关键词 护士;临床决策支持系统;行为意向;影响因素;技术接受与利用整合模型;结构方程模型;调查研究
doi：10.12102/j.issn.1009-6493.2026.11.001
Nurses' behavioral intentions and influencing factors of using clinical decision support system WU Xiaokun 1，2， LIU Miao 1，2， LIN Jiehua 1，2， KE Yinghua 1，2， LI Shufang 1，2*
1. The Eighth Clinical Medical College of Guangzhou University of Chinese Medicine， Guangdong 528000 China;
2. Foshan Hospital of Traditional Chinese Medicine
*Corresponding Author LI Shufang， E-mail： 1696641532@qq.com
Abstract Objective： To explore the nurses' behavioral intentions and influencing factors of using clinical decision support systems， and to construct a corresponding structural equation model. Methods： A theoretical model of behavior intentions in clinical decision support system was initially constructed by adding personality trait factors to the UTAUT model. A convenience sampling method was used to investigate 301 clinical nurses from a tertiary grade A hospital in Guangdong province in June 2025 through the Chinese Big Five Personality Questionnaire， Behavioral Intention for Clinical Nurses in Clinical Decision Support System Questionnaire， and a self-designed survey questionnaire. The data were statistically analyzed by using SPSS 26.0 software. The structural equation modeling analysis was conducted by the lavaan package in R 4.2.2 software. The maximum likelihood estimation method was used to evaluate the model fit and path coefficient significance test. Results： The nurses' behavioral intentions of using the clinical decision support system was at a moderate to high level. The structural equation model constructed had an overall good fit. Social influence， performance expectations， effort expectations， age， and openness all had a positive impact on behavioral intentions of nurses in clinical decision support systems， with path coefficients of 0.507， 0.217， 0.205， 0.218， and 0.040， respectively （all P<0.05）. Extraversion had a positive promoting effect on effort expectations， performance expectations， and social impact， with path coefficients of 