Fatigue and workload status among medical students and its influence on sleep and emotion: based on latent profile analysis
-
摘要:
目的 了解医学生的疲劳和负荷状况，探讨疲劳与负荷在医学生群体中的潜在剖面及对睡眠和情绪的影响。 方法 选取医学院校学生作为调查对象，采用横断面设计、便利抽样方法，以线上线下混合的方式通过问卷星开展调查。运用一般人口学资料调查表、抑郁-焦虑-压力自评量表、匹兹堡睡眠质量指数、埃普沃思嗜睡量表、失眠严重程度指数、美国国家航空航天局任务负荷指数（NASA-TLX）和疲劳量表，调查医学生的基本信息及其情绪（抑郁、焦虑和压力）、睡眠（睡眠质量、嗜睡和失眠）、负荷和疲劳状况，基于潜在剖面分析，对负荷-疲劳的类型及在睡眠和情绪上的差异进行分析。 结果 纳入医学生共计485名，平均年龄（22.07±2.42）岁。NASA-TLX总分（64.44±12.50）分，疲劳量表总分（7.90±3.63）分。医学生负荷-疲劳模式可分为3类：低负荷-中疲劳组（12.8%）、中负荷-低疲劳组（32.8%）和高负荷-高疲劳组（54.4%）。在负荷和疲劳各维度上，中负荷-低疲劳组业绩水平得分最高（均P＜0.05），低负荷-中疲劳组努力程度和业绩水平得分最低（均P＜0.05），高负荷-高疲劳组任务相关需求和受挫程度得分最高（均P＜0.05）。在睡眠和情绪状况上，中负荷-低疲劳组显著好于高负荷-高疲劳组和低负荷-中疲劳组（均P＜0.05）。 结论 医学生群体存在较大的负荷和主观疲劳感，应适度调节负荷，关注睡眠和情绪状况，缓解疲劳水平，维护个体身心健康。 Abstract:Objective To investigate the fatigue and workload status among medical students, and to explore the latent profiles of fatigue and workload and their effects on sleep and emotion. Methods A cross-sectional study design with convenience sampling was employed to distribute a comprehensive survey via mixed online and offline modes, and medical college students were enrolled as the subjects for this investigation. The general demographic data, depression, anxiety and stress scale, Pittsburgh sleep quality index, Epworth sleepiness scale, insomnia severity index, National Aeronautics and Space Administration task load index (NASA-TLX) and fatigue scale-14 (FS-14) were used to investigate the basic information of the medical students, their emotions (depression, anxiety and stress), sleep (sleep quality, sleepiness and insomnia), workload and fatigue status. Based on latent profile analysis, the types of workload-fatigue profiles and differences in sleep and emotion were analyzed. Results A total of 485 medical students were enrolled, with an average age of (22.07±2.42) years. The total score of the NASA-TLX was 64.44±12.50, and the total score of the FS-14 was 7.90±3.63. Latent profile analysis identified 3 distinct workload-fatigue profiles: low workload-medium fatigue group (12.8%), medium workload-low fatigue group (32.8%), and high workload-high fatigue group (54.4%). Among these, the medium workload-low fatigue group exhibited the highest performance level (all P < 0.05), while the low workload-medium fatigue group showed the lowest effort level and performance level (all P < 0.05). The high workload-high fatigue group showed the highest task-related demand and frustration level (all P < 0.05). Regarding sleep and emotional status, the medium workload-low fatigue group had significantly better outcomes compared to the high workload-high fatigue group and the low workload-medium fatigue group (all P < 0.05). Conclusion Medical students experience a heavy workload and subjective fatigue. It is essential to appropriately adjust their workload, prioritize sleep and emotional well-being, and alleviate fatigue levels, so as to sustain personal physical and mental health. -
