基于共識的健康測量工具選擇標準在患者報告結局測量工具評價中的臨床應用進展

蔡婷婷 楊瑒,2 朱瑞 倪飛霞 黃青梅 夏浩志 袁長蓉

(1.復旦大學護理學院，上海 200032；2.復旦大學附屬腫瘤醫(yī)院，上海 200032)

患者報告結局測量工具(Patient-reported outcome measures,PROMs)在慢性病患者的評估、干預及療效評價等方面發(fā)揮了重要作用[1-2]。與其他測量工具相比，PROMs從患者的角度直接反映了疾病和治療的影響，可便捷地評估患者的癥狀及功能變化，并促進患者參與醫(yī)療決策。當前PROMs已形成了一系列生理、心理及社會健康領域的標準化測量工具[3]。隨著PROMs的研制及應用研究的增加，如何準確地評估測量工具的測量屬性，推動評估工具在臨床的有效應用及推廣有待探討。基于共識的健康測量工具選擇標準(Consensus-based standards for the selection of health measurement instruments,COSMIN)旨在針對測量工具研制及檢驗過程的方法學質(zhì)量及測量指標進行評價，從而幫助研究者選擇最合適的健康測量工具[4]。目前，COSMIN在PROMs的測量性能評價中發(fā)揮了重要作用。本研究旨在綜述COSMIN在PROMs評價中的應用進展，以期為完善PROMs的發(fā)展及應用提供借鑒。

1 COSMIN概述

健康測量工具選擇標準共識指導委員會于2010年對來自21個國家的心理測量學專家的德爾菲專家咨詢形成COSMIN指南，并于2018年對內(nèi)容進行更新[5]。COSMIN指南旨在從方法學及測量指標的優(yōu)劣性等方面對測量工具的測量屬性進行評價，進而篩選出符合研究目的的高質(zhì)量測量工具[6]。COSMIN指南已被較多應用于形成PROMs的推薦意見。該指南指出PROMs的系統(tǒng)評價包括文獻檢索及納入、評價PROMs的測量屬性及選擇PROMs工具3個關鍵階段，可細化為10個步驟，其中步驟1～4包括準備和進行文獻檢索、選擇相關研究；步驟5～8聚焦于對測量工具的質(zhì)量、測量屬性、可解釋性和可行性進行評價；步驟9～10則涉及制定推薦建議和討論系統(tǒng)評價的結果[7]。其中，PROMs的測量屬性需對其內(nèi)容效度、內(nèi)部結構及其他測量屬性進行評價。內(nèi)容效度包括PROMs的開發(fā)及內(nèi)容效度；內(nèi)部結構包含結構效度、內(nèi)部一致性、跨文化效度/測量不變性；其他屬性則涵蓋信度、測量誤差、校標效度、結構效度的假設檢驗及反應性。每個框目采用5級評分，包括“非常好”“充分”“不確定”“不充分”“不適用”。研究者可綜合每個框目的評價內(nèi)容，使用COSMIN測量屬性標準對PROMs每種測量屬性的證據(jù)質(zhì)量進行評價，形成“高”“中”“低”和“極低”的推薦意見[8]。此外，需進一步評價PROMs的可解釋性和適用性，結合所研究領域制定PROMs的推薦等級，分別為A類(推薦使用)、B類(有應用潛力，仍需進一步評估)及C類(不推薦使用)。

2 成人患者

2.1在腫瘤患者中的應用 Bull等[9]對應用于兒童期確診腦部腫瘤或其他獲得性腦損傷患者PROMs的測量屬性進行了系統(tǒng)評價。該研究納入了8項研究，共4種PROMs：包括健康效用指數(shù)(Health utilities index,HUI)、兒童生活質(zhì)量核心模塊(PedsQL core modules)、兒童生活質(zhì)量腦部腫瘤模塊(PedsQL brain tumor modules)、兒童和家庭隨訪調(diào)查(Child and family follow-up survey,CFFS)。其中，只有CFFS具有內(nèi)部一致性、建構效度和結構效度的證據(jù)支持，而兒童生活質(zhì)量核心模塊及兒童生活質(zhì)量腦部腫瘤模塊的內(nèi)部一致性未達成一致結果。HUI和兒童生活質(zhì)量核心模塊所報告的重測信度結果不一致。HUI和CFFS的測量誤差得到證據(jù)支持，而其余2個測量工具則未報告相關結果。4個PROMs的結構效度及假設檢驗均得到證據(jù)支持，但反應度未報告結果。因此上述PROMs在內(nèi)部一致性、反應度等方面的測量屬性需要得到進一步評估。Dobbs等[10]評價了面部皮膚癌患者24項研究中的11種PROMs。其中，頭頸部手術患者結局(Patient outcome of surgery-head/neck,POS-H/N)、皮膚癌指數(shù)(Skin cancer index,SCI)、皮膚癌生活質(zhì)量工具(Skin cancer quality of life impact tool,SCQOLIT)與其他測量工具相比獲得了最充分的證據(jù)支持。但上述PROMs與皮膚癌面部重建患者得分的相關性有待提升。Gondivkar等[11]評價了7項口腔癌患者研究中的6種PROMs，包含1個疾病特異性PROMs和5個普適性PROMs。結果顯示，上述測量工具均未系統(tǒng)完成COSMIN要求的測量屬性內(nèi)容，而口腔癌生活質(zhì)量問卷(Oral cancer quality-of-life questionnaire,QOL-OC)在上述PROMs中表現(xiàn)出最佳的測量屬性。