0.072， 0.171， and 0.083， respectively （all P<0.001）， and showed a negative impact on behavioral intention （ β=-0.028，P<0.05 ）. Openness had a positive impact on society （ β=0.047，P<0.001 ）. Conclusions： The model constructed in this study could effectively predict the behavioral intentions of nurses in clinical decision support systems. Improving social influence， performance expectations， effort expectations， age growth， and open personality could significantly enhance the nurses' behavioral intentions of using clinical decision support systems. It is recommended that external environmental shaping and individual trait differences should be taken into account when promoting clinical decision support systems.
Keywords nurse; clinical decision support system; behavioral intention; influencing factors; unified theory of acceptance and use of technology; structural equation model; investigation
国家卫生健康委发布的《全国护理事业发展规划（2021—2025年）》[1]强调，要加强护理信息化建设，推进护理信息化发展，利用信息技术强化护理应用信息体系，减轻护士负荷。临床决策支持系统（clinical decision support system， CDSS）是通过应用信息技术，综合分析医学知识和病人信息，为医务人员的临床诊疗活动和临床决策提供多种形式帮助与支持的一种计算机辅助信息系统[2]。利用临床决策支持系统改善护士临床工作环境、提升护士工作效率已逐渐成为医院关注的问题，但护士作为临床决策支持系统的使用者和推广者，关于临床护士对使用该系统的行为意向研究却鲜少。现有关于医护人员采纳临床决策支持系统的研究多聚焦医生群体，且主要基于技术接受模型（technology acceptance model， TAM）分析外部因素，同时考虑外部和个体内部影响因素的研究较为缺乏[3]。技术接受与利用整合模型（unified theory of acceptance and use of technology， UTAUT）融合了技术接受模型、社交认知和创新扩散等理论，其中绩效期望（performance expectancy， PE）、努力期望（effort expectancy， EE）和社会影响（social influence， SI）均是研究行为意向（behavioral intention， BI）的3个核心要素[3]。同时，中国大五人格模型能抓住大多数现有的人格特质分类系统的共通性，被人格心理学家广泛接受[4]。研究表明，人格特质对人的心理状态、思维方式和行为模式具有一定的决定作用，能预测个人在工作中的表现和适应情况[5]，尤其是开放性、外向性与新事物的采纳意向、适应度有着密切的关联，如外向性人格的个体能够采取积极行为主动克服环境的不适应[6]，更容易采纳新事物；开放性人格的个体脑活动效率高，更易接受新事物且创造力强[7-8]。因此，本研究基于循证文献和咨询专家，以UTAUT和中国大五人格理论为理论框架，从外部和个体内部双视角探索临床护士临床决策支持系统行为意向的影响因素，构建护士临床决策支持系统的行为意向模型，以期提高护士临床决策支持系统的行为意向，推进护理信息化管理和发展。
1 对象与方法
1.1 研究对象
采用便利抽样法，于2025年6月通过问卷星对佛山市某三级甲等中医院的临床护士进行问卷调查。纳入标准：1）注册护士，从事临床一线护理工作;2）自愿签署知情同意书。排除标准：1）休假、进修等原因致研究期间不在院内的护士;2）近期遭受较大的负性生活经历或情绪波动较大；3）具有心理、精神等问题。根据Kendall粗略估计方法，样本量为观察变量数的5～10倍 [9] 。本研究所用量表的总条目数为28个，考虑到30%的问卷无效率，计算得出样本数为182～364人。本研究已获得医学伦理委员会批准（批件号：KY[2025]246）。