Keywords:
- medical students /
- fatigue /
- workload /
- latent profile analysis /
- sleep /
- emotion
-
疲劳是人体长时间劳累后出现的不适感增加和效率降低的状态[1]，与个体的身心健康紧密相关。研究表明疲劳是10%~20%的患者就诊的主/次要原因[2]，疲劳个体的抑郁症状和患病率显著增加[3]。此外，疲劳也是直接影响工作绩效和人因事故发生的一个关键因素，在医疗卫生、道路驾驶、航空航天、海上环境等各领域内引起了广泛关注[4]。疲劳与许多因素有关，其中负荷与疲劳关系密切。在研究中通常以工作负荷指代负荷，国际标准化组织（International Organization for Standardization，ISO）将其定义为工作系统中外部条件和要求的总和，它影响一个人的生理和/或心理状态[5]。研究表明更高的主观疲劳水平与更高的负荷相关[6-7]，也有研究表明负荷与疲劳之间的关系遵循倒U型曲线[8]。结论的差异可能与研究人群和任务性质等因素有关，负荷与疲劳的关系仍需进一步探究。
目前医疗领域内的负荷与疲劳问题已开展了大量研究，结果表明医疗从业人员的疲劳发生率为21.6%~91.9%[9]，负荷是影响医疗服务质量与安全的关键因素[10]。作为未来的医疗卫生从业者，医学生常处于学业、科研、人际关系及医疗任务等多重任务类型的负荷环境中，面临繁重的学业和考试、竞争激烈的同辈压力、艰辛的科研和临床任务，以及昼夜节律紊乱等挑战，与其他学科专业相比有高程度的疲劳感[11-12]，然而对于医学生的负荷和疲劳状况研究有限。
本研究旨在探讨医学生群体的负荷和疲劳状况，基于以个体为中心（person-centered）的方法，采用潜在剖面分析（latent profile analysis）识别医学生群体中负荷-疲劳的潜在类别，揭示不同类别的特征差异，并探讨其对睡眠质量及情绪状态的影响。通过本研究可为医学教育实践提供依据，加强预防性策略以降低过度疲劳风险，保障未来医务工作者身心健康与医疗服务质量安全。
1 对象和方法
1.1 研究对象
采用便利抽样法，选取某医学院校学生为调查对象。纳入标准：（1）医学院校各专业本科生或研究生；（2）自愿参与调查。排除标准：（1）休假或休学；（2）不能配合调查。样本量的估算依据Kendall样本量估计法，即样本量为变量数的5~10倍[13]。考虑到约10%的无效问卷率，实际所需的样本量为116~231名参与者。最终本研究招募并纳入分析的参与者共计485人。
1.2 研究工具
1.2.1 一般人口学资料
自编人口学信息调查表，内容包括性别、出生年月、年级、学历、家庭关系、同学关系、综合成绩排名，其中家庭关系和同学关系为1~3级评分，综合成绩排名为1~4级评分。
1.2.2 情绪状况
抑郁-焦虑-压力自评量表（depression，anxiety and stress scale；DASS）简版[14-15]由3个子量表组成，分别用于评估抑郁、焦虑和压力的症状表现。DASS各子量表均包含7个条目，每个条目按照0~3级等级评分。各子量表的得分通过将所属条目分数相加后乘以2计算得出。总分越高表明相应症状的严重程度越高。在本研究样本中抑郁、焦虑和压力分量表Cronbach’s α系数分别为0.867、0.836和0.863。
1.2.3 睡眠状况
匹兹堡睡眠质量指数（Pittsburgh sleep quality index，PSQI）[16]是用于主观评估睡眠质量的标准化问卷，共7个维度，采用0~3级评分，PSQI总分为0~21分，得分越高表示睡眠质量越差。本研究样本PSQI的Cronbach’s α系数为0.676。
埃普沃思嗜睡量表（Epworth sleepiness scale，ESS）[17]是用以评估日间过度嗜睡情况的简易评估量表。ESS共8个条目，采用0~3级评分，总分为0~24分，得分越高说明日间嗜睡越严重。在本研究样本中ESS的Cronbach’s α系数为0.837。
失眠严重程度指数（insomnia severity index，ISI）[18]是一种简短的用于测量感知失眠严重程度的自我报告工具。ISI包括7个条目，每个条目计0~4分，总分为0~28分，得分越高说明失眠程度越重。本研究样本中ISI的Cronbach’s α系数为0.867。
1.2.4 负荷状况
美国国家航空航天局任务负荷指数（National Aeronautics and Space Administration task load index，NASA-TLX）[19-20]是迄今使用最为广泛的任务负荷评估工具之一。NASA-TLX从脑力需求（mental demand）、体力需求（physical demand）、时间需求（temporal demand）、努力程度（effort）、业绩水平（performance）和受挫程度（frustration level）6个维度对总体负荷程度进行评定，总分为0~100分，得分越高表示总体负荷程度越高。在本研究样本中NASA-TLX的Cronbach’s α系数为0.618。
1.2.5 疲劳状况
疲劳量表（fatigue scale-14，FS-14）[21]用于测量正常人群疲劳的程度，分2个维度：躯体疲劳（physical fatigue）包括第1~8条目，脑力疲劳（mental fatigue）包括第9~14条目。采用2分制评分法，总分为0~14分，得分越高表示疲劳程度越重。在本研究样本中FS-14躯体疲劳维度的Cronbach’s α系数为0.786，FS-14脑力疲劳维度的Cronbach’s α系数为0.749，总量表的Cronbach’s α系数为0.833。
1.3 研究流程
采用横断面设计，以线上线下混合的方式通过问卷星发布调查问卷，数据收集采用匿名自填问卷的方式。学生自愿参与调查，在调查正式开始前介绍研究目的和内容，并获得知情同意。
1.4 统计学处理
