关键词 人工智能;护士;量表;汉化;信度;效度;护理
doi：10.12102/j.issn.1009-6493.2026.10.014
Chinesization of Attitude Scale Towards the Use of Artificial Intelligence Technologies in Nursing and its reliability and validity test
SHANG Li ， LI Ye XU Lanlan NIE Xiaofei ， LUO Yixue ， WANG Dian
1. School of Nursing， Hubei University of Medicine， Hubei China; 2. Dongfang Hospital， Beijing University of Chinese Medicine
Corresponding Author LI Ye， E-mail： 89173838@qq.com
Abstract Objective： To translate the Attitude Scale Towards the Use of Artificial Intelligence Technologies in Nursing（ASUAITIN） and to test its reliability and validity. Methods： The ASUAITIN was translated using the Brislin translation model. The Chinese version of ASUAITIN was developed after cultural adaptation and a preliminary survey. A convenience sampling method was employed to select 396 clinical nurses from a tertiary grade A hospital in Beijing as research subjects. The reliability and validity of the scale were tested. Results： The Chinese version of ASUAITIN consisted of 2 dimensions（positive attitude and negative attitude） with a total of 15 items. The overall Cronbach's α coefficient of the scale was 0.939. The split-half reliability was 0.738. The test-retest reliability was 0.935. The average scale-level content validity index was 0.981. The item-level content validity indexes ranged from 0.875 to 1.000. Two common factors were extracted through exploratory factor analysis， with a cumulative variance contribution rate of 77.402%. Confirmatory factor analysis results showed that all fit indexes were within acceptable ranges. Conclusions： The Chinese version of ASUAITIN demonstrated good reliability and validity. It could be used to assess the attitudes of clinical nurses in China towards the application of artificial intelligence technologies.
Keywords artificial intelligence; nurses; scale; Chinesization; reliability; validity; nursing
人工智能（artificial intelligence， AI）的快速发展极大推动了医疗技术的进步。已有研究显示，将人工智能技术（如药物分配 [1] 、数据挖掘、语音识别 [2] 、疾病评估 [3] ）积极应用于护理工作中，有利于优化临床决策、促进护患沟通、减轻工作负担、提升护理效率 [4] 。同时，人工智能技术的应用也可帮助护士为病人提供循证护理及个性化照护 [2，5-6] 。国家卫生健康委员会在《进一步改善护理服务行动计划（2023-2025年）》[7]中明确提出，医疗机构应充分利用人工智能、物联网等信息技术优化护理服务流程，创新护理服务模式。然而，由于对潜在伦理风险及职业替代可能性的双重担忧，护士对工作中使用人工智能技术的态度存在分歧[6，8]。Abuzaid等[9]研究显示，43%的护士担心人工智能技术可能威胁护理实践，57%的护士认为人工智能技术将使护理专业陷入危机。作为健康服务的关键提供者，临床护士对人工智能技术的接纳程度将直接影响其临床转化效能，因此，了解其态度具有重要的现实意义。Yilmaz等[10]于2025年编制了护理领域人工智能技术应用态度量表（Attitude Scale Towards the Use of Artificial Intelligence Technologies in Nursing， ASUAITIN），该量表易于使用且信效度良好。因此，本研究对ASUAITIN进行汉化，旨在为评估临床护士对人工智能技术的应用态度提供可靠工具。
