


专注科研一对一全流程教学
咨询微信:wzp1670423539


2025年3月在SCI杂志《J Adv Nurs.》上发表了题为《E-health literacy in stroke patients: Latent profile analysis and influencing factors》的文章。本研究旨在探索中风患者电子健康(e-health)素养的潜在类别,并分析其影响因素。通过对558名来自河南省三家三级甲等医院的中风患者进行问卷调查,结果显示存在三类电子健康素养:低素养组、低应用-高决策组和高素养-低决策组。多元逻辑回归分析结果表明,教育水平、合并症、健康信息获取方式和互联网使用频率等因素会影响患者的电子健康素养类别。研究强调在制定健康教育计划时需考虑不同类别的特点,呼吁医疗服务提供者针对不同中风患者量身定制高效的健康教育,以提高其电子健康素养。


吴老师解读
一、研究目的
本研究旨在探索中风患者的电子健康(e-health)素养的潜在类别,并分析影响这一素养的相关因素。电子健康素养指个体获取、理解和应用电子健康信息的能力,对于改善中风患者的自我管理及健康决策至关重要。
二、研究设计
设计类型
采用横断面描述性探索设计,这种设计允许在特定时间点收集数据,以识别潜在类别及其影响因素。
报告标准
使用STROBE(Strengthening the Reporting of Observational Studies in Epidemiology)报告核对表,确保研究报告的规范性和透明度。
三、研究方法
数据收集
样本选择:从2020年7月至10月期间,使用方便抽样法,从河南省三家三级甲等医院招募了558名脑卒中患者。
问卷设计:包括一般信息问卷和电子健康素养量表,以收集参与者的社会人口学信息和电子健康素养相关数据。

数据分析
潜在特征分析(LPA):用于识别和分析脑卒中患者电子健康素养的潜在类别。
多元逻辑回归分析:评估不同因素(如教育水平、合并症状、健康信息来源等)对电子健康素养潜在分类的影响。

四、研究结果
电子健康素养的潜在类别
识别出三类潜在的电子健康素养:
低电子健康素养组:表现出较低的健康信息访问能力与使用能力。
低应用-高决策组:虽然在决策方面较强,但在信息应用上较弱。
高素养-低决策组:具备较高的信息素养,但在健康决策上缺乏主动性。

影响因素
通过多元逻辑回归分析,确认了多个预测因素,包括:
教育水平
是否有合并症
与精神病患者交流的意愿
健康信息的来源
上网频率
健康信息查询的频率
接受远程护理的意愿

