老年人中醫(yī)藥服務健康效用的賽斯通量表度量

張?zhí)燔?/p>

(天津中醫(yī)藥大學管理學院，天津 301617)

中醫(yī)藥服務和健康方面，許多客觀的措施用于監(jiān)測患者健康結果或評估健康干預，但也有主觀的措施。對于后者，很難獲得度量數(shù)據(jù)，這些數(shù)據(jù)需要量化健康結果，如功能障礙、副作用的嚴重程度和健康狀況等。本研究利用賽斯通量表和模型對京津地區(qū)的老年人進行了實證分析，重點研究了健康狀態(tài)的價值。

1 資料與方法

1.1資料來源 通過天津中醫(yī)藥大學第一附屬醫(yī)院和天津中醫(yī)藥大學附屬?？滇t(yī)院門診患者和北京昌平區(qū)回龍觀地區(qū)中醫(yī)門診患者(65～85歲，男412例，女409例)共計822份問卷調查。

1.2研究方法 中醫(yī)藥服務健康主觀度量的核心活動是數(shù)據(jù)產(chǎn)生的信息。擴展模型包括簡單和直接的問卷，只要提供了足夠的信息以達到定量的度量，這些任務很容易執(zhí)行?；旧?，人們有2個判斷的標準。更簡單的方法是一組實體，例如，健康狀態(tài)。另一種基于成對比較的方法，要求受訪者從中選擇自己喜歡的狀態(tài)。對備選方案進行成對比較通常是可行的。如果呈現(xiàn)的實體很難區(qū)分，或者度量的維度不容易理解，可以進行縮放，變換模型和進行聯(lián)合分析。其中最基本的是賽斯通模型。

賽斯通提出了“比較判斷法則”，并討論其潛力和局限性。選擇是由“甄別過程”來調節(jié)的。賽斯通將此定義為生物體識別、區(qū)分或對刺激做出反應的過程?？紤]任意兩個健康狀態(tài)i和j的判別過程的理論分布，在比較判斷法則(LCJ)模型中，與給定的健康狀態(tài)相關聯(lián)的分布的標準偏差稱為該健康狀態(tài)的判別離散度〔1〕。不同的健康狀態(tài)可能不同。讓μi和μj對應于兩個健康狀態(tài)的刻度值。區(qū)別(μi-μj)是用μij寫的，用區(qū)別性的單位來度量。完整形式LCJ如方程①：j表示之間的相關性辨別過程i和j，Zij是單位正常偏離理論對應比例的時候，健康狀態(tài)j判斷大于健康狀態(tài)。

①

在賽斯通縮放的標準方法中，成對比較方法用于收集響應數(shù)據(jù)。根據(jù)該法則，老人被迫表達對一種狀態(tài)的偏愛。所有可能的配對都通過配對比較來評估。這與理論上的推導是一致的。另一種響應模式是秩和檢驗數(shù)據(jù)，它也能夠生成適合賽斯通縮放的數(shù)據(jù)，賽斯通量表的LCJ定義了這類模型。

2 結 果

2.1原始數(shù)據(jù)分析 在n(n-1)/2對健康狀態(tài)已經(jīng)滿足前提假定條件下，原始數(shù)據(jù)的每一個健康狀態(tài)的次數(shù)被其他健康狀態(tài)所選擇。這些觀察到的頻率可以放在方陣f中。第k行和第l列中出現(xiàn)的一般元素fij表示觀察到的健康狀態(tài)的次數(shù)，比健康狀態(tài)j更好或更差。矩陣P是由矩陣f構成的，元素Pij是健康狀態(tài)i在健康狀態(tài)j中被觀察到的比例。矩陣P用于構造矩陣Z，即基本的變換矩陣。元素Zij是與元素Pij相對應的正常單位偏差。元素Zij對所有Pij值小于0.5的值都是正的。在對角線上輸入0；因為我們通?？梢约僭Oμi-μj=0。將量表值作為列總數(shù)的平均值，用Z矩陣的所有非缺失元素進行計算。

數(shù)據(jù)來自于2017年北京回龍觀地區(qū)和天津南開區(qū)萬興街的EuroQol(EQ)-5D估值研究。EQ-5D分類根據(jù)5個屬性描述健康狀況：流動性、自理、日?；顒?、疼痛/不適、焦慮/抑郁〔2〕。每個屬性有3個級別。健康狀態(tài)描述是通過為每個屬性取1級而構建的。EQ-5D屬性和水平允許243種不同的健康狀態(tài)描述，研究可以分成幾個部分的面對面訪談〔3〕。受訪者填寫帶有社會經(jīng)濟和背景問題的調查問卷后，用標準的EQ-5D描述自己的健康狀況。然后，他們將健康狀態(tài)列在卡片上，然后把卡片放在EQ-5D視覺模擬量表上。最后用健康經(jīng)濟學中常見的估值技術視覺模擬評分法(VAS)即時間權衡法進行評估。