1 研究方法
1.1 量表介绍
ASUAITIN 由 Y?lmaz 等 [10] 于 2025 年编制， 用于测量临床护士对人工智能技术的应用态度。该量表共 15 个条目， 包括积极态度 （9 个条目） 和消极态度 （6 个条目） 2 个维度， 采用 Likert 5 级评分法， 1 分表示“非常不同意”， 5 分表示“非常同意”， 总分为 15～75 分， 得分越高表明护士对应用人工智能技术的态度越积极。经检验， 量表总体及各维度的 Cronbach's α 系数为 0.910～0.933 [10] 。
1.2 量表汉化
1.2.1 量表翻译
研究者联系原量表作者，征得其同意和授权后，根据Brislin翻译模型[11]对量表进行直译和回译。1）直译：由2名熟悉中文和英文的护理专业教师（通过全国大学英语六级考试）独立将量表翻译为中文，形成中文初始版ASUAITIN-A和中文初始版ASUAITIN-B。研究团队将2个版本进行对比、校订和整合，形成中文初始版ASUAITIN-C。2）回译：由1名熟练掌握中文和英文的护理学博士和1名护理专业英语课程授课教师分别将中文初始版ASUAITIN-C翻译为英文回译版ASUAITIN-D和英文回译版ASUAITIN-E，对比2个版本，并对不一致处进行讨论及修改，整合后形成英文回译版ASUAITIN-F。3）审核：研究者将英文回译版ASUAITIN-F返回给原作者，请原作者评价是否与原量表保持一致，并对不一致之处给予修改意见。研究团队根据原作者建议，重复上述直译、回译、审核过程，直至与原作者意见达成一致，形成中文版ASUAITIN。
1.2.2 量表文化调适
为保证中文版 ASUAITIN 具有文化适切性及内容对等性 [12] ，研究团队以邮件或面谈方式邀请 8 名专家组成专家委员会，对量表条目相关度、语言表达清晰度、是否符合我国文化背景等内容进行评估。8 名专家包括 2 名高校从事计算机科学研究的教师、3 名从事护理信息学研究的教师、3 名三级甲等医院临床护理专家，其均具有副教授或副主任护师以上职称，其中博士研究生 3 人，硕士研究生 4 人，本科 1 人。
1.2.3 预调查
于2025年2月采用便利抽样法，选取北京市某三级甲等医院的20名护士进行预调查。纳入标准：1）有1年以上的临床工作经验;2）自愿参与本研究。排除标准：1）工作地点非临床科室;2）调查期间因休假或其他原因不在岗。详细记录参与者反馈内容，如表达不清晰、难以理解的条目和措辞，与8名专家讨论后修改和完善量表。
1.3 信效度检验
1.3.1 调查对象
于2025年3月—4月，采用便利抽样法选取北京市某三级甲等医院的临床护士为研究对象。纳入及排除标准同预调查。预调查后中文版ASUAITIN共15个条目，采用条目数5～10倍的计算方法确定样本量 [13] ，同时考虑20%的失访率，共需纳入94～188名护士。吴明隆 [14] 提出，开展探索性因子分析和验证性因子分析的样本量至少为300人，因此本研究拟定总样本量为300人以上。本研究已通过研究对象所在单位伦理委员会审核批准（编号：JDF-IRB-2025030901）。
1.3.2 调查方法
通过问卷星平台线上发放电子问卷，在问卷指导语部分向调查对象解释研究目的、意义及填写方法，强调本调查采用匿名方式，数据仅作研究使用，只有所有条目均填写完毕才可提交。同意者点击“确认”后开始填写问卷，不同意者可退出填写。作答时间为2～5min。问卷包括自行设计的一般资料调查表（如性别、年龄、文化程度、工作科室、工作年限、专业技术职称）和中文版ASUAITIN。研究团队逐一筛查提交问卷的具体内容，大部分条目为相同选项或作答时长<2min视为无效问卷。本研究共发放问卷400份，回收有效问卷396份，问卷有效回收率为99%。
1.4 统计学方法
采用 SPSS 26.0 和 AMOS 26.0 统计学软件进行数据分析。定性资料以频数及百分比（%）表示。项目分析采用临界比值法和相关系数法，内容效度采用平均量表水平的内容效度指数（S-CVI/Ave）和条目水平的内容效度指数（I-CVI）评价，结构效度采用探索性因子分析和验证性因子分析评价，信度通过 Cronbach's α 系数、Pearson 相关系数、Spearman-Brown 系数计算量表的内部一致性、重测信度及折半信度进行评价。以 P<0.05 为有统计学意义。
2 结果
2.1 文化调适及预调查结果
研究小组结合专家意见以及预调查时护士对问卷内容的反馈对中文版ASUAITIN进行如下修改：将条目2“当我想到人工智能技术未来如何应用于护理领域时，我就会感到不安”修改为“想到人工智能技术未来在护理领域中的应用方式时，我就感到不安”;将条目3“我认为如果人工智能技术未来被更多地应用，护
理行业将会受到损害”修改为“我认为如果未来更多地使用人工智能技术，护理行业将受到损害”；将条目5“我认为在护理工作中使用人工智能技术是不正确的”修改为“我认为在护理工作中使用人工智能技术是不恰当的”；将条目10“对于一些常规的护理程序，比如生命体征检查和评估疼痛，我更倾向于使用带有人工智能的系统”修改为“我更倾向于使用人工智能系统处
理某些常规护理操作，如监测生命体征和评估疼痛”;将条目11“人工智能技术对病人的预测（护理诊断、护理需求等）可以提供实际机会使职业更容易”修改为“人工智能技术对病人情况的预测（护理诊断、护理需求等）能为简化护理工作提供实际帮助”。
2.2 信效度检验的调查对象一般资料（见表1）
表 1 调查对象一般资料 （n=396）
Table 1 General information of survey subjects（n=396）
2.3 项目分析
1）临界比值法：将396份量表按得分降序排列后，以27%为截断点划分高分组（前27%）与低分组（后27%），通过独立样本t检验比较两组条目得分差异，删除t值<3.000或差异无统计学意义（P>0.05）的条目 [15] 。结果显示，低分组与高分组各条目的t值为14.513～28.641（均P<0.01），因此保留全部条目。2）相关系数法：计算各条目与量表总分的Pearson相关系数，剔除相关系数<0.4的条目 [16] 。结果显示，量表各条目得分与总分的相关系数为0.631～0.822（均P<0.01），因此保留全部条目。