使用SPSS 27.0软件进行数据分析。经Q-Q图检验正态性，计量资料以x±s或x±sx表示，采用t检验或方差分析比较组间差异。计数资料以频数和百分数表示。使用Mplus 8.3软件进行潜在剖面分析，以NASA-TLX的6个维度（脑力需求、体力需求、时间需求、努力程度、业绩水平和受挫程度）和FS-14的2个维度（躯体疲劳和脑力疲劳）为外显变量，依次选取1~4个剖面进行拟合，计算各模型参数，依据赤池信息准则（Akaike information criterion，AIC）、贝叶斯信息准则（Bayesian information criterion，BIC）、样本校正贝叶斯信息准则（sample size-adjusted BIC，aBIC）和熵（entropy），基于Bootstrap似然比检验（Bootstrap likelihood ratio test，BLRT）和Lo-Mendell-Rubin似然比检验（Lo-Mendell-Rubin likelihood ratio test，LMR）值分析n与n－1个潜在类别模型间的差异，综合各项指标，最后选择符合最佳拟合指数的潜在剖面模型。采用单因素方差分析比较组间各维度差异，方差不齐时采用Welch检验校正，进一步多重比较采用Scheffe检验或Tamhane’s T检验。考虑分类误差，纳入协变量使用BCH法进一步分析。检验水准（α）为0.05。
2 结果
2.1 共同方法偏差检验
采用Harman单因素法检验共同方法偏差，结果显示特征根大于1的因子共有13个，第1个因子解释的变异量为25.46%，小于临界值40%，表明本研究不存在严重的共同方法偏差。
2.2 人口学资料及负荷、疲劳得分差异
485名医学生的平均年龄为（22.07±2.42）岁，56.3%为男生，84.5%为本科生，43.7%为大三学生，86.4%家庭关系较好，83.3%与同学相处较好，66.8%综合成绩排名前50%。NASA-TLX得分在性别（t＝3.05，P＝0.002）上的差异有统计学意义，FS-14得分在性别（t＝－3.18，P＝0.002）、家庭关系（F＝9.37，P＜0.001）和与同学关系（F＝18.21，P＜0.001）上的差异均有统计学意义。见表 1。
表 1 负荷和疲劳评分在人口学变量特征上的差异Table 1 Differences in workload and fatigue scores among demographic characteristicsN＝485 Variable Case, n (%) NASA-TLX, x±s FS-14, x±s Score Statistic P value Score Statistic P value Gender t＝3.05 0.002 t＝－3.18 0.002 Male 273 (56.3) 65.95±13.07 7.44±3.64 Female 212 (43.7) 62.50±11.46 8.49±3.54 Educational level t＝0.00 0.998 t＝－0.68 0.496 Bachelor 410 (84.5) 64.44±12.70 7.85±3.66 Postgraduate 75 (15.5) 64.44±11.39 8.16±3.47 Grade level F＝0.62 0.687 F＝1.89 0.095 First year 54 (11.1) 65.17±11.73 8.06±3.30 Second year 79 (16.3) 65.12±11.99 8.32±3.55 Third year 212 (43.7) 64.71±12.36 7.89±3.73 Fourth year 90 (18.6) 63.16±13.60 7.04±3.76 Fifth year 38 (7.8) 65.00±14.11 8.95±3.21 Others 12 (2.5) 59.93±7.07 7.67±3.42 Family relationship quality F＝0.54 0.583 F＝9.37 ＜0.001 Poor 13 (2.7) 66.03±16.55 10.69±3.61 Moderate 53 (10.9) 62.89±11.25 9.32±3.64 Good 419 (86.4) 64.59±12.52 7.63±3.56 Peer relationship quality F＝0.88 0.416 F＝18.21 ＜0.001 Poor 13 (2.7) 65.45±12.56 11.69±3.17 Moderate 68 (14.0) 66.23±12.03 9.59±3.20 Good 404 (83.3) 64.11±12.57 7.49±3.57 Comprehensive score ranking F＝0.13 0.944 F＝1.13 0.336 ≤25% 157 (32.4) 64.94±11.33 7.63±3.63 26%-50% 167 (34.4) 64.15±13.18 7.81±3.54 51%-75% 114 (23.5) 64.31±12.05 8.07±3.59 76%-100% 47 (9.7) 64.11±14.91 8.68±4.03 NASA-TLX: National Aeronautics and Space Administration task load index; FS-14: Fatigue scale-14. 2.3 医学生负荷-疲劳的潜在剖面
医学生NASA-TLX总分为（64.44±12.50）分，其中NASA-TLX脑力需求得分为（72.16±20.33）分，NASA-TLX体力需求得分为（47.75±24.50）分，NASA-TLX时间需求得分为（71.89±19.05）分，NASA-TLX努力程度得分为（72.95±20.04）分，NASA-TLX业绩水平得分为（62.38±20.02）分，NASA-TLX受挫程度得分为（59.52±23.39）分。FS-14总分为（7.90±3.63）分，其中FS-14躯体疲劳得分为（5.17±2.26）分，FS-14脑力疲劳得分为（2.72±1.91）分。
以NASA-TLX的6个维度（脑力需求、体力需求、时间需求、努力程度、业绩水平和受挫程度）和FS-14的2个维度（躯体疲劳和脑力疲劳）为外显变量，依次选取1~4个剖面进行拟合，计算各模型参数。拟合指标包括：（1）信息评价指标（AIC、BIC和aBIC，各值越低表示该模型类别的拟合越好）；（2）分类精度指标（熵，取值范围为0~1，越接近1表示该模型的分类越精确，当熵≥0.8时，该模型的分类精确率超过90%）；（3）似然比指数（LMR和BLRT，当P＜0.05时表明n类剖面模型优于n－1类剖面模型，n类别模型的拟合更优）。此外，所有拟合模型需满足每个潜在类别的样本占比＞5%。
依据潜在剖面分析的结果进行各类别模型比较，3类别模型熵≥0.8，LMR和BLRT结果显示P＜0.05，说明3类别模型的拟合效果较好（表 2），选择模型3作为医学生负荷-疲劳最佳分类模型。