1.2 调查工具
1.2.1 一般资料调查表
采用自行设计的一般资料调查表，内容包括性别、年龄、受教育程度、所在科室、工作年限、职称以及之前是否了解过临床决策支持系统。
1.2.2 中国大五人格问卷简式版（Chinese Big Five Personality Inventory-brief version， CBF-PI-B）
采用王孟成等 [4] 于2011年基于中国大五人格问卷编制的中国大五人格问卷简式版中的开放性和外向性维度。各维度均包括8个条目，共16个条目。各条目采用Likert 6级评分法，“非常不符合”至“非常符合”依次计1、2、3、4、5、6分。开放性和外向性的内部一致性系数分别为0.78和0.80，重测信度分别为0.81和0.69，具有较高的信度。本研究中该量表开放性和外向性维度的Cronbach's α 系数分别为0.891和0.984。
1.2.3 临床护士临床决策支持系统行为意向问卷
参考何钦等 [10-11] 根据UTAUT模型和相关文献研制的量表自行编制问卷，邀请3名分别来自护理管理、护理信息管理和护理研究领域的专家对本问卷的条目内容及语法提出意见或疑问，根据反馈内容修改问卷形成预调查版问卷。3名专家职称均在副主任护师及以上，学历均为本科及以上。为保证问卷的有效性，先发放9份问卷进行预调查。受试者填写完问卷后需要对本问卷提出意见或疑问，且不参与正式调查。预调查结果显示，预调查版问卷的Cronbach's α系数为0.933（>0.7），可进行正式研究。本问卷包含绩效期望（4个条目）、努力期望（2个条目）、社会影响（3个条目）和行为意向（3个条目）4个维度，共12个条目，各条目均采用Likert 5级评分法，“非常不同意”至“非常同意”分别计1、2、3、4、5分。维度得分越高，表示临床护士对该维度的认可度越高。本研究中该问卷总的Cronbach's α系数为0.956。
1.3 资料收集方法
采用问卷星编制的电子问卷进行发布填写。电子问卷采用统一指导语向调查对象说明研究的目的、意义及填写方法。各科室护士长将电子问卷发放至科室工作群中，鼓励科室护士参与调研。临床护士自行扫描二维码，点击“我已知情同意参与本研究”按钮、填写并提交问卷则默认为已获得研究对象的知情同意，成为本研究的受试者。本次调查共发放问卷302份，回收问卷302份，其中无效问卷1份，有效问卷301份，问卷有效回收率为99.67%。
1.4 统计学方法
采用 SPSS 26.0 软件进行描述性统计、信度检验和因子分析。符合正态分布的定量资料用均数±标准差 
描述，定性资料用频数、百分比 （%） 进行描述。采用 R 4.2.2 软件中的 lavaan 包构建结构方程模型，模型定义通过显变量与潜变量的参数化方程实现，采用稳健最大似然估计法和 sem 函数拟合模型，通过 fitmeasures 函数提取模型拟合指数 [12] 。模型适配度通过绝对拟合指数、比较拟合指数和简约拟合指数三类指标进行综合评估 [13] 。当拟合不佳时，通过modindices函数依据修正指数（MI>10）和理论合理性修正模型。以P<0.05为差异有统计学意义。
2 结果
2.1 临床护士的一般资料
301名临床护士大部分为女性（92.03%）；年龄多为31岁～40岁（42.86%）；受教育程度以本科为主（91.69%）；工作年限多为10～20年（47.18%）；职称多为主管护师（45.51%）；81.06%的临床护士在调查前已对临床决策支持系统有所了解，临床护士的一般资料详见表1。
表 1 临床护士的一般资料（n=301）Table 1 General information of clinical nurses（n=301）
2.2 临床护士 CBF-PI-B 和临床决策支持系统行为意向问卷得分情况
在人格特质方面，301名临床护士开放性、外向性维度得分分别为 （30.72±7.32） 分和 （27.88±8.17） 分；在临床决策支持系统行为意向方面，临床护士绩效期望、努力期望、社会影响、行为意向维度得分分别为（15.21±3.46） 分、 （8.26±1.78） 分、 （12.05±2.51） 分和（12.21±2.59） 分。
2.3 问卷的信效度检验结果