2.2慢性病患者中的應用

2.2.1呼吸系統(tǒng)疾病 Gagné等[12]系統(tǒng)評價了應用于吸入維持藥物治療哮喘患者的PROMs的測量屬性。該研究納入了14種PROMs，評價其內(nèi)部一致性、信度、測量誤差、內(nèi)容效度、結構效度、假設檢驗、跨文化效度、校標效度和反應度。但上述研究均未評估PROMs的測量誤差。結果表明，一些PROMs在內(nèi)在一致性、結構效度方面表現(xiàn)良好，但部分PROMs未取得理想的結果：如依從性問卷(Adherence questionnaire)的假設檢驗、哮喘依從性報告量表(Medication adherence report scale for asthma)的信度和校標效度、吸入器依從性測試(Test of the adherence to inhalers)的校標效度有待獲得更多證據(jù)支持。Lloyd等[13]評價了應用于社區(qū)獲得性肺炎患者的PROMs的測量屬性。該研究共納入42篇文章，評價了17種PROMs。其中5種為社區(qū)獲得性肺炎患者特異性的PROMs，6種為普適性的PROMs，6種是針對其他疾病的PROMs。健康調(diào)查簡表(MOS item short from health survey,SF-36)是最常使用的工具。結果顯示，大多數(shù)在該群體應用的PROMs未達到COSMIN的測量屬性要求，有待改進。

2.2.2泌尿系統(tǒng)疾病 Aiyegbusi等[14]分析了66篇應用于慢性腎臟病患者的PROMs。其中，腎臟疾病生活質(zhì)量量表-36(Kidney disease quality of life-36,KDQOL-36)在應用于透析前患者時其內(nèi)部一致性獲得高質(zhì)量證據(jù)支持，結構效度獲得中等質(zhì)量證據(jù)支持。在透析患者的應用中，KDQOL-36的內(nèi)部一致性、重測信度和結構效度證據(jù)均為中等，KDQOL簡表(KDQOL-short form,KDQOL-SF)的內(nèi)部一致性和結構效度獲得高質(zhì)量證據(jù)支持，其重測信度和結構效度獲得中等質(zhì)量證據(jù)支持。在腎臟移植患者的應用中，終末期腎臟疾病癥狀清單移植模塊(End stage renal disease-symptom checklist transplantation module,ESRD-SCLTM)的內(nèi)部一致性、重測信度和結構效度獲得中等質(zhì)量證據(jù)支持。

Sullivan等[15]評估應用于尿道下裂患者群體生活質(zhì)量測量的PROMs的測量屬性。該系統(tǒng)評價共納入32項研究，共5種PROMs：尿道下裂客觀評分(Hypospadias objective scoring evaluation,HOSE)、兒童陰莖感受評分(Pediatric penile perception score,PPPS)、陰莖感受評分(Penile perception score,PPS)、成人生殖器感受量表(Genital perception scale for adults)和兒童/青少年生殖器感受量表(Genital perception scale for children/adolescents)。大多數(shù)PROMs關注術后美容滿意度，僅一個測量工具測評泌尿功能，而未有PROMs評估性功能、心理及社會方面的影響。

Gabes等[16]評估了應用于測評絕經(jīng)后女性泌尿生殖系統(tǒng)癥狀的PROMs的測量屬性，共納入9篇文章的4種PROMs。其中，陰道癥狀問卷(Vulvovaginal symptoms questionnaire)和陰道萎縮問卷(Vaginal aging questionnaire)為推薦使用的PROMs。這2種PROMs均顯示了中到高質(zhì)量的證據(jù)，具有良好的建構效度、內(nèi)部一致性和結構效度。泌尿生殖道萎縮患者生活質(zhì)量(Urogenital atrophy quality of life,UGAQoL)和泌尿生殖癥狀量表(Urogenital symptom scale)則不推薦在該群體中使用。

