GMAS、MMAS-8和SEAMS評估慢性病病人用藥依從性效能的比較

蘭琨熠，張 清*，沈悅好

1.天津醫科大學護理學院，天津 300070；2.天津醫科大學總醫院

目前，慢性病已成為我國居民的頭號健康威脅。《中國自我保健藍皮書》顯示，慢性病位于我國人群疾病譜和死因譜的首位，慢性病死亡占我國居民總死亡的85%以上，慢性病病人總人數已達3 億人，并且呈現年輕化且快速發展趨勢[1]。慢性病具有病程發展難以估計、多數不可治愈等臨床特點，決定了大部分慢性病病人需要長期甚至終身服藥。研究表明至少有30%的慢性病病人存在用藥依從性不佳的問題[2]。用藥依從性是指病人用藥行為與醫囑相一致的程度，依從性不佳的行為包括不按處方要求買藥及續藥、自行增減藥量、不按時服藥或漏服忘服藥物、擅自停藥等。有研究報道，慢性病病人用藥依從性不佳，會導致治療效果無法達到預期標準，繼而促使病程加速，增加并發癥發生風險，影響病人預后，縮短病人健康壽命和降低生活質量，進一步加重病人家庭和社會的醫療照護及經濟負擔[3]。因此，早期、準確評估慢性病病人的用藥依從性并對依從性不佳的行為予以干預，對促進藥物治療效果、改善病人預后具有重要意義。近年來，國內外學者已發展出多種慢性病用藥依從性評估工具，但尚無公認的用藥依從性評估“金標準”[3]。本研究旨在對目前國際上廣泛應用的3種慢性病用藥依從性評估工具——普適性藥物依從性量表(GMAS)、Morisky 服藥依從性測量量表（MMAS-8）和合理用藥自我效能量表(SEAMS)在慢性病病人用藥依從性評價中的一致性和準確性進行比較，以期為臨床上選擇合適的慢性病病人用藥依從性評價工具提供參考，為依從性不佳的風險因素預測提供借鑒，進而早期對慢性病病人用藥依從性進行全面的評估和干預，提高病人用藥依從性，改善治療效果和臨床結局。

1 對象與方法

1.1 研究對象

2021 年10 月—2022 年2 月選取在天津醫科大學總醫院和天津市和平區南營門街社區衛生服務中心、新興街社區衛生服務中心2 家社區衛生服務中心就診的270 例成年慢性病病人進行調查。納入標準：1)年齡≥18 歲，已確診至少有1 種慢性病并接受藥物治療的病人；2)對本次調查知情同意，愿意積極配合者。排除標準：1)處于疾病急危重癥期和（或）終末期；2)伴有嚴重心理、認知障礙或精神疾病者；3)無法進行有效溝通交流者。選用診斷（篩查）試驗樣本量的計算公式，查閱相關文獻，α=0.05,μ0.05=1.96，容許誤差δ=0.08，試驗陽性發生率P=0.60，靈敏度估計值P1=0.90，特異度估計值P2=0.40，取最大值作為結果，計算可得樣本量至少為240，考慮到無應答偏倚等情況，增加10%的樣本量，并綜合研究經費、人員精力等多方面因素，最終確定樣本量為270例。

1.2 研究工具

1.2.1 一般資料及臨床資料問卷

由研究者查閱國內外相關文獻后自行設計，內容包括病人年齡、性別、婚姻狀況、文化程度、醫保情況、慢性病患病情況及用藥情況等。

1.2.2 藥物依從性問卷（MAQ）

量表由Morisky 等[4]于1986 年研制而成。該問卷共有4 個條目：1）你是否曾忘記服藥；2）你是否有時不注意服藥；3）當你自覺癥狀改善時，你是否曾停止服藥；4）當你服藥后自覺癥狀更糟時，你是否曾停止服藥。答案分“是”“否”兩種，回答“是”計1 分，回答“否”計0 分。得分越高，表示病人用藥依從性越差。經許衛華等[5]漢化后該問卷的Cronbach's α 系數為0.74。根據丁笑笑等[6]的研究，在量表包含的4 個問題中只要病人有1 個或1 個以上的回答為“是”，即表明用藥依從性差，反之為良好。本研究以MAQ 量表作為效度評價標準對用藥依從性進行快速判斷。