结果显示，问卷开放性、外向性、绩效期望、努力期望、社会影响、行为意向维度的Cronbach's α系数分别为0.891，0.894，0.898，0.859，0.866，0.935，说明问卷信度良好。本研究中，问卷依托文献且已知维度划分，故采用主成分分析法进行验证性因子分析检验结构效度[14]。问卷KMO值为0.910（>0.9），说明适合进行因子分析[14];Bartlett's球形检验差异有统计学意义（P<0.001），说明变量之间存在相关关系[14]。结构效度包括聚合效度和区分效度。以方差最大法旋转因子，提取5个特征值＞1的公因子，5个因子累计方差贡献率为72.72%。各条目因子载荷为0.540～0.973，均＞0.5，问卷开放性、外向性、绩效期望、努力期望、社会影响、行为意向维度的平均方差提取值（AVE）分别为0.504，0.522，0.758，0.755，0.779，0.838，均＞0.5；组合信度（CR）分别为0.900，0.901，0.958，0.942，0.867，0.966，均＞0.7，说明问卷的聚合效度良好 [14-15] 。问卷的信度和聚合效度详见表2。问卷开放性、外向性、绩效期望、努力期望、社会影响、行为意向维度AVE的平方根分别为0.710，0.723，0.871，0.869，0.883，0.915，均大于该维度与其他维度间的相关系数，说明问卷区分效度良好 [14] 。问卷各维度间的相关系数见表3。
表 2 问卷的信度和聚合效度Table 2 Reliability and convergent validity of the questionnaire
表 3 问卷各维度间的相关性（r值）Table 3 The correlation between dimensions of the questionnaire（r values）
2.4 护士临床决策支持系统行为意向模型的构建与拟合
根据UTAUT，绩效期望、努力期望、社会影响会直接对行为意向产生影响，各因素间会相互作用，且性别、年龄能够调节绩效期望、努力期望、社会影响对行为意向的影响。因此，提出假设：绩效期望、努力期望、社会影响均对行为意向产生直接影响，性别、年龄调节绩效期望、努力期望、社会影响对行为意向产生影响。根据文献回顾，人格特质能够直接或间接影响行为意向[16]，外向性会通过显著提升感知有用性影响行为意向[16]。因此，假设开放性和外向性对行为意向产生直接影响，同时开放性和外向性通过绩效期望、努力期望、社会影响间接对行为意向产生影响。综上所述，根据研究假设将行为意向作为因变量，开放性和外向性作为自变量，绩效期望、努力期望、社会影响作为中介变量且两两相关，性别、年龄作为调节变量构建初始模型。但初始模型拟合效果不佳，经过反复多次的模型修正、去除不显著路径后，最终模型拟合良好，所有拟合优度指标均在可接受范围内，卡方自由度比 （χ2/ν）=1.45 ，拟合优度指数（goodness-of-fit index，GFI）=0.989，调整后拟合优度指数（adjusted goodness-of-fit index，AGFI）=0.956，近似误差均方根（root-mean-square error of approximation，RMSEA）=0.039，标准化均方根残差（standardized root mean square residual，SRMSR）=0.039，比较拟合指数（comparative fit index，CFI）=0.997，增量拟合指数（incremental fit index，IFI）=0.997，Tucker-Lewis指数（Tucker-Lewis index，TLI）=0.992，详见表4。护士临床决策支持系统行为意向模型见图1。
表 4 护士临床决策支持系统行为意向模型适配度指标标准及拟合结果Table 4 Adaptation index standards and fitting results of behavioral intentions model for nurses in clinical decision support system
图 1 护士临床决策支持系统行为意向修正模型图Figure 1 Behavioral Intention Revision Model Diagram for nurses in clinical decision support system
2.5 护士临床决策支持系统行为意向模型的路径分析
结果显示，绩效期望、努力期望、社会影响、年龄、开放性对行为意向有正向影响，路径系数分别为0.217，0.205，0.507，0.218，0.040（P<0.05）;外向性对行为意向具有负向影响，其路径系数为-0.028（P<0.05）; 外向性对努力期望、绩效期望、社会影响均有正向影响， 路径系数分别为 0.072， 0.171， 0.083 （P < 0.001）; 开放性对社会影响具有正向影响， 路径系数为0.047（P<0.001）。变量两两相关的路径差异均有统计学意义（P<0.001）。详见表5。
表 5 护士临床决策支持系统行为意向模型路径系数及检验结果Table 5 Path coefficients and test results of the behavioral intention model for nurses in clinical decision support system
