老年人中醫藥服務健康效用的賽斯通量表度量

張天懿

(天津中醫藥大學管理學院，天津 301617)

中醫藥服務和健康方面，許多客觀的措施用于監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，很難獲得度量數據，這些數據需要量化健康結果，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的老年人進行了實證分析，重點研究了健康狀態的價值。

1 資料與方法

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

1.2研究方法 中醫藥服務健康主觀度量的核心活動是數據產生的信息。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，這些任務很容易執行。基本上，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。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。對備選方案進行成對比較通常是可行的。如果呈現的實體很難區分，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”來調節的。賽斯通將此定義為生物體識別、區分或對刺激做出反應的過程。考慮任意兩個健康狀態i和j的判別過程的理論分布，在比較判斷法則(LCJ)模型中，與給定的健康狀態相關聯的分布的標準偏差稱為該健康狀態的判別離散度〔1〕。不同的健康狀態可能不同。讓μi和μj對應于兩個健康狀態的刻度值。區別(μi-μj)是用μij寫的，用區別性的單位來度量。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j判斷大于健康狀態。

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據。根據該法則，老人被迫表達對一種狀態的偏愛。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據，它也能夠生成適合賽斯通縮放的數據，賽斯通量表的LCJ定義了這類模型。

2 結 果

2.1原始數據分析 在n(n-1)/2對健康狀態已經滿足前提假定條件下，原始數據的每一個健康狀態的次數被其他健康狀態所選擇。這些觀察到的頻率可以放在方陣f中。第k行和第l列中出現的一般元素fij表示觀察到的健康狀態的次數，比健康狀態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i在健康狀態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；因為我們通常可以假設μi-μj=0。將量表值作為列總數的平均值，用Z矩陣的所有非缺失元素進行計算。

數據來自于2017年北京回龍觀地區和天津南開區萬興街的EuroQol(EQ)-5D估值研究。EQ-5D分類根據5個屬性描述健康狀況：流動性、自理、日常活動、疼痛/不適、焦慮/抑郁〔2〕。每個屬性有3個級別。健康狀態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。

在對原始數據進行了模擬之后，選取了17個健康狀態，以“11111”和“死亡”作為補充。數據輸入賽斯通量表中。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，最好的健康狀態是100，最差的是0。

2.2健康狀態的分析評價 分析LCJ適用于大多數的研究情況。不管刺激物的數量如何，通常有更多的未知參數，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，和假設每個狀態可能顯示相同的變化。

用1個基本的數學方程，奇異值分解(SVD)來測試VAS數據的單維性。SVD與因子分析(FA)密切相關。SVD方程與FA的主要區別在于后種方法是基于相關性或協方差分析，而SVD是基于對原始數據的分析。數據的原始度量結構(范圍、方法)不會被SVD改變，因此該技術可將原始數據分解為其主要特性。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“11111”在1.0和“死亡”為0.0時的比例。這是健康經濟學的基本要求。用SPSS19.0計算描述性統計和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的平均值和標準誤，并給出了排名和VAS數據的“死亡”。1個健康狀態(“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的VAS值的1個非正態分布。VAS中沒有觀察到這種不一致。在極端狀態下，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數據的單維性，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現了類似的關聯性。

表1 健康狀態賽斯通的縮放結果與VAS值比較(n=822)

3 討 論

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

研究利用中醫藥服務中健康相關數據，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。研究發現，賽斯通模型產生的值與VAS值非常相似。在健康狀態評估的背景下，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有優勢，前者可以消除在VAS中可能發生的任何偏差。在VAS和賽斯通量表之間，并不意味著兩種方法都能產生有效的健康狀態值。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分布，而Rasch模型和其他項目響應模型是基于Logistic函數，它具有計算和理論上的優點。賽斯通縮放的一個相關限制是，它假定但沒有提供規模的單一維度的直接證據。在本研究中，通過對VAS數據的SVD分析，間接支持了賽斯通量表的單維性。

簡單的數據收集方法在賽斯通模型下，有幾個優點。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勢，對中醫藥健康服務的發展能夠提供一定的支持。