2.4 效度分析
2.4.1 内容效度
邀请8名专家采用Likert 4级评分法（“完全无关”计1分，“十分相关”计4分）对条目内容相关性进行独立评分，当I-CVI≥0.78，S-CVI/Ave≥0.90时，说明量表内容效度良好 [15] 。中文版ASUAITIN的I-CVI为0.875～1.000，S-CVI/Ave为0.981。
2.4.2 结构效度
2.4.2.1 探索性因子分析
采用Excel对396份问卷进行随机分组，用于探索性因子分析和验证性因子分析，每组198份。中文版ASUAITIN的KMO值为0.918，Bartlett's球形检验结果显示， χ2=3301.116（P<0.01），说明该量表适合进行因子分析，提取特征根 >1 的公因子，得到2个公因子，累计方差贡献率为 77.402% 。各条目因子载荷见表2。
表 2 中文版 ASUAITIN 各条目因子载荷
Table 2 The factor loading of each item of the Chinese version of ASUAITIN
2.4.2.2 验证性因子分析
利用 AMOS 26.0 软件进行验证性因子分析， 结果显示， 修正后模型的卡方自由度比 （χ2/df）=1.867 ， 比较拟合优度指数 （CFI）=0.977， 拟合优度指数 （GFI）=0.898， 模拟拟合指数 （NFI）=0.952， 递增拟合指数 （IFI）=0.977， Tucker-Lewis 指数 （TLI）=0.972， 相对拟合指数 （RFI）=0.941， 近似误差均方根 （RMSEA）=0.066。各指标数值均在可接受范围 [14] 。见图 1。
图 1 中文版 ASUAITIN 结构方程模型
Figure1 Structural equation modeling of Chinese version of ASUAITIN
2.5 信度分析
中文版 ASUAITIN 的 Cronbach's α 系数为 0.939，2 个维度的 Cronbach's α 系数为 0.945 和 0.956；量表总体的折半信度为 0.738，间隔 2 周的重测信度为 0.935。
3 讨论
3.1 中文版 ASUAITIN 具有良好的应用价值
近年来，人工智能技术取得了突破性进展，其可能在提供医疗服务、改善病人结局和转变护士角色方面带来范式变革[17]。随着人口老龄化进程加速及精准医疗需求持续增长，护理人力资源短缺问题将进一步凸显，人工智能技术与护理学科的深度融合已成为必然趋势。尽管人工智能在病人监测、健康管理等领域展现出了优势，但护理作为一种以人为中心的高度个性化工作[18]，其服务过程的情感交互性、决策复杂性及人文关怀属性仍不可替代，因此，系统评估护士对人工智能技术的接纳意愿十分重要。本研究对ASUAITIN进行跨文化调适，旨在形成契合我国护理实践情境的测量工具。借助该量表可以评估临床护士对人工智能技术的认知态度、使用动机及潜在顾虑，为智能化设备配置、护士分层培训及人机协同流程优化提供实证依据。在实践应用中，中文版ASUAITIN的评估结果可直接服务于医疗机构人工智能护理工具引进决策、护士职业压力干预策略制定以及“以病人为中心”的智慧护理服务模式创新，助力构建技术效能与人文关怀相融合的护理工作体系，为护理学科智能化转型提供可操作的参考。
3.2 中文版 ASUAITIN 具有良好的区分度
本研究项目分析结果显示，中文版ASUAITIN高分组与低分组条目t值为14.513～28.641（均P<0.01）。条目与总分的相关性分析显示，所有条目得分与量表总分的相关系数均>0.4（均P<0.01），提示条目与量表整体具有较高的内容一致性，符合量表编制的同质性要求。可见，中文版ASUAITIN具有良好的区分度和鉴别度，说明应用该量表能够有效识别不同水平护士对工作中应用人工智能技术态度的差异。
3.3 中文版 ASUAITIN 具有良好信度
信度用于检验测量工具的可靠性、一致性和稳定性 [19] 。中文版ASUAITIN的Cronbach's α 系数为0.939，折半信度为0.738，说明量表的内部一致性较好，可靠程度较高。重测信度分析结果显示，间隔2周的重测信度为0.935，表明其稳定性较好。中文版ASUAITIN 具有较好的信度，能够反映临床护士对于应用人工智能技术的真实态度倾向。
3.4 中文版 ASUAITIN 具有良好效度
效度指某一研究工具对想测量的心理或行为特点所能预测的程度，可用于检验量表的准确性和有效性[13]。内容效度检验结果显示，中文版ASUAITIN的I-CVI为0.875～1.000，S-CVI/Ave为0.981，符合内容效度评价标准，量表内容与原量表具有高度一致性。探索性因子分析提取2个特征值≥1的公因子，累计方差贡献率为77.402%，所有条目因子载荷均>0.5。验证性因子分析结果显示拟合结果在可接受范围，说明量表结构与目标框架高度契合。可见，中文版ASUAITIN具有良好效度，符合心理测量学要求。
4 小结
本研究形成的中文版 ASUAITIN 包括 2 个维度，共 15 个条目，具有良好的信度、效度，且量表条目数较少，易于理解，表述清晰，可作为评估我国护士对人工智能技术应用态度的可靠工具。但本次调查仅在北京市某三级甲等医院进行，具有一定局限性，今后将扩大样本量，开展多中心调查，以期为临床护理管理者制定人工智能技术整合策略提供依据，同时为探索人机协作护理模式提供理论支撑。
参考文献：
[1] BOOTH R G， STRUDWICK G， MCBRIDE S， et al. How the nursing profession should adapt for a digital future[J]. BMJ， 2021（373）：n1190.