3 讨论
3.1 护士临床决策支持系统行为意向处于中等偏上水平
本研究结果显示，护士临床决策支持系统的行为意向维度得分为（12.21±2.59）分，与维度得分中间分相比处于中等偏上水平，高于李翔云 [17] 调查医生对临床决策支持系统采纳意愿和卢雯等 [18] 调查护士对临床决策支持系统采纳意愿。国家卫生健康委于2023年发布的《医疗机构临床决策支持系统应用管理规范（试行）》 [19] 强调，要促进智慧医院建设发展，适应医院信息化工作流程。随着信息技术飞速发展，人工智能技术可以依托海量数据提供决策支持，加速了医疗信息化进程，智慧医院的建设已成未来趋势 [20] 。研究表明，临床决策支持系统能够通过药物不良反应提醒 [21] 、病人数据自动提取 [22] 、提供循证决策支持 [23] 及病人病情恶化预警 [23] 等功能，有效地降低医疗错误风险和优化医疗效率。基于临床决策支持系统的显著优势，医护人员对其采纳意愿正逐年增强。
3.2 护士临床决策支持系统行为意向的影响因素
3.2.1 社会影响对行为意向具有正向影响
Venkatesh 等 [24] 将社会影响定义为个人感受到对于其重要的人认为其应该使用新系统的程度，包括形象、社会因素和主观规范3个概念。本研究结果显示，社会影响维度得分为 （12.05±2.51） 分，高于维度总分中间分;社会影响是影响行为意向系数最大的正向因素 （β=0.507，P<0.001） ，这与何钦等 [10，14，25] 研究结果一致。说明了临床护士临床决策支持系统的行为意向更依赖社会环境的指令或认可。原因可能来自临床护士的职业文化和社会认同感。医院的政策、领导的指令往往被视为必须遵守的规范，护士群体对此具有高度服从性。研究显示，权威指令会强化护士的社会影响效应 [25] 。另外，护理工作强调执行力和团队协作 [26] ，若多数同事已采纳系统或临床决策支持系统能显著提升团队工作效率时，护士临床决策支持系统的行为意向会有所提升。因此，在临床护士中推广临床决策支持系统时，应优先争取医院领导的支持，通过医院规定、培训或榜样示范等方法强化社会影响，从而提高临床护士的行为意愿。
3.2.2 绩效期望对行为意向具有正向影响
Venkatesh等 [24] 将绩效期望定义为个人相信使用系统后可以帮助其在工作上获得更好表现的程度。在本研究中，绩效期望被定义为临床护士临床决策支持系统能够帮助其更快地完成护理任务，提高工作效率，甚至能有助于升职加薪。该维度得分越高表明临床护士对绩效期望越高。本研究结果显示，绩效期望的维度得分为 （15.21±3.46） 分，高于维度中间分；绩效期望直接对临床护士临床决策支持系统行为意愿产生正向影响 （β=0.217，P<0.001） ，这与张紫涵等 [14，27] 研究结果一致。当前医疗资源紧张，临床护士工作负荷较大、节奏快 [28] ，对高效完成临床护理工作有核心需求。当临床护士感知到使用临床决策支持系统能够有效提升其工作效率，优化护理任务完成质量，并可能通过评优竞选提升工作绩效时，护士采纳临床决策支持系统的意愿会显著增强。提示在开发护理临床决策支持系统时需突出工作效率优先的核心架构，同时考虑建立成就系统，展示临床护士临床决策支持系统前后的护理工作完成时效和临床决策准确率的对比，以强化行为意向的正向激励。
3.2.3 努力期望对行为意向具有正向影响
Venkatesh 等 [24] 将努力期望定义为个人认为系统是否易用。在本研究中努力期望定义为临床护士使用的临床决策支持系统操作界面设计清楚合理，想要的功能能够轻易找到。该维度得分越高表明临床护士对努力期望越认同。本研究结果显示，努力期望维度得分为 （8.26±1.78） 分，高于维度中间分；努力期望直接对临床护士临床决策支持系统的意愿产生正向影响 （β=0.205，P=0.001） 。研究表明，当护士学习和使用临床决策支持系统所需的时间和精力较少时，其使用意愿会显著增强 [27] 。但目前护士使用临床决策支持系统时存在改进界面细节、提升响应速度等需求 [23，29] 。这说明开发临床决策支持系统时仍需注意操作界面清晰易用，模块化布局合理，通过降低临床护士学习成本提高护士对临床决策支持系统的采纳意愿。
3.2.4 年龄对行为意向具有正向影响