2.2.3內(nèi)分泌系統(tǒng)疾病 Janssen等[17]納入了27個在糖尿病患者中應用的研究，涉及13種PROMs。研究顯示，糖尿病自我管理量表(Diabetes self-management instrument)具有最佳的內(nèi)容效度，并在相關性、全面性和可理解性方面有中等質(zhì)量證據(jù)支持。糖尿病自我管理量表在結構效度和內(nèi)部一致性方面有中等質(zhì)量證據(jù)支持，在假設檢驗的聚合效度方面有高質(zhì)量證據(jù)支持，但在信度方面證據(jù)質(zhì)量較低。修訂后的糖尿病自我護理行為量表(Summary of diabetes self-care activities-revised)是最簡短且最常用的工具，有高質(zhì)量證據(jù)支持其結構效度及內(nèi)部一致性。該量表具有應用潛力，但需進一步評估，須考慮相對低的內(nèi)容效度，并進一步評估該測量工具的測量誤差及反應度。Janssen等[17]的系統(tǒng)評價還評估了應用于痛風患者的PROMs的信度、反應度、結構效度、天花板效應及地板效應。該研究納入了13種PROMs，其中3種PROMs是痛風患者的特異性測量工具。結果顯示：大多數(shù)PROMs具有良好的內(nèi)容效度，但結構效度及信度的證據(jù)較少。評估疼痛的PROMs在反應度、天花板效應及地板效應上具有良好性能，但在痛風群體中的信度信息有待進一步驗證。此外，健康調(diào)查簡表(MOS item short from health survey,SF-36)的生理功能分量表是唯一滿足所有測量屬性的測量工具。因此，該研究提出，許多在痛風患者群體中常用的PROMs尚未獲得良好的證據(jù)支持，有待在急性和慢性痛風人群中進行更深入的研究，以獲得準確的測量屬性信息。

2.2.4風濕系統(tǒng)疾病 Ingegnoli等[18]納入了系統(tǒng)性硬化病患者的23項研究，對7種系統(tǒng)性硬化病特異性PROMs的測量屬性進行評價，包括疾病負擔指數(shù)(Symptom burden index)、硬化病評估問卷(Scleroderma assessment questionnaire)、硬化病功能評分(Scleroderma functional score)、雷諾現(xiàn)象評分(Raynaud’s condition score)、系統(tǒng)性硬化病口腔障礙(Mouth handicap in systemicsclerosis)、加州大學洛杉磯分校硬皮病臨床試驗聯(lián)盟胃腸道問卷(University of California LosAngeles-scleroderma clinical trial consortium gastrointestinal tract)、皮膚癥狀(Skin self-assessment)。結果提示：上述PROMs均尚未達到或部分達到COSMIN指南的測量屬性要求。

2.2.5骨關節(jié)病系統(tǒng) Gagnier等[19]對應用于全膝關節(jié)置換術患者中的PROMs的測量學特性進行系統(tǒng)評價。該研究納入了32種PROMs工具，結果顯示，美國西部Ontario和McMaster大學骨關節(jié)炎指數(shù)(Oxford knee score and the Western Ontario and McMaster Universities arthritis index,WOMAC)在4種及以上測量屬性上表現(xiàn)最佳。McKeown等[20]納入了6項踝關節(jié)骨折患者研究中的3種PROMs，包括踝關節(jié)骨折康復結局量表(Ankle fracture outcome of rehabilitation measure,A-FORM)，Olerud 和Molander 關節(jié)骨折療效評分系統(tǒng)(Olerud-Molander ankle score,OMAS)和AAOS足部和踝關節(jié)結果問卷(Foot and ankle outcome questionnaire,AAOS)。其中，A-FORM在患者人體中的開發(fā)過程較為嚴謹，但在形成正式調(diào)查工具后的檢驗信息較少。OMAS具有信度、內(nèi)在一致性及結構效度的高質(zhì)量證據(jù)支持，而AAOS在結構效度方面存在局限性。