表 2 医学生负荷-疲劳的潜在剖面拟合指标Table 2 Latent profiles fit indicators of workload-fatigue among medical studentsModel AIC BIC aBIC Entropy P valuea P valueb Latent profile proportions 1 11 034.955 11 101.901 11 051.118 2 10 660.199 10 764.803 10 685.455 0.889 0.033 ＜0.001 0.159/0.841 3 10 450.540 10 592.801 10 484.887 0.805 ＜0.001 ＜0.001 0.128/0.328/0.544 4 10 382.430 10 562.349 10 425.869 0.804 0.555 ＜0.001 0.087/0.128/0.245/0.540 a: Lo-Mendell-Rubin likelihood ratio test; b: Bootstrap likelihood ratio test. AIC: Akaike information criterion; BIC: Bayesian information criterion; aBIC: Sample size-adjusted BIC. 根据分类结果绘制潜在剖面图，见图 1。C1组在NASA-TLX各维度上得分处于较低水平，但在FS-14各维度上得分处于中等水平，故命名为低负荷-中疲劳组（12.8%）。C2组在NASA-TLX各维度上得分处于中等水平，但在FS-14各维度上得分处于较低水平，故命名为中负荷-低疲劳组（32.8%）。C3组在NASA-TLX各维度和FS-14各维度上得分均处于较高水平，故命名为高负荷-高疲劳组（54.4%）。
图 1 医学生负荷-疲劳潜在剖面的特征分布Fig. 1 Characteristic distribution of latent profiles of workload-fatigue among medical students
下载:
全尺寸图片
2.4 医学生负荷-疲劳类型的各维度得分
比较不同剖面类型负荷与疲劳的得分，3组在负荷和疲劳所有维度上都表现出显著差异，具体表现为中负荷-低疲劳组在业绩水平维度上得分最高（均P＜0.05），低负荷-中疲劳组在努力程度和业绩水平维度上得分最低（均P＜0.05），高负荷-高疲劳组在任务相关需求和受挫程度维度上得分最高（均P＜0.05）。见表 3。
表 3 3组剖面类型的负荷和疲劳得分比较Table 3 Comparative analysis of workload and fatigue scores across 3 profilesx±s Variable C1 group n＝62 C2 group n＝159 C3 group n＝264 F value P value NASA-TLX total 44.34±10.30 63.04±9.69* 70.01±8.88*△ 192.40 ＜0.001 Mental demand 34.92±18.85 74.47±14.30* 79.53±13.06*△ 155.40 ＜0.001 Physical demand 40.08±24.80 46.35±23.60 50.40±24.60* 4.92 0.008 Temporal demand 61.94±24.16 65.13±19.24 78.30±14.75*△ 35.67 ＜0.001 Effort 39.03±21.29 74.91±14.40* 79.73±13.76*△ 103.11 ＜0.001 Performance 41.61±23.83 70.00±15.60* 62.67±17.97*△ 39.63 ＜0.001 Frustration level 48.47±26.34 47.36±21.17 69.43±18.98*△ 65.74 ＜0.001 FS-14 total 8.42±3.45 4.16±2.29* 10.03±2.30*△ 324.58 ＜0.001 Physical fatigue 5.37±1.53 2.82±2.10* 6.55±1.32*△ 325.89 ＜0.001 Mental fatigue 3.05±2.05 1.34±1.40* 3.48±1.67△ 101.44 ＜0.001 C1: Low workload-medium fatigue; C2: Medium workload-low fatigue; C3: High workload-high fatigue. *P＜0.05 vs C1 group; △P＜0.05 vs C2 group. NASA-TLX: National Aeronautics and Space Administration task load index; FS-14: Fatigue scale-14. 2.5 医学生负荷-疲劳潜在剖面对睡眠和情绪状况的影响
采用BCH法探究医学生负荷-疲劳潜在剖面类型在睡眠状况（睡眠质量、嗜睡和失眠）和情绪状况（抑郁、焦虑和压力）上的差异，结果表明3组在睡眠状况和情绪状况上都表现出显著差异。在睡眠质量和压力方面，高负荷-高疲劳组高于低负荷-中疲劳组和中负荷-低疲劳组，低负荷-中疲劳组高于中负荷-低疲劳组（均P＜0.05）。在嗜睡、失眠、焦虑和抑郁方面，高负荷-高疲劳组与低负荷-中疲劳组之间差异无统计学意义（均P＞0.05），高负荷-高疲劳组与低负荷-中疲劳组均高于中负荷-低疲劳组（均P＜0.01）。见表 4。
表 4 负荷-疲劳潜在剖面在睡眠和情绪上的差异Table 4 Differences of latent profiles of workload-fatigue in sleep and emotionx±s Group PSQI ESS ISI Depression Anxiety Stress C1 n＝62 7.12±0.39 9.28±0.51 8.11±0.72 10.17±1.25 8.82±1.19 11.66±1.37 C2 n＝159 5.61±0.26** 6.33±0.26** 4.55±0.37** 3.22±0.44** 3.44±0.38** 4.47±0.51** C3 n＝264 8.02±0.18*△△ 10.10±0.25△△ 9.39±0.33△△ 11.15±0.55△△ 10.45±0.56△△ 14.83±0.61*△△ χ2 value 50.96 96.55 82.12 118.50 98.45 150.39 P value ＜0.001 ＜0.001 ＜0.001 ＜0.001 ＜0.001 ＜0.001 C1: Low workload-medium fatigue; C2: Medium workload-low fatigue; C3: High workload-high fatigue. *P＜0.05, **P＜0.01 vs C1 group; △△P＜0.01 vs C2 group. PSQI: Pittsburgh sleep quality index; ESS: Epworth sleepiness scale; ISI: Insomnia severity index. 3 讨论