[2] TOPAZ M， MURGA L， GADDIS K M， et al. Mining fall-related information in clinical notes： comparison of rule-based and novel word embedding-based machine learning approaches[J]. J Biomed Inform， 2019， 90：103103.
[3] RONQUILLO C E， PELTONEN L M， PRUINELLI L， et al. Artificial intelligence in nursing： priorities and opportunities from an international invitational think-tank of the nursing and artificial intelligence leadership collaborative[J]. J Adv Nurs， 2021， 77（9）：3707-3717.
[4] HOBENSACK M， VON GERICH H， VYAS P， et al. A rapid review on current and potential uses of large language models in nursing[J]. Int J Nurs Stud， 2024， 154： 104753.
[5] MARTINEZ-ORTIGOSA A， MARTINEZ-GRANADOS A， GIL-HERN?NDEZ E， et al. Applications of artificial intelligence in nursing care： a systematic review[J]. J Nurs Manag， 2023， 2023：3219127.
[6] VON GERICH H， MOEN H， BLOCK L J， et al. Artificial Intelligence-based technologies in nursing： a scoping literature review of the evidence[J]. Int J Nurs Stud， 2022， 127： 104153.
[7] 国家卫生健康委员会.关于印发进一步改善护理服务行动计划
（2023-2025年）的通知[S].中华人民共和国国家卫生健康委员会公报，2023（6）：5-8.
[8] RONY M K K， PARVIN M R， FERDOUSI S. Advancing nursing practice with artificial intelligence： enhancing preparedness for the future[J]. Nurs Open， 2024， 11（1）：2070.
[9] ABUZAID M M， ELSHAMI W， FADDEN S M. Integration of artificial intelligence into nursing practice[J]. Health Technol， 2022， 12（6）：1109-1115.
[10] YiLMAZ D， UZELLI D， DIKMEN Y. Psychometrics of the attitude scale towards the use of artificial intelligence technologies in nursing[J]. BMC Nurs， 2025， 24（1）：151.
[11] JONES P S， LEE J W， PHILLIPS L R， et al. An adaptation of Brislin's translation model for cross-cultural research[J]. Nurs Res， 2001， 50（5）：300-304.
[12] 郭金玉， 李峥. 量表引进的过程及评价标准 [J]. 中华护理杂志， 2012， 47（3）： 283-285.
[13] 胡雁， 王志稳. 护理研究 [M]. 5 版. 北京： 人民卫生出版社， 2017： 123-126.
[14] 吴明隆. 结构方程模型： AMOS 操作与应用 [M]. 2 版. 重庆： 重庆大学出版社， 2017： 241-243.
[15] 张晨， 周云仙. 我国护理测量工具文献中内容效度指数应用误区分析[J]. 护理学杂志， 2020， 35（4）：86-88;92.
[16] 李珍， 周梦， 陈露娜， 等. 癌症患者工作生活质量量表的汉化及信效度检验 [J]. 中华护理杂志， 2023， 58（6）： 695-700.
[17] CARY M P， DE GAGNE J C， KAUSCHINGER E D， et al. Advancing health equity through artificial intelligence： an educational framework for preparing nurses in clinical practice and research[J]. Creat Nurs， 2024， 30（2）： 154–164.
[18] IBUKI T， IBUKI A， NAKAZAWA E. Possibilities and ethical issues of entrusting nursing tasks to robots and artificial intelligence [J]. Nurs Ethics， 2024， 31（6）：1010-1020.
[19] 王晓婷，任嘉欣，王红霞.中年女性衰老焦虑量表的汉化及信效度检验[J].护理研究，2025，39（7）：1114-1119.
（收稿日期：2025-05-08;修回日期：2026-02-09）
（本文编辑 陈琼）