在對原始數(shù)據(jù)進行了模擬之后，選取了17個健康狀態(tài)，以“11111”和“死亡”作為補充。數(shù)據(jù)輸入賽斯通量表中。被調查者將19張卡片放在1個EQ VAS上，健康狀態(tài)的位置之間的間隔與他們感知到的差異相對應，標準的20 cm EQ VAS通常被稱為EQ溫度計。它的端點是100，最好的健康狀態(tài)是100，最差的是0。

2.2健康狀態(tài)的分析評價 分析LCJ適用于大多數(shù)的研究情況。不管刺激物的數(shù)量如何，通常有更多的未知參數(shù)，而不是觀測方程。兩個前提假設是老年人們正在考慮他們喜歡的每個健康狀況，和假設每個狀態(tài)可能顯示相同的變化。

用1個基本的數(shù)學方程，奇異值分解(SVD)來測試VAS數(shù)據(jù)的單維性。SVD與因子分析(FA)密切相關。SVD方程與FA的主要區(qū)別在于后種方法是基于相關性或協(xié)方差分析，而SVD是基于對原始數(shù)據(jù)的分析。數(shù)據(jù)的原始度量結構(范圍、方法)不會被SVD改變，因此該技術可將原始數(shù)據(jù)分解為其主要特性。與因子分析一樣，SVD也試圖識別潛在的維度或因素。在計算Z矩陣列的均值后，進行轉換，以達到與健康狀態(tài)“11111”在1.0和“死亡”為0.0時的比例。這是健康經(jīng)濟學的基本要求。用SPSS19.0計算描述性統(tǒng)計和SVD分析及賽斯通縮放計算(矩陣模塊)。

表1給出了所有健康狀態(tài)的平均值和標準誤，并給出了排名和VAS數(shù)據(jù)的“死亡”。1個健康狀態(tài)(“11131”)的平均秩值為8.77，與平均VAS值不相同。這可能是由于這個狀態(tài)的VAS值的1個非正態(tài)分布。VAS中沒有觀察到這種不一致。在極端狀態(tài)下，平均VAS值和平均秩的標準誤更小。這是1個常見的可解釋的特性。SVD分析支持原始VAS數(shù)據(jù)的單維性，94%的方差由1個維度解釋。平均秩和均值VAS值之間存在明顯的逆線性關系，在平均VAS值之間找到了類似的關系，在平均等級和得到的賽斯通值之間也發(fā)現(xiàn)了類似的關聯(lián)性。

表1 健康狀態(tài)賽斯通的縮放結果與VAS值比較(n=822)

3 討 論

3.1中醫(yī)藥服務相關健康測量分析 樣本患者年齡從65～85歲，看中醫(yī)和保健康復的居多。一般來說，中等狀態(tài)群的賽斯通值略低于VAS值。在VAS和賽斯通規(guī)模上，京津兩個地區(qū)的位置幾乎相同。特別是“死亡”和“11111”是VAS和賽斯通同規(guī)模的，因此定義上是相同的。與VAS值相比，在賽斯通量表中，中間狀態(tài)的比例有所不同。鑒于課題經(jīng)費和樣本限制，研究結論有待進一步探討。

研究利用中醫(yī)藥服務中健康相關數(shù)據(jù)，說明了賽斯通模型的潛力，可以推導出主觀健康結果的度量值，對賽斯通模型的各種計算步驟進行了解釋。在這種情況下，主觀的健康結果由一組健康狀態(tài)的描述組成，這些描述受到模型的計算步驟的影響。由于VAS也由相同的受訪者執(zhí)行，因此可以檢查平均VAS值與派生的賽斯通值之間的一致性。研究發(fā)現(xiàn)，賽斯通模型產(chǎn)生的值與VAS值非常相似。在健康狀態(tài)評估的背景下，盡管VAS是1個基于不同判斷任務的更有認知要求的過程，但是在總體水平上，VAS和賽斯通的量表產(chǎn)生的結果幾乎相同。因此，多項目VAS可能被認為是多重成對比較的復合分析，具有一定的等級。在平均等級和得到的賽斯通值之間也有相似之處。3種不同判斷的基本信息過程可能非常相似。然而，賽斯通的縮放比VAS有優(yōu)勢，前者可以消除在VAS中可能發(fā)生的任何偏差。在VAS和賽斯通量表之間，并不意味著兩種方法都能產(chǎn)生有效的健康狀態(tài)值。需要更詳細的實驗研究才能得出這樣的結論。

3.2應用建議 賽斯通模型的另一個局限性是基于正態(tài)分布，而Rasch模型和其他項目響應模型是基于Logistic函數(shù)，它具有計算和理論上的優(yōu)點。賽斯通縮放的一個相關限制是，它假定但沒有提供規(guī)模的單一維度的直接證據(jù)。在本研究中，通過對VAS數(shù)據(jù)的SVD分析，間接支持了賽斯通量表的單維性。

簡單的數(shù)據(jù)收集方法在賽斯通模型下，有幾個優(yōu)點。這包括對老年人易于理解和管理及由于減少測量誤差而提高可靠性。尤其是在受教育程度和計算能力有限的環(huán)境中，一項普通的測量策略可能在更廣泛應用的技術上具有相當大的實際優(yōu)勢，對中醫(yī)藥健康服務的發(fā)展能夠提供一定的支持。