本研究结果显示，医学生的NASA-TLX和FS-14得分均较高。NASA-TLX总分为（64.44±12.50）分，根据Hart和Staveland[19]的分类建议类别被归类为高工作量水平。FS-14总分为（7.90±3.63）分，高于与以往相似人群的得分[（7.01±3.18）分][22]。
基于任务负荷6个维度和疲劳2个维度构建潜在剖面，得到3种类型：低负荷-中疲劳组、中负荷-低疲劳组和高负荷-高疲劳组，这3类负荷-疲劳潜在剖面在各维度上表现出差异。中等负荷和较低的疲劳感并获得较高的业绩水平，与以往研究任务水平与绩效的关系时观察到的倒U型效应一致，较高或较低的负荷对任务表现都存在显著的影响，中任务负荷下的表现最优[23]。高负荷-高疲劳组和低负荷-中疲劳组在任务相关需求（脑力需求、体力需求、时间需求）、努力程度、业绩水平和受挫程度方面都有显著差异。在高负荷-高疲劳组中任务相关需求较高并付出了较大的努力，但也表现出较大的受挫感。这可能与负荷不足（download）或过载（overload）有关，因低负荷任务缺乏挑战性，负荷不足可能导致持续增加的无聊感并感受到疲劳，降低努力程度和自我效能感，表现为任务脱离和绩效下降；与负荷不足相反，高负荷任务因高任务需求、高努力投入导致认知资源过度消耗，也会导致疲劳感增加[24]。
3种类型的负荷-疲劳潜在剖面在医学生睡眠和情绪状况的表现上存在差异，中负荷-低疲劳组表现出较少的睡眠和情绪问题。与低负荷-中疲劳组相比，高负荷-高疲劳组表现出更差的主观睡眠质量和更大的压力。以往研究表明，睡眠和疲劳之间存在显著的相关性[25]，睡眠问题与压力反应相关，并且睡眠不足影响前额叶皮质对杏仁核的控制，导致情绪反应增加[26]。医学生要经历繁重的课业训练和长期的临床实践等，常感受到较大的学业压力，而学业压力的增加与疲劳程度的增加密切相关[27]。压力-适应模型认为个体感知的压力对其情绪反应和认知加工产生显著影响，从而影响适应功能[28-29]。因此，高负荷-高疲劳与低负荷-中疲劳都需要关注自身的睡眠和情绪状况并及时调整。
本研究通过横断面调查基于潜在剖面分析探究医学生中负荷与疲劳状况及睡眠和情绪的差异，然而调查对象以某医学院校的学生为主，横断面调查主观性较强且无法明确变量间的因果关系，也没有考虑到个体差异与任务性质等因素对负荷和疲劳的影响，包括动机水平、任务意义感、自我效能感等因素[30]。对于负荷和疲劳的测量是一段时间内的主观回忆报告，并不是基于完成特定任务后的感受。为弥补上述局限，未来可采用扩大样本多样性、纵向追踪设计以明确因果路径及使用客观测量工具开展实验研究等方法，更全面地阐明负荷与疲劳的关系，进一步提升结果的可靠性和推广性。
综上所述，医学生群体存在较强的负荷和疲劳感，基于潜在剖面分析可分为低负荷-中疲劳、中负荷-低疲劳和高负荷-高疲劳3种类型，其中中负荷-低疲劳表现出更高的业绩水平和更好的睡眠和情绪状况。因此，应适度调节负荷、关注睡眠和情绪状况、缓解疲劳水平对人才培养质量的优化和医疗质量的提升，以及个体身心健康的维护具有重要现实意义。
-
图 1 医学生负荷-疲劳潜在剖面的特征分布
Fig. 1 Characteristic distribution of latent profiles of workload-fatigue among medical students
下载:
全尺寸图片
表 1 负荷和疲劳评分在人口学变量特征上的差异
Table 1 Differences in workload and fatigue scores among demographic characteristics
N＝485 Variable Case, n (%) NASA-TLX, x±s FS-14, x±s Score Statistic P value Score Statistic P value Gender t＝3.05 0.002 t＝－3.18 0.002 Male 273 (56.3) 65.95±13.07 7.44±3.64 Female 212 (43.7) 62.50±11.46 8.49±3.54 Educational level t＝0.00 0.998 t＝－0.68 0.496 Bachelor 410 (84.5) 64.44±12.70 7.85±3.66 Postgraduate 75 (15.5) 64.44±11.39 8.16±3.47 Grade level F＝0.62 0.687 F＝1.89 0.095 First year 54 (11.1) 65.17±11.73 8.06±3.30 Second year 79 (16.3) 65.12±11.99 8.32±3.55 Third year 212 (43.7) 64.71±12.36 7.89±3.73 Fourth year 90 (18.6) 63.16±13.60 7.04±3.76 Fifth year 38 (7.8) 65.00±14.11 8.95±3.21 Others 12 (2.5) 59.93±7.07 7.67±3.42 Family relationship quality F＝0.54 0.583 F＝9.37 ＜0.001 Poor 13 (2.7) 66.03±16.55 10.69±3.61 Moderate 53 (10.9) 62.89±11.25 9.32±3.64 Good 419 (86.4) 64.59±12.52 7.63±3.56 Peer relationship quality F＝0.88 0.416 F＝18.21 ＜0.001 Poor 13 (2.7) 65.45±12.56 11.69±3.17 Moderate 68 (14.0) 66.23±12.03 9.59±3.20 Good 404 (83.3) 64.11±12.57 7.49±3.57 Comprehensive score ranking F＝0.13 0.944 F＝1.13 0.336 ≤25% 157 (32.4) 64.94±11.33 7.63±3.63 26%-50% 167 (34.4) 64.15±13.18 7.81±3.54 51%-75% 114 (23.5) 64.31±12.05 8.07±3.59 76%-100% 47 (9.7) 64.11±14.91 8.68±4.03 NASA-TLX: National Aeronautics and Space Administration task load index; FS-14: Fatigue scale-14. 表 2 医学生负荷-疲劳的潜在剖面拟合指标
