数字健康素养与心理健康状况之间的关系，受到焦虑情绪的调节，并受医疗资源可及性的影响

《Discover Public Health》：Digital health literacy and mental health well-being mediated by anxiety and moderated by access to healthcare

　　**摘要**

**背景**
数字健康素养一直被认为是影响心理健康的关键因素。然而，这种关系背后的机制，包括获得医疗保健的机会以及焦虑的作用，仍然研究不足。

**方法**
使用SPSS软件分析数据并检验假设。通过方便抽样，在多个机构中从256名参与者那里收集数据，使用了在线问卷。

**结果**
研究发现，焦虑在数字健康素养与心理健康之间的关系中起中介作用，而医疗保健的获取情况则调节了这种关系，增强了数字健康素养的积极影响。

**结论**
本研究强调了需要制定健康促进策略，将心理健康支持、数字素养和可及的医疗保健服务结合起来，以改善大学生的心理健康状况。当焦虑得到管理并且有足够的医疗保健资源时，数字健康素养对心理健康有显著的贡献。

---

**1 引言**
1.1 **背景**
在数字社会中，理解健康素养、焦虑、心理健康以及获得医疗保健（AHC）之间的关系至关重要，因为寻求数字健康的行为变得越来越普遍[1, 2]。数字健康素养（DHL）对于个人有效理解、获取和使用在线健康信息至关重要[3]。健康素养和电子健康素养被认为是促进明智决策和健康行为的关键[4, 5]。电子健康素养使个人能够评估、定位和应用在线健康信息[6, 7]。世界卫生组织（WHO）认为DHL是支持实现可持续发展目标3（良好的健康和福祉）以及改善人口健康的重要组成部分[8]。此外，DHL在概念上也与可持续发展目标17相一致，因为它有助于促进患者与医疗专业人员之间的沟通和合作，提高患者满意度[9]。然而，在巴基斯坦等发展中国家，关于这些关系的实证证据仍然有限。此外，延迟的医疗护理可能会恶化健康状况并导致经济困难，加剧贫困与健康之间的恶性循环。全球范围内，医疗保健的获取情况仍然不均衡，低社会经济群体或资源匮乏地区的个人面临显著障碍[10,11,12]。DHL可以通过改善医疗保健资源、减少焦虑和支持更好的健康结果来缓解这些挑战[13]。本研究探讨了DHL、焦虑、心理健康（MHWB）和医疗保健获取之间的相互依赖关系，旨在为改善个人福祉提供策略。从这些方面来看，这项研究有助于理解DHL对心理健康和医疗保健获取的影响。

1.2 **研究空白**
尽管过去的研究强调了使用和查找在线健康信息的数字能力的重要性[14]，但在理解DHL差异如何影响心理健康和焦虑方面，尤其是在边缘化人群中，仍存在明显的研究空白[15]。信息和通信技术改变了人们获取健康信息的方式，使DHL成为当前研究的中心[1]。DHL在公共卫生危机期间也证明了其重要性，影响了预防行为和福祉[16]，但大多数研究仍然主要关注信息搜索模式和在线内容的准确性[17, 18]。DHL与全球优先事项（如可持续发展目标3）保持一致，后者强调改善人口健康。然而，来自巴基斯坦等发展中国家的具体国家和机构背景的证据仍然有限。缺乏DHL与较差的心理健康和较高的焦虑水平有关，这突显了需要进行情境敏感的研究和干预[19]。总体而言，文献承认DHL的重要性，但对其如何通过焦虑影响心理健康福祉或医疗保健获取如何加强或削弱这些效应的见解有限。虽然信任和认知参与在决策中起着重要作用[20]，但焦虑的中介作用和医疗保健获取的调节作用仍不清楚[21]。鉴于在线上误导性健康信息的增加，这一点令人担忧；例如，84.1%的巴基斯坦大学生依赖互联网获取健康建议，但他们往往缺乏判断信息可信度的关键技能[22]。这些空白可能会加剧焦虑，特别是在那些在网络上非常活跃的年轻人中[23]。解决这些空白对于制定有效的策略以支持在日益数字化的健康环境中维护心理健康至关重要。

