综述:新冠疫情期间医护人员道德伤害的严重程度及相关因素:一项综合荟萃分析

《Archives of Public Health》:Severity and associated factors of moral injury in healthcare workers during the coronavirus pandemic: a comprehensive meta-analysis

【字体: 时间:2025年02月15日 来源:Archives of Public Health 3.2

编辑推荐:

  这篇综述通过荟萃分析,评估了新冠疫情期间医护人员(HCWs)道德伤害(MI)的总体水平,发现护士、年轻医护人员及发展中国家的医护人员受影响较大。研究为针对性干预提供依据,强调统一 MI 评估工具的重要性,值得关注。

  

一、研究背景

新冠疫情的爆发犹如一场全球性的健康风暴,给全球的医疗系统带来了前所未有的挑战,也让奋战在一线的医护人员(HCWs)承受着巨大的压力。他们日夜坚守岗位,为救治患者竭尽全力,然而,这场疫情带来的沉重负担,却对他们的身心健康造成了极大的影响。
在抗疫过程中,医护人员面临着诸多难题。工作负担异常沉重,长时间的隔离让他们身心疲惫,高压力的工作环境更是如影随形。特别是住院医生,在经验不足的情况下就被迫承担起关键责任,这无疑增加了他们心理健康出现问题的风险。而且,在疫情高峰期,医疗资源的稀缺使得医护人员不得不做出一些艰难的伦理决策,比如如何分配有限的重症监护资源,这进一步加剧了他们道德伤害(MI)的风险。到了疫情后期,疫苗接种强制令又引发了新的矛盾,部分医护人员因未接种疫苗面临就业风险或薪资减少,同时还感觉个人权利受到侵犯,这些因素都让道德伤害问题愈发严重。
MI 指的是个体目睹或参与了与自身道德伦理原则相冲突的行为后,所产生的深刻心理痛苦。它常常表现为强烈的内疚、羞耻或背叛感,可能会对个人的情感造成长期的伤害。在医护工作中,从资源分配的艰难抉择,到平衡患者护理与自身安全的两难处境,都可能引发 MI。近期的多项研究表明,医护人员中 MI 的发生率已经达到了相当高的水平,不同研究中其患病率在 13% - 50% 之间波动,这一情况会导致一系列负面后果,如职业倦怠、心理健康问题,甚至使部分医护人员选择离开这个行业。
虽然已有研究对医护人员的 MI 进行了探讨,但由于使用的测量工具各不相同,导致研究结果难以比较和统一解读。因此,开展一项荟萃分析来综合这些研究成果,准确估计不同测量工具下医护人员 MI 的总体水平,显得尤为必要。本研究旨在填补这一空白,全面分析疫情期间医护人员的 MI 情况,为后续的干预措施提供有力依据。