Table 2 Latent profiles fit indicators of workload-fatigue among medical students
Model AIC BIC aBIC Entropy P valuea P valueb Latent profile proportions 1 11 034.955 11 101.901 11 051.118 2 10 660.199 10 764.803 10 685.455 0.889 0.033 ＜0.001 0.159/0.841 3 10 450.540 10 592.801 10 484.887 0.805 ＜0.001 ＜0.001 0.128/0.328/0.544 4 10 382.430 10 562.349 10 425.869 0.804 0.555 ＜0.001 0.087/0.128/0.245/0.540 a: Lo-Mendell-Rubin likelihood ratio test; b: Bootstrap likelihood ratio test. AIC: Akaike information criterion; BIC: Bayesian information criterion; aBIC: Sample size-adjusted BIC. 表 3 3组剖面类型的负荷和疲劳得分比较
Table 3 Comparative analysis of workload and fatigue scores across 3 profiles
x±s Variable C1 group n＝62 C2 group n＝159 C3 group n＝264 F value P value NASA-TLX total 44.34±10.30 63.04±9.69* 70.01±8.88*△ 192.40 ＜0.001 Mental demand 34.92±18.85 74.47±14.30* 79.53±13.06*△ 155.40 ＜0.001 Physical demand 40.08±24.80 46.35±23.60 50.40±24.60* 4.92 0.008 Temporal demand 61.94±24.16 65.13±19.24 78.30±14.75*△ 35.67 ＜0.001 Effort 39.03±21.29 74.91±14.40* 79.73±13.76*△ 103.11 ＜0.001 Performance 41.61±23.83 70.00±15.60* 62.67±17.97*△ 39.63 ＜0.001 Frustration level 48.47±26.34 47.36±21.17 69.43±18.98*△ 65.74 ＜0.001 FS-14 total 8.42±3.45 4.16±2.29* 10.03±2.30*△ 324.58 ＜0.001 Physical fatigue 5.37±1.53 2.82±2.10* 6.55±1.32*△ 325.89 ＜0.001 Mental fatigue 3.05±2.05 1.34±1.40* 3.48±1.67△ 101.44 ＜0.001 C1: Low workload-medium fatigue; C2: Medium workload-low fatigue; C3: High workload-high fatigue. *P＜0.05 vs C1 group; △P＜0.05 vs C2 group. NASA-TLX: National Aeronautics and Space Administration task load index; FS-14: Fatigue scale-14. 表 4 负荷-疲劳潜在剖面在睡眠和情绪上的差异
Table 4 Differences of latent profiles of workload-fatigue in sleep and emotion
x±s Group PSQI ESS ISI Depression Anxiety Stress C1 n＝62 7.12±0.39 9.28±0.51 8.11±0.72 10.17±1.25 8.82±1.19 11.66±1.37 C2 n＝159 5.61±0.26** 6.33±0.26** 4.55±0.37** 3.22±0.44** 3.44±0.38** 4.47±0.51** C3 n＝264 8.02±0.18*△△ 10.10±0.25△△ 9.39±0.33△△ 11.15±0.55△△ 10.45±0.56△△ 14.83±0.61*△△ χ2 value 50.96 96.55 82.12 118.50 98.45 150.39 P value ＜0.001 ＜0.001 ＜0.001 ＜0.001 ＜0.001 ＜0.001 C1: Low workload-medium fatigue; C2: Medium workload-low fatigue; C3: High workload-high fatigue. *P＜0.05, **P＜0.01 vs C1 group; △△P＜0.01 vs C2 group. PSQI: Pittsburgh sleep quality index; ESS: Epworth sleepiness scale; ISI: Insomnia severity index. -