1.3 **研究的意义**
目前的研究不足之处在于没有充分探讨医疗保健获取如何调节焦虑与心理健康（MHWB）之间的联系，因此本研究填补了这一文献空白。理解这一点很重要，因为在线健康信息不仅仅是提供信息，它还能显著影响行为。通过探索DHL、医疗保健获取和焦虑之间的相互作用，可以指导开发出在不同数字能力水平上提升福祉的干预措施。提高DHL水平可能减少与健康信息相关的焦虑，支持更好地导航医疗系统，并最终增强心理健康结果。这些见解有助于解决医疗保健获取方面的差异，特别是对于医疗保健资源有限的个体。通过使个人能够高效地理解和使用健康信息，这项研究可以促进对医疗服务的满意度、改善决策，并增强促进健康行为的参与度。这项研究还得到了自我决定理论的支持，该理论认为能力、自主性和关联性是塑造动机、行为和福祉的重要心理需求。当这些需求得到满足时，个人在获取知识、与他人互动和应用知识方面表现出更大的自信。这些因素与更好的心理健康密切相关[1]。

1.4 **基础理论**
本研究基于保护动机理论和健康信念模型，但自我决定理论（SDT）为理解所涉及的心理过程提供了最相关的依据。SDT解释了如何通过支持能力、自主性和关联性来增强对健康信息的参与，而这些需求的挫败感可能会引发焦虑并削弱福祉[24]。独立性反映了对自己健康决策的控制感；能力涉及理解和使用健康信息的信心；关联性指的是有意义的社会联系和支持[25]。SDT已在健康领域得到广泛应用，包括目标设定、体育活动和行为改变[26, 27]。它在数字健康方面的相关性已经得到证实，因为基于SDT原则的数字干预措施比缺乏SDT框架的措施产生了更强的行为结果[28]。在本研究的框架下，SDT有助于阐明DHL如何通过感知的控制、与健康信息的互动以及动机的形成来影响心理健康。

1.5 **研究问题**
本研究的问题如下：
1. DHL如何影响心理健康（MHWB）？
2. DHL如何影响焦虑？
3. 焦虑如何影响心理健康（MHWB）？
4. 焦虑在DHL和心理健康（MHWB）之间起什么中介作用？
5. 医疗保健获取（AHC）是否调节DHL和心理健康（MHWB）之间的联系？

1.6 **研究目标**
本研究的目标如下：
1. 探究DHL对心理健康（MHWB）的影响。
2. 评估DHL对焦虑的影响。
3. 探索焦虑对心理健康（MHWB）的影响。
4. 确定焦虑是否在DHL和心理健康（MHWB）之间的关系中起中介作用。
5. 评估医疗保健获取（AHC）是否调节DHL和心理健康（MHWB）之间的关系。为了指导分析，本研究还基于DHL、焦虑、医疗保健获取和心理健康（MHWB）之间提出的关系检验了一组假设。概念模型展示了这些变量之间的假设关系，见图1。

**图1**
该图像的替代文本可能是使用AI生成的。

**研究模型**
H1：DHL对心理健康（MHWB）有显著的积极影响。
H2：DHL对焦虑有积极影响。
H3：焦虑对心理健康（MHWB）有显著的负面影响。
H4：焦虑在DHL和心理健康（MHWB）之间起中介作用。
H5：医疗保健获取（AHC）调节DHL和心理健康（MHWB）之间的积极关系，使得当AHC水平较高时，这种关系更强。

**2 研究方法**
2.1 **研究设计**
本研究采用了横断面解释性设计，以探讨DHL如何影响心理健康（MHWB），包括焦虑的中介作用和医疗保健获取（AHC）的调节效应。这种设计不操纵变量，适合确定方向性路径。

2.2 **环境和参与者**
研究参与者是来自巴基斯坦马拉坎德、巴焦尔和伊斯兰堡的公立和私立机构的本科和研究生。选择这些参与者是因为他们年轻、数字化活跃，并且经常接触在线健康信息。分析单位是个别学生，从而提供了不同的社会经济背景、心理健康经历和数字接触情况的多样性。