二、研究方法

  1. 设计与注册:本次荟萃分析涵盖了从新冠疫情开始到 2023 年期间的相关研究,研究方案已在 PROSPERO 数据库注册,编号为 CRD42023387480。主要研究目的是使用可靠的测量工具评估医护人员的 MI 总体水平,次要目的包括比较不同职业、年龄、性别以及不同国家发展阶段的医护人员之间 MI 的差异。
  2. 检索策略:研究人员在 Scopus、PubMed、ProQuest、ISI Web of Knowledge、PsycInfo 等多个数据库进行了全面检索,同时还在 Google 和 Google Scholar 上进行了补充检索。为确保检索的系统性和全面性,研究采用了 PECO - S 框架来制定检索问题和查询语句。该框架涵盖了研究对象(Population,P,即医护人员)、暴露因素(Exposure,E,即新冠疫情期间工作)、比较对象(Comparison,C,如医生与护士、男性与女性医护人员)、研究结果(Outcome,O,即 MI 评分的均值和标准化均值差)以及研究设计(Study design,S,即观察性研究)。检索词主要来源于 PubMed 医学主题词(Mesh),并通过布尔运算符(AND/OR/NOT)将相关词汇有效组合。此外,还对纳入研究的参考文献以及 Open Grey、NYAM 等灰色文献进行了检索,以避免遗漏重要信息。
  3. 纳入标准:本研究的纳入对象为参与新冠患者救治工作的医护人员,包括医生、护士以及其他直接参与护理的专业人员。研究设计要求为横断面研究,且需使用经过验证的量表、问卷或定性方法来测量 MI。
  4. 研究筛选与数据提取:研究人员预先设计了 Excel 表格,用于提取研究的各项信息,如第一作者姓名、数据收集日期、研究设计、研究国家、参与者数量、女性参与者比例、平均年龄、评估 MI 的量表以及 MI 评分的均值和标准差等数据。若研究中护士作为一个子群体,还会单独提取与护士相关的数据。整个研究筛选、质量评估和数据提取过程由两名评审员独立完成,遇到分歧时通过讨论解决。同时,两名作者(M.J - O 和 M.J)使用乔安娜?布里格斯研究所(JBI)的分析性横断面研究批判性评价清单,对纳入研究的质量进行系统评估,该清单包含 8 个项目,采用二分法评分,总分范围为 0 - 8 分,分数越高表示研究质量越高,若有分歧则通过共同讨论达成一致。
  5. 数据合成:在数据合成阶段,研究人员使用 MI 评分的均值和标准化均值差(SMD)作为效应量,并计算 95% 置信区间来估计总体测量值。通过随机效应模型和固定效应模型进行荟萃分析,以考虑研究内和研究间的差异。使用 Q Cochrane 检验评估统计异质性,并用 I2 指数估计异质性程度,I2 指数分为轻度(I2<25%)、中度(25%<>i275%)和极重度(i275%)。对于同质性(I2<50% 且 P>0.05)和异质性(I2≥50% 且 P<0.05)的数据,分别采用固定效应模型和随机效应模型进行分析。由于不同测量工具的评分方法不同,研究人员对每种工具单独进行 MI 总体估计。在新冠疫情期间,共有 13 种工具用于测量医护人员的 MI,其中 7 种工具在多个样本中使用,对其进行了总体估计,其他工具则归为 “其他” 组。此外,研究还使用 Jackknife 法(即 “留一法”)和 Metaninf 模块进行敏感性分析,通过依次剔除每个研究样本,重新计算总体效应量,以评估单个研究对总体结果的影响。/i275%)和极重度(i2

三、研究结果

  1. 研究筛选结果:最初从数据库中检索到 1500 条记录,去除 205 条重复记录和一些不符合要求的记录后,对 1265 条记录进行筛选。经过层层筛选,最终排除了大量不符合标准的记录,包括 985 条因不符合预定标准的记录,以及部分无法获取报告、仅报告中位数、无法访问、格式为信件或与工具开发相关的记录。最终,35 项研究的 58 份报告被纳入本次荟萃分析。
  2. 研究特征:纳入的 35 项研究均在 2019 - 2023 年期间开展,研究地点分布在多个国家,如美国、印度尼西亚、荷兰、中国、意大利等。样本量差异较大,从 33 人到 12965 人不等。研究使用了多种测量 MI 的工具,包括 MISS - HP、MDT、MIES、MDS 等。研究对象涵盖了护士、医生和其他医护人员,同时还评估了许多与 MI 相关的社会人口学和工作相关变量,如性别、婚姻状况、医院类型、职业、专业、工作场所、年龄、教育水平、个人防护设备(PPE)的充足性以及接触新冠患者的情况等。这些研究的质量评分也有所不同,部分研究在 1 - 8 分的评分体系中获得 4 分或 5 分,反映出研究方法学严谨程度的差异。
  3. MI 总体均值:研究人员对部分测量工具计算出了 MI 的总体均值,如 MISS - HP、MDT、MMD - HP、MIAS 和扩展 MMD - HP。不同工具测量得到的 MI 总体均值差异较大,扩展 MMD - HP 测量的均值为 3.06(95% CI:2.35 - 3.77),而 MMD - HP 测量的均值高达 119.17(95% CI:103.04 - 135.30)。通过 “留一法” 分析发现,单个研究对总体均值的影响并不显著,这表明研究结果较为稳定可靠。
  4. 敏感性分析:敏感性分析结果显示,没有单个研究对 MI 总体均值估计产生过大影响,这进一步证实了研究结果的稳定性和可靠性,说明研究所得出的 MI 患病率及亚组差异具有较强的说服力。
  5. 亚组分析:亚组分析分别基于职业、性别、年龄和国家发展阶段进行。不同职业的医护人员 MI 总体均值存在差异,如 HCWs 的 MI 总体均值在不同工具测量下为 3.51 - 130.51,医生为 3.51 - 27.07,护士为 4.68 - 113.41。基于性别的分析中,使用 MDT 工具测量时,男性医护人员的 MI 总体均值为 4.71(95% CI:4.53 - 4.89),女性为 3.87(95% CI:2.15 - 5.60),女性的异质性较高(I2=98.92%)。年龄方面,以 33 岁为界,≤33 岁的医护人员 MI 总体均值为 3.98(95% CI:2.45 - 5.51),>33 岁的为 3.72(95% CI:1.91 - 5.54),均存在较高异质性。在国家发展阶段的分析中,发展中国家医护人员的 MI 总体均值范围为 4.37 - 113.66,高于发达国家,且存在不同程度的异质性。进一步分析发现,护士、女性医护人员、33 岁及以下的医护人员以及发展中国家的医护人员,MI 水平相对较高,但基于职业、性别和年龄的差异在统计学上并不显著,而发展中国家与发达国家医护人员之间的 MI 差异具有统计学意义(P = 0.02)。