本研究结果显示，年龄对临床护士临床决策支持系统行为意向存在显著的正向影响（ β=0.218，P=0.009 ），这一发现与多数基于UTAUT关于年龄的调节效应研究结果存在差异，这可能与样本年龄分布的差异有关。如Zhou等 [25] 研究中年龄20～30岁的调查对象占比达52.4%，而本研究中该年龄段人数较少，主要为>30岁护士。一项针对沙特阿拉伯政府医院护士的横断面研究显示，不同年龄段护士对人工智能的态度存在显著差异：>30岁护士群体中38.5%对人工智能持积极态度，高于<30岁护士群体对人工智能持积极态度的比例（20.5%），差异有统计学意义（ χ2=9.31，P=0.02 ） [30] 。另一项覆盖我国7个地区及25个省市的横断面研究表明，20～40岁的护士对护理类人工智能的接受度显著高于其他年龄段群体，差异有统计学意义（ χ2=48.651，P<0.001 ）。该群体认为人工智能能够减轻工作负担（ χ2=19.268，P=0.026 ），并优化决策效率（ χ2=22.829，P=0.007 ） [31] 。以上结果表明了年龄可能是直接影响护士对临床决策支持系统采纳意愿的重要人口学因素。这一发现打破了“年轻群体更易接受新技术”的刻板印象。未来建议继续探讨不同年龄的临床护士对临床决策支持系统采纳意愿的差异，深入解释差异化机制。
3.2.5 开放性对行为意向和社会影响具有正向影响
在中国大五人格理论中，开放性人格对经验持开放、探求态度，不墨守成规，善于独立思考 [32] 。本研究结果显示，临床护士开放性维度得分为 （30.72±7.32） 分，高于维度中间分;开放性直接对临床护士临床决策支持系统的意愿（ β=0.040，P=0.002 ）和社会影响（ β=0.047，P<0.001 ）产生正向影响。这可能是高开放性的护士因其更强的认知灵活性和探索倾向，能够主动发现临床决策支持系统的潜在功能价值，从而表现出更高的系统接受度和行为意向。神经影像学结果显示，高开放性个体在背外侧前额叶与默认模式网络的连通性更强，该神经回路与抽象思维和风险探索行为密切相关 [33] 。在临床决策支持系统推广及应用初期，护理管理者可优先动员开放性临床护士作为“临床决策支持系统先锋员”，鼓励其参与临床决策支持系统试点工作，通过其示范效应影响更多、更大范围的临床护士。
3.2.6 外向性虽对绩效期望、努力期望和社会影响具有正向影响，但对行为意向具有负向影响
在中国大五人格理论中，外向性人格的人爱交际，精力充沛，乐观、友好和自信 [32] 。本研究结果显示，临床护士外向性维度得分为 （27.88±8.17） 分;外向性直接对临床护士临床决策支持系统行为意愿产生负向影响 （β=-0.028，P=0.018） ，但其对绩效期望 （β=0.171，P<0.001） 、努力期望 （β=0.072，P<0.001） 和社会影响 （β=0.083，P<0.001） 均有直接的正向影响。这表明高外向性临床护士对临床决策支持系统的认知和行为意向之间存在矛盾，可能与社交偏好、工作习惯有关。外向性群体拥有丰富的社交网络，重视社会关系，喜欢通过社交互动和活动获得自尊心 [34] 。研究表明，尽管外向性群体容易感知到工作满意，但在涉及较少社交场景和需要较高专注力的研究分析型职业中，其工作满意度会下降 [35] 。而临床决策支持系统的自动化决策支持可能削弱了其社交满足感，单纯屏幕的系统操作即使再简单、合理可能也会被认为是“孤立的工作”，最终导致心理抵触降低行为意向。因此，为了提高外向性临床护士对临床决策支持系统的行为意向，在开发临床决策支持系统时应强调社交功能，允许护士在系统中分享典型个案，构建讨论社区，满足此类护士的互动需求，以期提高其行为意向。未来建议对高外向性临床护士展开质性研究，深入探索其产生低行为意向的原因。
3.3 局限性
本研究样本来源仅限于省1所医院的临床护士，且研究对象大部分为女性，导致性别不均衡，这些因素可能影响研究结论的外部效度。其次，尽管临床护士对临床决策支持系统的行为意向受多因素影响，但本研究未对性别、认知信任、自我效能感、用户满意度等潜在影响因素展开调查。此外，本研究结果仍需通过设计严谨的随机对照试验加以验证，以建立更可靠的因果关系。建议未来研究扩大样本量和地域范围，并纳入更多潜在影响因素进行综合分析。
4 小结
本研究基于循证文献和咨询专家，以UTAUT和中国大五人格理论为理论框架，从外部环境因素和内在个体性格特质双视角探索了临床护士临床决策支持系统行为意愿的影响因素，并构建了理论模型。结构方程模型分析结果表明，该模型拟合度好，对行为意向的解释度较强。本研究结果显示，社会影响、绩效期望、努力期望、年龄和开放性均对临床护士的临床决策支持系统行为意向具有显著的正向影响，其中社会影响的效应量最大。值得注意的是，外向性虽对努力期望、绩效期望和社会影响产生正向促进作用，但对行为意向表现出负向影响。此外，开放性对社会影响也具有显著的正向作用。以上研究结果丰富了临床护士临床决策支持系统行为意向的理论研究，为理解护士的行为意向提供了心理机制。同时，也为优化临床决策支持系统设计及实施策略提供了一定的参考。未来建议扩大样本量和研究范围，并纳入更多潜在影响因素进行深入探讨。
参考文献：
[1]《全国护理事业发展规划（2021—2025年）》发布[J].中国卫生质量管理，2022，29（6）：79.