2.3 **抽样**
对于离散人群和在线数据收集，由于实用性考虑，采用了方便抽样策略。通过学术网络和社交媒体平台接触参与者。由于方便抽样适用于探索性研究（在这种情况下概率抽样不可行[29, 30]），因此选择了这种抽样方法。共邀请300名参与者完成问卷调查，其中256人完整填写了问卷，不完整的问卷被排除在外，最终样本量为256人。

2.4 **测量和量表**
研究中使用的问卷包括人口统计项目和四个经过验证的量表。DHL通过8项eHEALS量表进行评估（α = 0.94）。医疗保健获取（AHC）通过Hoseini等人改编的5项量表进行评估（α = 0.86）。焦虑通过7项GAD-7量表进行评估（α = 0.95）。心理健康（MHWB）通过WHO-5量表进行评估（α = 0.89）。所有量表都采用了5点李克特格式。

2.5 **数据分析**
统计分析和数据清洗通过SPSS软件完成。计算了研究测量和人口统计变量的描述性统计量。使用Cronbach’s alpha评估可靠性。使用皮尔逊相关性来探索变量之间的关联。在适当的情况下应用了一元方差分析（one-way ANOVA）。进行了回归分析、中介作用和调节作用测试以检验假设。

**3 结果**
总体而言，研究结果提供了关于DHL是否预见到心理健康（MHWB）、焦虑是否在两者之间起中介作用以及医疗保健获取（AHC）是否作为调节因素的见解。为了研究这些变量之间的关系，进行了定量分析。使用描述性统计、一元方差分析、相关性和回归分析来检验假设，并确定变量之间关系的强度和方向。

3.1 **定量分析**
进行了描述性分析，总结了人口统计特征，包括年龄、性别和教育水平，见表1。SPSS软件用于统计测试和数据筛选。数据集包括256名参与者的回答。

**表1 受访者的人口统计特征**

3.2 **性别**
在256名受访者中，66名为女性，190名为男性。性别分布显示大多数是男性受访者。

3.3 **年龄**
参与者被分为五个年龄组。大多数人的年龄在21-25岁之间，这与研究中的大学生群体相符。

3.4 **教育程度**
根据教育水平，参与者被分为两组：本科和研究生。大多数参与者是研究生。

3.5 **描述性分析**
计算了所有研究变量的描述性统计量，包括标准差、平均值、偏度和峰度，以检查正态性。偏度和峰度值在-2到+2之间表示正态性水平令人满意[31]，注意峰度值在-7到+7之间适用于结构方程或回归分析[32, 33]。所有变量都在这些推荐范围内，确认数据满足正态性假设。描述性统计结果见表2。

**表2 描述性分析**

3.6 **相关性分析**
表3显示了研究中各变量之间的皮尔逊相关系数。DHL与心理健康（MHWB）之间存在显著的正相关（r = 0.422, p < 0.05），表明DHL水平较高的个体报告更好的心理健康。DHL也与焦虑呈正相关（r = 0.376, p < 0.001），表明对健康信息的更多了解可能会增加焦虑。医疗保健获取（AHC）与DHL（r = 0.279, p < 0.01）和心理健康（MHWB）（r = 0.427, p < 0.01）呈中等程度的相关性，表明医疗保健获取更好的个体报告更强的心理健康。AHC与焦虑呈负相关（r = –0.189，p < 0.05），表明AHC服务可能有助于减轻焦虑。焦虑与MHWB（心理健康幸福感）也呈显著负相关（r = –0.177，p < 0.01），这反映出焦虑程度较高的人往往心理健康和幸福感较差。所有相关系数均未超过0.80，说明不存在多重共线性问题，这些变量可以在回归和调节模型中可靠地进行分析。表3显示了相关分析结果。

进行了单因素方差分析（one-way ANOVA），以确定MHWB是否因年龄、性别和资格等人口统计变量而有所不同。结果显示，所有人口统计类别之间的差异均不显著（p值均大于0.05），表明在本研究中，人口统计特征对MHWB没有影响。

通过多个阶段进行了回归分析，以研究DHL（数字健康素养）、AHC（医疗保健可及性）和焦虑对MHWB的预测效应。分析显示，初始回归模型中DHL解释了MHWB方差的42.1%（R2 = 0.421；调整后R2 = 0.417）。DHL显著预测了MHWB（β = 0.310，p < 0.001），表明它与心理健康改善有关。此外，即使DHL水平较低，MHWB仍能保持在一个基线水平，这表明其他因素（尤其是外部因素）也起到了作用。