Abram等[21]評價了11項半月板撕裂患者研究中的PROMs的測量屬性。結果顯示，對于癥狀和功能狀態(tài)的測量，只有有限的證據(jù)支持選擇Lysholm膝關節(jié)評分(Lysholm knee scale international knee documentation committee subjective knee form)及荷蘭版膝關節(jié)損傷與骨關節(jié)炎結局評分(the Dutch version of the Knee injury and osteoarthritis outcome score)。在測量健康相關生活質(zhì)量的研究中，只有有限的證據(jù)支持選擇安大略西部半月板評估工具(Western ontario meniscal evaluation tool,WOMET)。在所有被評估的PROMs中，WOMET的內(nèi)容效度最佳。Gagnier等[22]納入了41項應用于前交叉韌帶損傷患者研究中的24種PROMs的測量屬性。研究顯示，IKDC膝關節(jié)主觀評估系統(tǒng)(International knee documentation committee form)及骨關節(jié)炎結局評分(Osteoarthritis outcome score,KOOS)是最常用的評估工具。ACL-受傷后恢復運動量表(ACL-return to sport after injury scale,ACLRSI)在6項測量指標上得到高質(zhì)量證據(jù)支持，是測量屬性最佳的測量工具。

Lundgren-Nilsson等[23]評價了78種應用于骨關節(jié)炎患者中的PROMs的測量屬性。結果顯示，最常用的PROMs為西安大略麥克馬斯特骨關節(jié)炎指數(shù)(Western Ontario McMaster Osteoarthritis index)、健康調(diào)查簡表(MOS item short from health survey,SF-36)、膝關節(jié)損傷和骨關節(jié)炎評分(Knee disability and osteoarthritis outcome score)，且大多數(shù)測量領域至少有一個高質(zhì)量證據(jù)支持其測量屬性。但在一些重要的領域，如自我效能感領域，PROMs的測量屬性有待提升。Png等[24]納入了應用于脊柱關節(jié)炎患者的PROMs，從125項研究中確定了60種PROMs的測量屬性。其中，41.7%的研究對象是強直性脊柱炎患者，23.3%的研究對象是銀屑病性關節(jié)炎。強直性脊柱炎生活質(zhì)量(Ankylosing spondylitis quality of life,ASQoL)和巴斯強直性脊柱炎功能指數(shù)(Bath ankylosing spondylitis functional index,BASF)在強直性脊柱炎中應用廣泛，而銀屑病關節(jié)炎生活質(zhì)量問卷(Psoriatic arthritis quality of life questionnaire)在銀屑病性關節(jié)炎患者中應用廣泛。上述納入的研究驗證了PROMs結構效度的假設檢驗(82.4%)及內(nèi)在一致性(60.0%)。在對PROMs的假設檢驗評價的研究中，有77.7%的研究具有中等質(zhì)量證據(jù)支持。該研究提出未來應在更多的脊柱關節(jié)炎群體中檢驗PROMs，并提高其測量屬性。

3 兒童患者

Crudgington等[25]評估了應用于兒童癲癇患者健康相關生活質(zhì)量測量的PROMs的測量屬性。該研究確定了27項研究，共11種PROMs。結果顯示，結構效度、重測信度和內(nèi)部一致性在上述PROMs的評價中較常見。兒童癲癇生活質(zhì)量問卷(Quality of life in childhood epilepsy,QoLCE)的家長報告版本較其他測量工具使用次數(shù)更多。QoLCE在結構效度、建構效度以及內(nèi)部一致性方面具有高質(zhì)量的證據(jù)支持。兒童癲癇患者健康相關生活質(zhì)量測量(Health-related quality of life measure for children with epilepsy,CHEQoL)的兒童和家長報告版本的內(nèi)容效度、結構效度和建構效度均有高質(zhì)量證據(jù)支持，推薦兒童癲癇患者使用。

4 小結

通過COSMIN指南對PROMs在不同疾病中的測量屬性進行評價，發(fā)現(xiàn)PROMs研發(fā)及檢驗中存在的問題，篩選出高質(zhì)量的測量工具，對PROMs的研制、檢驗及應用具有重要的指導意義。較多研究關注應用于腫瘤患者、慢性病患者及兒童患者的PROMs的測量屬性評價。PROMs在一些疾病群體中的應用尚未取得滿意的效果，且測量屬性評價內(nèi)容存在較大差異，常見的指標如內(nèi)在一致性、結構效度雖已較多得到檢驗，而重測信度、校標效度、結構效度的假設檢驗、測量誤差、反應度等測量內(nèi)容的檢驗則較為缺乏。研究者可明確PROMs目前存在哪些測量屬性，針對研究目的靈活選擇對應的框目。此外，目前少見基于COSMIN指南的兒童患者PROMs的相關評價研究，有待完善。今后PROMs的研制及測量學檢驗應更重視COSMIN指南的指導作用以減少偏倚，關注PROMs的重測信度、校標效度、結構效度的假設檢驗、測量誤差、反應度等測量屬性，并擴大檢驗群體，以形成具有良好測量屬性的PROMs，更準確地評估患者的癥狀及功能變化。