急诊科护士睡眠质量的潜在剖面分析及其与心理韧性的关联研究

《Frontiers in Psychology》:Latent profile analysis of sleep quality and its association with psychological resilience among emergency department nurses

【字体: 大 中 小 】 时间:2026年09月28日 来源:Frontiers in Psychology 3.8

编辑推荐:

  目的:急诊科护士长期暴露于高强度、高压力工作环境,导致睡眠质量不佳。心理韧性有助于缓解工作压力的负面影响。然而,很少有研究探讨心理韧性在不同睡眠特征所定义的亚组之间的差异。本研究采用潜在剖面分析(latent profile analysis,LPA)识别急诊

  
目的:急诊科护士长期暴露于高强度、高压力工作环境,导致睡眠质量不佳。心理韧性有助于缓解工作压力的负面影响。然而,很少有研究探讨心理韧性在不同睡眠特征所定义的亚组之间的差异。本研究采用潜在剖面分析(latent profile analysis,LPA)识别急诊科护士中不同的睡眠质量剖面,并探讨其与心理韧性的关联,以期为针对性干预提供依据。

方法:2025年10月至12月,通过便利抽样法从山东省12所三级医院招募611名急诊护士。采用社会人口学问卷、Connor–Davidson韧性量表(Connor–Davidson Resilience Scale,CD-RISC)和匹兹堡睡眠质量指数(Pittsburgh Sleep Quality Index,PSQI)收集数据。通过潜在剖面分析确定睡眠质量剖面,并采用多元logistic回归分析相关因素。

结果:急诊科护士总体睡眠质量较差,可将其划分为四个不同的剖面:“严重睡眠紊乱”(8.0%)、“入睡困难-睡眠药物使用”(15.1%)、“轻度睡眠紊乱”(26.7%)和“良好睡眠质量”(50.2%)。心理韧性、年龄、工作年限、月收入和月夜班次数与这些睡眠质量剖面显著相关(p?
结论:急诊科护士表现出不同的睡眠质量剖面。针对每个亚组的具体相关因素采取有针对性的干预措施,可改善其睡眠结局。
急诊科护士的睡眠质量直接影响其身心健康与患者安全。既往研究多采用变量中心视角,基于量表均分比较群体差异,难以揭示睡眠质量的内在异质性。潜在剖面分析(latent profile analysis,LPA)作为一种以个体为中心的方法,能够依据多维睡眠指标识别潜在亚组。现有针对护士睡眠问题的LPA研究多聚焦于新入职、精神科或普通临床护士,对急诊科护士关注不足。急诊科工作强度大、节奏快、轮班不规律,其睡眠问题可能呈现特殊模式。心理韧性(psychological resilience)是应对职业压力的重要保护因素,但心理韧性在不同睡眠亚组中的差异仍不清楚。因此,研究人员开展本研究,采用LPA识别急诊科护士睡眠质量亚组,并分析其与心理韧性和人口学/职业因素的关联,旨在为识别高危个体和制定针对性干预提供实证依据。

研究人员于2025年10月至12月,采用便利抽样法从山东省济南市12所三级医院招募611名急诊科护士。纳入标准为注册护士、急诊工作年限≥1年、知情同意并自愿参与;排除实习护士、数据收集期间休假或外出培训者、认知障碍或精神疾病者。研究使用社会人口学问卷、Connor–Davidson韧性量表(CD-RISC)和匹兹堡睡眠质量指数(PSQI)收集数据。统计分析采用SPSS 27.0和Mplus 8.0。主要技术方法包括:以PSQI七个维度得分为指标进行LPA,依次拟合1至5类别模型,依据赤池信息准则(AIC)、贝叶斯信息准则(BIC)、样本校正BIC(aBIC)、熵值、似然比检验(LRT)及自举似然比检验(BLRT)确定最优类别数;通过单因素方差分析或χ2检验比较各剖面间变量差异;将单因素分析中显著变量纳入多项logistic回归,以识别与各睡眠质量剖面独立相关的因素。

研究结果如下:

3.1 一般人口学特征:611名急诊护士年龄22~45岁,平均33.82±6.95岁;CD-RISC均分为79.20±12.37;PSQI总分为7.33±4.58,高于护士群体常用临界值5分,表明总体睡眠质量较差。

3.2 睡眠质量的潜在剖面分析:LPA模型比较显示,四类模型为最优解。四个剖面分别命名为“严重睡眠紊乱”(C1,8.0%)、“入睡困难-睡眠药物使用”(C2,15.1%)、“轻度睡眠紊乱”(C3,26.7%)和“良好睡眠质量”(C4,50.2%)。其中,C1在睡眠时长、睡眠紊乱、主观睡眠质量和日间功能障碍方面得分最高;C2的睡眠潜伏期最长且睡眠药物使用最突出;C3各维度得分中度升高;C4所有维度得分均最低。

3.3 与睡眠质量剖面相关的单因素分析:以四个潜在剖面为因变量进行单因素分析,结果显示年龄、工作年限、学历、月收入、月夜班次数和心理韧性在不同剖面间差异有统计学意义(p?
3.4 与睡眠质量剖面相关的多因素logistic回归分析:以“良好睡眠质量”剖面为参照,多因素logistic回归显示,心理韧性、年龄、工作年限、月收入和月夜班次数与剖面归属显著相关。心理韧性越高,归于“严重睡眠紊乱”(优势比[OR]=0.47,95%置信区间[CI]:0.41~0.54)、“入睡困难-睡眠药物使用”(OR=0.54,95%CI:0.49~0.60)和“轻度睡眠紊乱”(OR=0.68,95%CI:0.64~0.74)的概率越低。年龄≤29岁、工作年限≤5年、月收入低于10000元及每月夜班>8次者更可能属于“严重睡眠紊乱”剖面;年龄≥40岁、工作年限
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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