编辑推荐：
在人工智能（AI）重塑医疗格局之际，护士对 AI 的态度关乎其在临床的应用。研究人员开发并验证了针对土耳其护士的 AI 态度量表。结果显示该量表效度和信度良好，为医护 AI 融合及培训提供关键依据。
随着科技的飞速发展，人工智能（Artificial Intelligence，AI）已逐渐渗透到医疗领域的各个角落。从疾病诊断到治疗方案的制定，AI 展现出巨大的潜力。在全球范围内，各国都在积极探索 AI 在医疗健康领域的应用，世界卫生组织（WHO）也强调了利用数字技术提升健康水平的重要性。预计到 2025 年，全球在医疗 AI 方面的支出将大幅增长。
然而，在 AI 为医疗带来诸多便利的同时，也引发了一系列问题。对于占医疗劳动力半数以上的护士而言，他们对 AI 的态度至关重要。一方面，AI 算法融入护理工作，有助于提升患者护理质量，辅助临床决策、减少失误、优化护理计划制定，还能减轻护士工作量；另一方面，AI 在医疗应用中的伦理困境、数据隐私问题、潜在的工作替代风险等，也引发了广泛担忧。
此前评估 AI 态度的量表，大多是针对普通成年人，缺乏从护理专业视角出发，专门测量护士对 AI 态度的工具。为填补这一空白，来自土耳其 Do?u?大学护理系的 Tu?ba ?ztürk Y?ld?r?m 和 Sivas Cumhuriyet 大学社会科学研究所工商管理系的 Mesut Karaman 开展了一项研究。他们旨在开发并验证一种专门用于测量土耳其护士对 AI 态度的量表，相关研究成果发表在《BMC Nursing》杂志上。
研究人员采用了一系列严谨的研究方法。首先，通过全面的文献回顾创建量表项目池，初步确定 75 个项目，经研究团队评估和专家审查，最终精简为 32 个项目。在样本选择上，依据文献推荐，经过 G*Power 分析，确定 620 名参与者的样本量较为合适，最终共有 678 名护士自愿参与研究。数据收集阶段，运用在线调查（Google Form），分为社会人口信息和量表项目两部分内容。在数据分析时，借助 IBM SPSS Statistics Version 26 和 AMOS 24 软件，进行描述性统计、项目分析、探索性因子分析（Exploratory Factor Analysis，EFA）、验证性因子分析（Confirmatory Factor Analysis，CFA），同时评估聚合效度、区分效度、内部一致性信度和重测信度。
在研究结果方面：
- 社会人口学特征：参与研究的 678 名护士中，女性占 90.1%，已婚者占 63.7% ，43.1% 的护士年龄在 31 - 40 岁之间。多数护士（56%）拥有本科学历，55.5% 在综合医院工作，69.6% 就职于住院治疗单元。在专业经验上，46.2% 的护士有 1 - 10 年护理工作经验。大部分护士（80.4%）对 AI 持积极态度，93.4% 认为 AI 正在改变日常生活和职业生活，76.1% 有过 AI 应用经历。
- 结构效度：EFA 前，数据的 KMO 值为 0.88，Bartlett 球形检验显著（χ2=11.190；df=496；p<0.001），表明数据适合进行因子分析。采用 Varimax 旋转法，得到 4 个特征值大于 1 的因子，解释了 72.185% 的总方差，且所有项目因子载荷均大于 0.50。CFA 结果显示，模型拟合度良好（χ2/df=2.154；RMR=0.071；GFI=0.936；AGFI=0.957；NFI=0.950；IFI=0.965；TLI=0.962；CFI=0.958；RMSEA=0.064），据此确定了 “护理（Nursing Care）”“组织（Organization）”“伦理（Ethics）”“人工智能准备度（Artificial Intelligence Readiness）”4 个子量表。
- 聚合效度和区分效度：各因子的平均方差提取量（AVE）均大于 0.5，组合信度（CR）均大于 0.7，且 AVE 的平方根大于因子间相关性，证明量表具有良好的聚合效度和区分效度。
- 信度：量表的 Cronbach's alpha 系数为 0.925，各子量表在 0.913 - 0.960 之间，表明内部一致性信度极佳。量表重测的组内相关系数（ICC）平均为 0.947，各子量表 ICC 也较高，且两次测量呈显著正相关，说明量表具有高重测信度。
综合研究结果与讨论，该研究开发的护士人工智能态度量表具有良好的效度和信度，能够有效测量土耳其护士对 AI 的态度。这不仅有助于深入了解护士对 AI 的看法，还为制定 AI 相关培训计划、推动医疗服务数字化转型提供了有力依据。同时，研究也指出了局限性，如文化背景对结果的影响、量表语言适应性问题等，为后续研究指明了方向。总体而言，这项研究在护士与 AI 融合的进程中迈出了重要一步，对医疗领域的 AI 应用和护理实践发展具有重要意义。