研究还使用了中介回归分析来检验焦虑是否在DHL与MHWB之间起中介作用。结果表明，DHL直接显著预测了MHWB（β = 0.419，p = 0.002），同时DHL也显著预测了焦虑（β = 0.294，p = 0.006）；而焦虑则负向预测了MHWB（β = –0.222，p < 0.001）。DHL通过焦虑对MHWB的间接效应显著（β = 0.412，p = 0.001），置信区间不包含零（LLCI = 0.3497，ULCI = 0.9687），从而证实了中介作用的存在。

进一步进行了调节分析，以考察AHC是否调节了DHL与MHWB之间的关系。结果显示，AHC对MHWB有正向预测作用（β = 0.391，p = 0.001），并且AHC本身也具有统计学上显著的直接效应（β = 0.029）。DHL与AHC的交互项（DHL × AHC）同样显著（β = 0.507，p < 0.001），表明AHC增强了DHL对MHWB的正面影响。这种调节作用在图2中得到了体现，置信区间也不包含零（LLCI = 0.124，ULCI = 0.419）。

讨论部分指出，本研究探讨了DHL如何通过焦虑直接和间接影响MHWB，以及AHC是否调节了DHL与MHWB之间的关系。先前的研究一致表明，DHL有助于促进更健康的行为，减少在线信息使用时的不确定性，并改善心理状况[1, 15]。本研究的结果显示，较高的DHL水平与对健康相关风险的更高意识相关，但这种意识提升也使学生能够采取更积极和知情的健康行为，从而提升他们的心理健康幸福感。在这种情况下，焦虑起到了适应性中介的作用，将知识转化为有效的应对策略和自我照顾。大学生经常面临学术压力、经济压力、社交适应以及日益增长的独立性等挑战，这些都可能加剧焦虑。DHL作为保护因素发挥了作用——能够解读、搜索和批判性评估数字健康信息的学生更能避免错误信息并识别可信内容[22, 23]。获取准确信息有助于减少恐惧和困惑，鼓励及时寻求帮助并采取更健康的应对方式，最终改善心理健康。研究结果表明，AHC显著调节了DHL与MHWB之间的关系；AHC水平较高的学生从DHL中获得了积极影响，这突显了可及性服务的重要性。然而，资源限制、经济困境以及寻求心理支持的污名化等问题仍然影响着学生。加强DHL建设，同时改进外展服务、咨询服务和同伴支持机制，可能有助于缓解这些问题并提升心理健康水平。心理健康状况受到环境条件和个人能力的共同影响。来自弱势群体或资源有限背景的学生可能在健康素养、数字信息获取和医疗资源可用性方面面临更多挑战[21]。因此，干预措施必须考虑公平性，确保心理健康支持能够覆盖不同学生群体。定量研究结果支持了这些观点。

研究的局限性在于，虽然研究结果符合全球健康目标（如SDG 3和17），但仅使用了256名巴基斯坦学生的便利样本，这限制了结果的普遍性。未来研究应考虑更大、更多样化的样本，以在不同社会经济和地理背景下验证研究中的机制。此外，涉及焦虑的中介路径仅得到部分支持，说明需要进一步考察可能影响这一关系的情境或心理因素。横断面研究设计限制了因果关系的解释，纵向研究有助于确定DHL是否随时间推移影响心理健康和焦虑的变化。未来研究还应比较城市和农村人口，因为他们在社会经济条件、数字基础设施和医疗服务获取方面存在差异。探索不同环境中DHL、获取障碍以及人们使用数字心理健康工具方式的差异，有助于制定更加公平和有针对性的干预措施。虽然本研究符合全球健康目标，但样本规模较小，限制了结果的普遍性。未来研究应采用更大、更具代表性的样本，以在不同社会经济和地理背景下验证这些机制。

结论部分强调，DHL在支持心理健康幸福感（MHWB）和提高学生对焦虑的认识方面具有重要作用。加强DHL需要医疗保健提供者、学术机构、技术开发商和政策制定者的共同努力。提升DHL不仅有助于改善心理健康，还能促进学生的长期福祉。