[1] 邱晚晴. 苏州市青少年疲劳现状及影响因素研究[D]. 苏州: 苏州大学, 2022. DOI: 10.27351/d.cnki.gszhu.2022.003267. [2] MAISEL P, BAUM E, DONNER-BANZHOFF N. Fatigue as the chief complaint-epidemiology, causes, diagnosis, and treatment[J]. Dtsch Arztebl Int, 2021, 118(33/34): 566-576. DOI: 10.3238/arztebl.m2021.0192. [3] CORFIELD E C, MARTIN N G, NYHOLT D R. Co-occurrence and symptomatology of fatigue and depression[J]. Compr Psychiatry, 2016, 71: 1-10. DOI: 10.1016/j.comppsych.2016.08.004. [4] CRESTELO MORENO F, SOTO-LÓPEZ V, MENÉNDEZ-TELEÑA D, et al. Fatigue as a key human factor in complex sociotechnical systems: vessel traffic services[J]. Front Public Health, 2023, 11: 1160971. DOI: 10.3389/fpubh.2023.1160971. [5] NACHREINER F. International standards on mental work-load: the ISO 10, 075 series[J]. Ind Health, 1999, 37(2): 125-133. DOI: 10.2486/indhealth.37.125. [6] LUND S, YAN M, D'ANGELO J, et al. NASA-TLX assessment of workload in resident physicians and faculty surgeons covering trauma, surgical intensive care unit, and emergency general surgery services[J]. Am J Surg, 2021, 222(6): 1158-1162. DOI: 10.1016/j.amjsurg.2021.10.020. [7] RAMADHANI D S, MUSLIMAH E, BAGASKARA W B, et al. The impact of COVID-19 pandemic on mental workload and fatigue of students during online and offline practicum[J]. SHS Web Conf, 2024, 189: 01001. DOI: 10.1051/shsconf/202418901001. [8] TSAO L, CHANG J, MA L. Fatigue of Chinese railway employees and its influential factors: structural equation modelling[J]. Appl Ergon, 2017, 62: 131-141. DOI: 10.1016/j.apergo.2017.02.021. [9] CAI S, LIN H, HU X, et al. High fatigue and its associations with health and work related factors among female medical personnel at 54 hospitals in Zhuhai, China[J]. Psychol Health Med, 2018, 23(3): 304-316. DOI: 10.1080/13548506.2017.1361038. [10] DEL VALLE SOLORZANO K S. [The work overload of the nursing staff that influences patient care][J]. Revista San Gregorio, 2021, 1(47): 168-183. DOI: 10.36097/rsan.v1i47.1966. [11] SAWANT N S, VINCHURKAR P, KOLWANKAR S, et al. Online teaching, learning, and health outcomes: impact on medical undergraduate students[J]. Ind Psychiatry J, 2023, 32(1): 59-64. DOI: 10.4103/ipj.ipj_52_22. [12] ALKHAMEES A A, ALGUBLLAN L A, ALSUGHIER N, et al. Fatigue syndrome among medical students in Saudi Arabia: a cross-sectional study on depression and anxiety[J]. J Pharm Bioallied Sci, 2024, 16(Suppl 5): S4623-S4627. DOI: 10.4103/jpbs.jpbs_1068_24. [13] ZENG Z, ZHOU S, XIE G, et al. The relationship between sleep quality and occupational fatigue in endoscopy nurses: mediating role of positive coping style[J]. Front Public Health, 2024, 12: 1437659. DOI: 10.3389/fpubh.2024.1437659. [14] LOVIBOND P F, LOVIBOND S H. The structure of negative emotional states: comparison of the depression anxiety stress scales (DASS) with the Beck depression and anxiety inventories[J]. Behav Res Ther, 1995, 33(3): 335-343. DOI: 10.1016/0005-7967(94)00075-u. [15] 龚栩, 谢熹瑶, 徐蕊, 等. 