四、讨论

  1. 研究发现概述:本研究通过多种评估工具对医护人员的 MI 总体均值进行了估计,并进行了亚组分析。研究发现,使用 MISS - HP 和 MDT 工具测量时,部分医护人员的 MI 得分超过了临床显著 MI 的截断值,表明他们承受着较大的 MI 负担。不同测量工具所得出的 MI 总体均值存在差异,且除 MIAS 和 MIES 外,其他工具测量结果的异质性较高,这意味着可能存在其他因素影响着 MI 水平。尽管亚组分析在一定程度上降低了异质性,但仍有部分估计的总体均值存在较高异质性。
  2. 研究的独特贡献:与以往的荟萃分析不同,本研究综合了多种评估工具的数据,更全面细致地分析了 MI 情况,探讨了不同测量工具之间的差异,评估了其可比性和有效性。同时,研究还深入分析了人口统计学和职业变量的亚组差异,确定了护士、年轻医护人员和发展中国家医护人员等高危群体,为针对性干预提供了依据。此外,研究强调了 MI 评分缺乏标准化的问题,呼吁采用统一的测量方法,填补了现有研究的空白,为改进 MI 评估方法和制定支持医护人员的措施奠定了基础。
  3. MI 水平差异的原因:不同测量工具所得出的 MI 总体均值存在差异,这可能是由多种因素造成的。研究开展的时间与疫情阶段有关,不同阶段医护人员面临的情况不同,对 MI 的影响也不同。接触新冠患者的时长和强度不同,也会导致 MI 水平有所差异。研究设计的类型、研究对象的特征、使用的具体评估工具以及社会文化差异等,都在一定程度上影响了 MI 水平的报告,这也凸显了 MI 现象的复杂性,提醒我们在解读和比较不同研究结果时要全面考虑这些因素。
  4. MDT 工具的作用与局限性:道德困扰(MD)和 MI 在概念上有所不同,MD 通常指外部因素迫使个体做出违背自身伦理信念的行为时所产生的不适,而 MI 则涉及更深层次的心理影响,往往会造成长期的道德和情感伤害。MDT 传统上用于评估 MD,但在新冠疫情这种特殊背景下,医护人员反复遇到无法解决的伦理冲突,MD 可能会转化为 MI,此时 MDT 也能为评估 MI 水平提供一定的参考。虽然 MDT 不能完全涵盖 MI 的所有方面,但在缺乏更通用的 MI 特异性工具的情况下,它能为研究医护人员面临的道德困境提供有价值的数据。
  5. 亚组分析结果的意义:亚组分析结果显示,护士相较于其他医护人员,MI 水平更高,这可能与护士的工作性质、与患者的互动强度、长时间的护理工作以及日常面临的伦理困境等因素有关。女性医护人员的 MI 水平略高于男性,但差异不显著,这可能受到社会、文化和系统等多种因素的综合影响,需要进一步研究。年龄与 MI 的关系同样不显著,虽然年轻医护人员报告的 MI 水平较高,但可能由于纳入研究数量有限或样本量较小导致这一结果,未来需要更大规模、更具多样性的研究来深入探讨。发展中国家医护人员的 MI 水平高于发达国家,这表明在资源相对匮乏等条件下,MI 对医护人员的影响可能更大,所有医护人员都在面临着疫情带来的各种挑战。
  6. 研究的临床意义:新冠疫情虽然可能会逐渐得到控制,但医护人员在日常工作中仍会面临各种伦理挑战、资源限制和情感压力,这些都可能导致 MI。长期暴露在这样的环境中,会对医护人员的心理健康产生负面影响,如职业倦怠、抑郁、焦虑等,还会降低工作满意度,增加离职意愿。因此,采取系统性的干预措施至关重要,如开展伦理培训、提供支持性的领导环境和心理健康项目等,以增强医护人员的心理韧性,减轻 MI 的影响。了解 MI 的流行情况及其与人口统计学因素的关联,有助于制定针对特定群体的预防干预措施和支持机制。标准化 MI 评估工具,并为医护人员提供常规的心理健康支持,能够在未来的危机和日常医疗工作中更好地应对 MI 问题,打造更具韧性的医疗队伍。