[2] 严慧娜， 刘瑞云， 李颖， 等. 机器学习临床决策支持系统在 ICU 中应用的研究进展 [J]. 护理研究， 2025， 39（7）： 1199-1205.
[3] 郑锐， 沈力， 何恬睿， 等. 临床决策支持系统采纳意愿理论模型研究综述[J]. 中国医院， 2024， 28（8）： 73-77.
[4] 王孟成，戴晓阳，姚树桥.中国大五人格问卷的初步编制Ⅲ：简式版的制定及信效度检验[J].中国临床心理学杂志，2011，19（4）：454-457.
[5] 郑旺， 黄泰安， 张颖书， 等. 大五人格与中国人的主观幸福感： 对近 20 余年本土研究的元分析 [J]. 中国临床心理学杂志， 2023， 31（3）： 714-722.
[6] 鄢雪芳. 职场排斥对新生代员工行为的影响研究[D]. 重庆： 西南大学， 2020.
[7] 程璐， 马庆国， 王琳. 神经创新学赋能创新人才培养的机制与方法 [J]. 技术经济， 2025， 44（4）： 36-48.
[8] 郑旭辉， 王昊， 宋华， 等. 基于细粒度深度学习文本分解的感知价值受人格影响研究 [J]. 数据分析与知识发现， 2024， 8（8）： 105-121.
[9] Li Y Q， Guo L L， Gui J F， et al. Validation of the Chinese version of Academic Goals Orientation Questionnaire in nursing student： a study based on SEM and IRT multidimensional models[J]. BMC Nursing， 2023， 22（1）：465.
[10] 何钦. 基于UTAUT模型的传统产业员工IS采纳后阶段行为研究[D]. 长沙： 中南大学， 2011.
[11] Zha H X， Liu K Y， Tang T， et al. Acceptance of clinical decision support system to prevent venous thromboembolism among nurses： an extension of the UTAUT model[J]. BMC Medical Informatics and Decision Making， 2022， 22（1）：221.
[12] Marsh H， Alamer A. When and how to use set-exploratory structural equation modelling to test structural models： a tutorial using the R package lavaan[J]. The British Journal of Mathematical and Statistical Psychology， 2024， 77（3）：459-476.
[13] 温忠麟， 叶宝娟. 中介效应分析： 方法和模型发展[J]. 心理科学进展，2014，22（5）：731-745.
[14] 张紫涵， 罗晨， 江志斌， 等. 基于UTAUT模型的医生人工智能辅助诊疗系统采纳意愿研究[J]. 中国医院管理， 2024， 44（9）： 79-83.
[15] Deng Z H， Mo X T， Liu S. Comparison of the middle-aged and older users' adoption of mobile health services in China[J]. International Journal of Medical Informatics， 2014， 83（3）：210-224.
[16] Svendsen G B， Johnsen J K， Alm?s-S?rensen L， et al. Personality and technology acceptance： the influence of personality factors on the core constructs of the technology acceptance model[J]. Behaviour & Information Technology， 2013， 32（4）：323-334.
