护理文献精选|郑州大学护理团队发表高分SCI,中风患者的“数字健康”画像:基于LPA的三种潜在亚群与精准干预策略!
在“互联网+医疗”时代，中风患者是否具备足够的“电子健康素养”来进行自我管理？这不仅看总分，更要看“类型”。
2025年3月，护理学顶刊 《Journal of Advanced Nursing》 (JAN, JCR Q1) 发表了一项题为 《E-health literacy in stroke patients: Latent profile analysis and influencing factors》 的实证研究。
该研究摒弃了传统的“平均分”评价模式，利用 潜在剖面分析（LPA） 技术，对558名中风患者进行了“精准画像”，识别出三种特征迥异的电子健康素养亚群。这一发现为神经科护理的精准健康教育提供了关键实证依据！
中风患者的康复是一个漫长的过程，获取和利用网络健康信息的能力（即电子健康素养）至关重要。然而，既往研究多关注变量间的线性关系，忽视了患者群体内部的异质性（Heterogeneity）。
本研究采用了严谨的横断面设计，结合高级统计方法，确保了结论的科学性。
样本来源：2020年7月-10月，在河南省3家三甲医院招募了558名中风患者。
评估工具：eHEALS电子健康素养量表 + 自编一般资料问卷。
统计利器：
潜在剖面分析 (LPA)：使用Mplus软件，确定最佳分类数（见Table 2）。
多元Logistic回归：基于变量赋值表（Table 3），深挖影响分类的独立预测因子。
随着类别数增加，AIC/BIC/aBIC逐渐降低。
3类模型的 Entropy（熵值）高达0.961，分类准确率极高。
LMR和BLRT检验均为 $P<0.001$，且各类别占比合理（54%/26%/20%）。
结论：3-Profile模型是最佳选择！
2. LPA聚类：三种典型亚群（基于Figure 1）
🟧 类别1：低电子健康素养组 (Low e-health literacy group)
占比：54%（人数最多）。
特征：如图中橙色方块线所示，所有条目得分均处于最低水平（1-1.5分左右）。这类患者是“数字遗民”，基本不具备网络健康信息获取能力。
⚪ 类别2：低应用-高决策组 (Low application-high decision-making group)
占比：26%。
特征：如图中灰色三角线所示，虽然整体得分不高，但在决策相关条目上有明显突起。这类患者实操能力弱，但很有主见。
🟡 类别3：高素养-低决策组 (High literacy-low decision-making group)
占比：20%。
特征：如图中黄色交叉线所示，整体得分最高（3.5-4分），但在最后关于“决策应用”的条目上有所下降。这类患者是“理论巨人，行动矮子”，查得虽然多，但不敢用。
针对“低素养组”（橙线）：
策略：基础扫盲。手把手教会他们如何连接WiFi，如何使用微信关注医院公众号，推送最简单的图文或视频信息。
针对“低应用-高决策组”（灰线）：
策略：技能强化。他们有决策意愿，但缺乏检索技巧。应重点培训如何使用搜索引擎关键词，如何辨别虚假医疗广告。
针对“高素养-低决策组”（黄线）：
策略：赋能转化。他们懂得多但犹豫不决。医护人员应扮演“咨询顾问”角色，帮助他们确认网络信息的准确性，增强其将信息转化为行动的信心。
想发表类似的SCI高分文章？请收好这份“保姆级”实操路线图：
Phase 1: 变量准备与赋值 (Table 3)
自变量处理：如Table 3所示，将分类变量进行数字化赋值。
例如：学历（小学=1…大学=4），收入分段赋值。这是做回归分析的基础。
工具选择：选择一个维度丰富、条目适中（8-10个）的量表作为LPA的显变量（如eHEALS）。
Phase 2: LPA模型构建 (Table 2)
步骤：
从1类模型开始跑，逐渐增加到4-5类。
看指标：找AIC、BIC、aBIC越小越好的模型。
看P值：LMR和BLRT必须显著（$P<0.05$）。
看Entropy：大于0.8表示分类清晰（本文0.961，非常完美）。
看占比：最小类别的样本量最好不低于总样本的5%。
Phase 3: 命名与绘图 (Figure 1)
绘图：将各类别在每个条目上的平均分画成折线图（如Figure 1）。
命名：这是最考水平的一步！ 不要只叫“高/中/低”。
本文将中间组命名为“低应用-高决策”，抓住了折线的形态特征（Shape），比单纯的“中等组”更有学术深度。
方法：以LPA分类结果（1, 2, 3）为因变量，进行无序多分类Logistic回归。
目的：找出哪些人口学特征（如Table 3中的变量）能预测患者属于哪一类。
如需论文原文 PDF，扫码添加作者微信（备注“论文”），仅供学术交流使用。
📚 如果你喜欢这样的深度分享，欢迎留言交流。
🧠 也欢迎加入我们的文献学习社群，和一群热爱思考的人一起前行
最后记住： 阅读文献不仅是获取信息，更是学习如何做研究、如何思考和如何表达的过程。每一次认真的文献阅读，都是科研成长路上的一次积淀。刚开始可能每篇都要花数小时，但随着经验积累，你会越来越熟练地抓住重点，效率也会大幅提升。💪🏻“与其一个人走得快，不如一群人走得远。”加入我们，一起沉下心来读文献、聊研究、交朋友。