抑郁-焦虑-压力量表简体中文版(DASS-21)在中国大学生中的测试报告[J]. 中国临床心理学杂志, 2010, 18(4): 443-446. DOI: 10.16128/j.cnki.1005-3611.2010.04.020. [16] BUYSSE D J, REYNOLDS C F 3rd, MONK T H, et al. The Pittsburgh sleep quality index: a new instrument for psychiatric practice and research[J]. Psychiatry Res, 1989, 28(2): 193-213. DOI: 10.1016/0165-1781(89)90047-4. [17] JOHNS M W. A new method for measuring daytime sleepiness: the Epworth sleepiness scale[J]. Sleep, 1991, 14(6): 540-545. DOI: 10.1093/sleep/14.6.540. [18] BASTIEN C H, VALLIÈRES A, MORIN C M. Validation of the Insomnia Severity Index as an outcome measure for insomnia research[J]. Sleep Med, 2001, 2(4): 297-307. DOI: 10.1016/s1389-9457(00)00065-4. [19] HART S G, STAVELAND L E. Development of NASA-TLX (task load index): results of empirical and theoretical research[M]//Advances in Psychology. n. p. : Elsevier, 1988: 139-183. [20] 梁丽玲, 赵丽, 邓娟, 等. NASA-TLX量表的汉化及信效度检验[J]. 护理研究, 2019, 33(5): 734-737. DOI: 10.12102/j.issn.1009-6493.2019.05.002. [21] CHALDER T, BERELOWITZ G, PAWLIKOWSKA T, et al. Development of a fatigue scale[J]. J Psychosom Res, 1993, 37(2): 147-153. DOI: 10.1016/0022-3999(93)90081-p. [22] 周婷, 马凌云, 王婷婷, 等. 临床医学实习生疲劳与压力现状及影响因素分析[J]. 中国高等医学教育, 2019(9): 26-27, 33. DOI: 10.3969/j.issn.1002-1701.2019.09.013. [23] 陆旭, 王天博, 庞丽萍, 等. 执飞任务中剩余脑力负荷量化评估模型[J]. 北京航空航天大学学报, 2023, 49(5): 1184-1192. DOI: 10.13700/j.bh.1001-5965.2021.0407. [24] KURZBAN R, DUCKWORTH A, KABLE J W, et al. An opportunity cost model of subjective effort and task performance[J]. Behav Brain Sci, 2013, 36(6): 661-679. DOI: 10.1017/S0140525X12003196. [25] ALAMERI R A, ALMULLA H A, AL SWYAN A H, et al. Sleep quality and fatigue among nurses working in high-acuity clinical settings in Saudi Arabia: a cross-sectional study[J]. BMC Nurs, 2024, 23(1): 51. DOI: 10.1186/s12912-023-01693-z. [26] ÅKERSTEDT T, GAREFELT J, RICHTER A, et al. Work and sleep: a prospective study of psychosocial work factors, physical work factors, and work scheduling[J]. Sleep, 2015, 38(7): 1129-1136. DOI: 10.5665/sleep.4828. [27] RAMADHANI N F, UTAMI R H. Hubungan antara stress akademik dengan fatigue pada mahasiswa Universitas Negeri Padang[J]. Anwarul, 2024, 4(6): 888-895. DOI: 10.58578/anwarul.v4i6.4044. [28] FOLKMAN S, LAZARUS R S. An analysis of coping in a middle-aged community sample[J]. J Health Soc Behav, 1980, 21(3): 219-239. [29] FENG X J, CHAI X H, LIU H, et al. Serial multiple mediation of psychological capital and self-directed learning ability in the relationship between perceived stress and professional identity among undergraduate nursing students in China: a cross-sectional questionnaire survey[J]. BMC Med Educ, 2024, 24(1): 1450. DOI: 10.1186/s12909-024-06459-y. [30] KOK A. Cognitive control, motivation and fatigue: a cognitive neuroscience perspective[J]. Brain Cogn, 2022, 160: 105880. DOI: 10.1016/j.bandc.2022.105880.
