些支持性实践。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号