五、研究结论
电子健康素养的分类
发现中风患者的电子健康素养存在三种潜在类别,提供了实施针对性健康教育的基础。
健康教育的必要性
医疗服务提供者需了解各类中风患者的需求,为他们量身定制高效的健康教育计划,以提高患者的电子健康素养。
六、研究影响
提升电子健康素养的重要性
提高中国中风患者的整体电子健康素养显得非常必要,能够帮助他们更有效地管理健康问题。
启示医疗保健的方法
研究发现可以为医疗保健策略的制定提供指导,促进中风患者更好地应用所获得的电子健康信息解决自身健康问题。
七、患者或公众的贡献
本研究未涉及患者或公众的直接贡献,但结果对改善中风患者的电子健康素养有重要意义。
小结
本研究通过深入分析中风患者的电子健康素养,识别出多种潜在类别及其影响因素。这些发现不仅为制定针对性的健康教育计划提供了依据,也有助于医疗提供者改善中风患者的健康管理能力。研究表明,个体化的教育策略能够显著提升中风患者的电子健康素养,从而改善他们的健康状态和生活质量。
如何快速学会开展这类研究
第一步:理解研究背景
电子健康素养的定义
理解电子健康素养是什么,包括获取、理解和应用健康信息的能力,特别是在中风患者中的重要性。
识别研究意义
认识到提升中风患者的电子健康素养对其自我管理与治疗依从性的重要性,了解其在提高患者生活质量方面的潜在影响。
第二步:明确研究目标
设定主要研究问题
确定要研究的问题,例如:“中风患者电子健康素养存在哪些潜在类别?影响这些类别的因素是什么?”
第三步:选择研究设计
采用横断面研究设计
这种设计适合于在某一时刻收集各种数据,以评估中风患者的电子健康素养情况和影响因素。
使用STROBE核对表
确保研究设计与报告符合标准,提高研究的透明度和有效性。
第四步:参与者招募
确定样本来源
从医院中招募脑卒中患者。选择例如河南省的三级甲等医院作为样本来源。
样本大小
确保样本量充足,本研究使用了558名参与者,以确保结果的代表性和统计有效性。
第五步:数据收集
问卷设计
设计通用信息问卷和电子健康素养量表,以收集社会人口学信息和电子健康素养的相关数据。
问卷内容
通用信息问卷应包括参与者的年龄、性别、教育水平、合并症情况等信息,电子健康素养量表应涵盖与信息获取、理解和应用相关的问题。
第六步:数据分析
使用潜在特征分析(LPA)
分析不同电子健康素养的潜在类别,识别出低电子健康素养、高素养-低决策等类别。
多元逻辑回归分析
评估影响电子健康素养类别的因素,分析教育水平、健康信息来源等变量如何预测不同的潜在类别。
第七步:结果解释与展示
总结主要发现
识别出三种电子健康素养类别,并解释每个类别的特征及影响因素。
应用结果
强调医疗服务提供者如何根据不同类别的特征制定健康教育计划,以提高患者的电子健康素养。
第八步:撰写研究报告
结构化书写
按照规范的科研论文格式撰写,涵盖引言、方法、结果、讨论和结论等部分,确保每部分逻辑清晰、数据支持充足。
强调临床意义
在结论中强调研究发现对临床实践的影响,特别是在中风患者健康管理方面的应用。
第九步:分享与交流
发布研究结果
将研究结果提交至相关的学术期刊,或在科研会议上进行分享,积极与同行交流。
接受反馈
收集同行评审意见,改进研究方法或后续研究的设计。
第十步:持续学习与探索
关注领域动态
持续关注电子健康素养及相关领域的最新研究和动态,更新自己的知识体系。
将研究成果应用于实践
尝试将研究结果转化为具体的健康教育方案,实际应用于中风患者的教育与管理。
统计学知识点解读
1. 研究设计
横断面研究设计:
在特定时间点收集数据,以揭示变量之间的状态。这种设计适用于确认现象的存在,而非探讨因果关系。
STROBE报告核对表:
提供观察性研究的报告标准,确保研究的透明和全面,提升研究的可信度。
2. 样本选择
方便抽样法:
一种非概率抽样方法,基于方便获取的样本进行研究。虽然实施简单,但可能引入样本偏倚。
样本大小:
本研究的样本量为558名参与者,以确保结果具有统计有效性和较好的外部可推广性。
3. 数据收集
问卷设计:
包含一般信息问卷(收集社会人口学信息)和专门的量表,用于量化相关能力。设计时需确保问卷的有效性和可靠性。
4. 数据分析
潜在特征分析(LPA):
一种统计方法,用于揭示数据中的潜在类别或模式。通过分析参与者在多个维度上的得分,帮助识别不同的能力类别。
多元逻辑回归分析:
用于评估多个自变量(影响因素)与分类因变量(如能力类别)之间的关系的统计方法。结果显示了各个因素对分类的预测能力。
5. 预测因素
影响因素:
通过多元逻辑回归分析,研究确认了多个预测因素,例如:
教育水平:教育程度影响信息获取与理解的能力。
合并症:是否患有其他疾病可能影响信息获取的能力。
信息来源:获取健康信息的渠道(如互联网、医疗专业人士)。
上网频率:日常使用网络的频率与信息获取能力相关。
信息查询频率:主动查找健康信息的频率。
6. 结果展示
能力类别:
研究识别出三种不同的能力类别,并与不同的影响因素进行关联分析。
7. 临床意义
健康教育计划:
强调根据不同患者类别制定个性化健康教育计划的重要性,以提升患者的能力,帮助其更好地管理健康。
祝大家发文顺利,有什么不懂可以在评论区留言,吴老师尽量解答!零基础的同学可以咨询一对一辅导,快速发表SCI文章!
吴老师微信:wzp1670423539
还在担心没有SCI论文,缺少竞争力?找专人学习、快速发表人生第一篇SCI,点⬇️链接报名咨询!
0基础发护理SCI!一对一全程教学指导(教到发表模式)招生报名!
护研SCI专注护士SCI论文一对一指导,让每个护士都学会从0到1发表SCI!
我们定期解读优质文献,分享文章的具体思路和方法学。此外,我们面向护士提供高端一对一科研线上辅导,让零基础的普通人快速学会从0到1发表临床科研SCI论文。




感兴趣请扫描文末吴老师的二维码具体咨询如何加入SCI论文辅导项目。微信:wzp1670423539
本期编辑

你的分享、点赞、在看
我都喜欢



授人以鱼不如授人以渔
学无止境,终身学习!