五、研究的优势与局限性

本研究的优势在于综合了多种测量工具的数据,全面分析了新冠疫情期间医护人员的 MI 情况,深入探讨了亚组差异,确定了高危群体,强调了标准化评估工具的重要性,为后续研究和干预提供了有价值的参考。然而,研究也存在一些局限性。部分测量工具缺乏标准化的评分方法,使得研究结果难以进行一致的比较。不同研究之间的人口统计学数据有限,限制了亚组分析的深度。部分分析中纳入的研究数量相对较少,且无法全面评估发表偏倚,这些因素可能会对研究结果产生一定的影响。

六、研究结论

本荟萃分析发现,全球在测量医护人员 MI 时使用了多种工具,部分工具存在标准化问题,给分析带来了困难。研究表明,医护人员的 MI 水平较高,尤其是发展中国家的医护人员,以及护士、女性和年轻医护人员。这些结果提示我们,需要采取针对性的干预措施,如开展心理韧性培训、提供心理健康支持和进行常规的 MI 评估等,以保护这些易受影响的医护人员群体。同时,开发标准化的 MI 评估工具对于后续的研究和有效支持医护人员至关重要。未来的研究应进一步探索更多的人口统计学因素,并进行纵向分析,以评估 MI 的长期影响和干预措施的效果,从而更好地保障医护人员的身心健康,提升医疗服务质量。

娑撳娴囩€瑰宓庢导锔炬暩鐎涙劒鍔熼妴濠団偓姘崇箖缂佸棜鍎禒锝堥樋閹活厾銇氶弬鎵畱閼筋垳澧块棃鍓佸仯閵嗗甯扮槐銏狀洤娴f洟鈧俺绻冩禒锝堥樋閸掑棙鐎芥穱鍐箻閹劎娈戦懡顖滃⒖閸欐垹骞囬惍鏃傗敀

10x Genomics閺傛澘鎼isium HD 瀵偓閸氼垰宕熺紒鍡氬劒閸掑棜椴搁悳鍥╂畱閸忋劏娴嗚ぐ鏇犵矋缁屾椽妫块崚鍡樼€介敍锟�

濞嗐垼绻嬫稉瀣祰Twist閵嗗﹣绗夐弬顓炲綁閸栨牜娈慍RISPR缁涙盯鈧鐗哥仦鈧妴瀣暩鐎涙劒鍔�

閸楁洜绮忛懗鐐寸ゴ鎼村繐鍙嗛梻銊ャ亣鐠佹彃鐖� - 濞e崬鍙嗘禍鍡毿掓禒搴n儑娑撯偓娑擃亜宕熺紒鍡氬劒鐎圭偤鐛欑拋鎹愵吀閸掔増鏆熼幑顔垮窛閹貉傜瑢閸欘垵顫嬮崠鏍掗弸锟�

娑撳娴囬妴濠勭矎閼崇偛鍞撮摂瀣鐠愩劋绨版担婊冨瀻閺嬫劖鏌熷▔鏇犳暩鐎涙劒鍔熼妴锟�

相关新闻
    生物通微信公众号
    微信
    新浪微博
    • 急聘职位
    • 高薪职位

    知名企业招聘

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号