[17] 李翔云. 临床决策支持系统医生采纳意愿影响因素研究[D]. 武汉： 华中科技大学， 2021.
[18] 卢雯， 陈湘玉. 护理临床决策支持系统使用意愿的影响因素研究 [J]. 护理学报， 2023， 30（5）： 18-22.
[19] 国家卫生健康委办公厅. 医疗机构临床决策支持系统应用管理规范（试行）[J]. 上海护理， 2023， 23（9）： 24.
[20] 王笛， 赵靖， 金明超， 等. 人工智能在医疗领域的应用与思考 [J]. 中国医院管理， 2021， 41（6）： 71-74.
[21] Chen Z， Liang N， Zhang H L， et al. Harnessing the power of clinical decision support systems： challenges and opportunities[J]. Open Heart， 2023， 10（2）： e002432.
[22] Lu S C， Brown R J， Michalowski M. A clinical decision support system design framework for nursing practice[J]. ACI Open， 2021， 5（2）： e84–e93.
[23] 宋楠， 迟巍， 李宇璇， 等. 住院患儿压力性损伤评估与预防临床决策支持系统的构建与应用 [J]. 中国护理管理， 2025， 25（5）： 781-785.
[24] Venkatesh V， Morris M G， Davis G B， et al. User acceptance of information technology： toward a unified view[J]. MIS Quarterly， 2003， 27（3）：425-478.
[25] Zhou L L， Owusu-Marfo J， Asante Antwi H， et al. Assessment of the social influence and facilitating conditions that support nurses' adoption of hospital electronic information management systems （HEIMS） in Ghana using the unified theory of acceptance and use of technology（UTAUT） model[J]. BMC Medical Informatics and Decision Making， 2019， 19（1）：230.
[26] 王坤， 周春鹤， 张丽敏， 等. 医院磁性水平感知在低年资护士成长型思维与团队工作重塑间的中介效应 [J]. 护理学杂志， 2025， 40（1）： 18-22.
[27] Wang J X， Zhou Y， Tan K， et al. Acceptance of artificial intelligence clinical assistant decision support system to prevent and control venous thromboembolism among healthcare workers： an extend unified theory of acceptance and use of technology model[J]. Frontiers in Medicine， 2025， 12：1475577.
[28] 蔡建政， 王海芳， 毛莉芬， 等. 护士遭受工作场所暴力及应对资源的现状及其相关性研究 [J]. 军事护理， 2022， 39（10）： 37-40.
[29] 李加敏， 吴昊琪， 郝玉芳， 等. ICU 患者体位变换频率临床决策支持系统的构建及可用性评价 [J]. 中华护理杂志， 2025， 60（7）： 827-831.
[30] Alruwaili M M， Abuadas F H， Alsadi M， et al. Exploring nurses' awareness and attitudes toward artificial intelligence： implications for nursing practice[J]. Digital Health， 2024， 10：20552076241271803.
[31] Wang X Y， Fei F Q， Wei J W， et al. Knowledge and attitudes toward artificial intelligence in nursing among various categories of professionals in China： a cross-sectional study[J]. Frontiers in Public Health， 2024， 12：1433252.
[32] 马友诚， 李良松， 王德辰. 大五人格模型与中医心质分型假说的构建 [J]. 世界中医药， 2024， 19（13）： 1998-2003.
[33] Abu Raya M， Ogunyemi A O， Broder J， et al. The neurobiology of openness as a personality trait[J]. Frontiers in Neurology， 2023， 14： 1235345.
[34] Segel-Karpas D， Lachman M E. Social contact and cognitive functioning： the role of personality[J]. The Journals of Gerontology Series B， Psychological Sciences and Social Sciences， 2018， 73（6）： 974–984.
[35] 朱惠，翁清雄.人格、职业环境与工作满意度：基于匹配视角的实证研究[J].管理评论，2023，35（3）：207-219.
（收稿日期：2025-07-15;修回日期：2026-03-08）
（本文编辑 曹妍）