1.2.3 GMAS

量表由Naqvi 等[7]于2018 年研制，該量表包含3 個維度和11 個條目，分別為病人行為相關的依從性(5 個條目)、附加疾病和藥物負擔(4 個條目)和成本相關的依從性(2 個條目)。每項按照“總是”“大部分”“有時”“從不”依次計0 分、1 分、2 分、3 分，總分為0～33 分；30～33 分表示病人依從性高，27～29 分表示依從性良好，17～26 分表示依從性一般，11～16 分表示依從性低，0～10 分 表 示 依 從 性 差。2021 年，Wang 等[8]將 英 文 版GMAS 量表譯成中文版，量表總Cronbach's α 系數為0.781，重測信度系數為0.883，具有良好的信度和效度。

1.2.4 MMAS-8

量表由Morisky 等[9]于2008 年在4 條目MAQ 基礎上重新修訂，產生MMAS-8 量表，共包含8 個條目。條目1～條目4、條目6、條目7 回答“有”計0 分，回答“沒有”計1 分，條目5 反向計分，條目8 采用Likert 5 級評分法計分，“總是”“有時”“經常”“很少”“從不”分別計0 分、0.25 分、0.50 分、0.75 分、1.00 分。各個條目計分之和為總分，總分越高，代表用藥依從性越好。得分＜6 分表明依從性低，6 分或7 分表明依從性中等，8 分表明依從性高。中文版MMAS-8 的Cronbach's α 系數為0.60。

1.2.5 SEAMS

量表由Risser 等[10]開發，共包含不確定情況下和困難情況下的服藥情況2 個維度、13 個條目，每個條目有3 個選項，“沒有信心”“有點信心”“非常有信心”分別計1 分、2 分、3 分，各條目得分之和為量表總分，范圍為13～39 分，得分越高，表示用藥依從性越好。漢化后中文版SEAMS 具有良好的信效度，量表總Cronbach's α系數0.934，各個維度的Cronbach's α 系數均大于0.80。

1.3 資料收集方法

調查前征得調查醫療機構負責人的同意和配合，由研究者本人在研究資料收集地點完成問卷調查。在科室責任護士或社區護士引導下，向病人和其家屬解釋調查的內容、目的和注意事項，確保其知情同意。調查過程中由研究者使用同一指導語，向病人一對一講解填寫方法并發放紙質版問卷，對于有識讀困難、書寫不便等情況的病人，由研究者根據其選擇代其完成問卷填寫。資料收集后，研究者對研究對象填寫的內容再次核對，確認無誤后當場收回。如果病人記憶模糊，允許家屬對資料進行補充，保證資料的準確、完整。本研究共發放問卷270 份，回收有效問卷270 份，回收率為100%。

1.4 統計學方法

采用Excel 建立數據庫，對所有數據進行雙錄入并準確核對，運用SPSS23.0、Medcalc20.106 軟件對資料進行統計學處理。定性資料采用頻數、百分比（%）進行描述。以MAQ 為效度評價標準，采用受試者工作特 征（receiver operating characteristic, ROC）曲 線、ROC 曲線下面積（area under the ROC,AUC）、靈敏度、特異度、約登指數（Youden Index）、最佳臨界值（cut-off value）、Bayes判別分析和陽性似然比（positive likelihood ratio,+LR）、Kappa 一致性檢驗分析GMAS、MMAS-8和SEAMS在慢性病病人中的應用價值。約登指數為靈敏度＋特異度-1，以約登指數最大時對應的3種量表得分為用藥依從性不佳的最佳臨界值[11]。以P＜0.05為差異有統計學意義。

2 結果

2.1 病人一般資料與臨床資料

本研究共調查病人270 例，男152 例（56.3%），女118 例（43.7%）。根據MAQ 評估結果，研究對象中用藥依從性好者148 例（54.8%），用藥依從性差者122 例（45.2%）。病人一般資料與臨床資料見表1。

表1 調查對象的一般資料與臨床資料（n=270）

2.2 GMAS、MMAS-8 和SEAMS 評 估 慢 性 病 病 人用藥依從性的ROC 曲線分析

根據本研究收集的數據，繪制GMAS、MMAS-8和SEAMS 的ROC 曲線，將約登指數最大時對應的3種量表得分分別作為劃分用藥依從性好壞的最佳臨界值。結果顯示，GMAS 評分的AUC 為0.981，最佳臨界值為26.500 分，此時的靈敏度為0.987，特異度為0.926，約登指數為0.913（P＜0.001）；MMAS-8 評分的AUC 為0.984，最佳臨界值為3.750 分，此時的靈敏度為0.993，特 異 度 為0.943，約 登 指 數 為0.936（P＜0.001）；SEAMS 評分的AUC 為0.917，最佳臨界值為27.500 分，此時的靈敏度為0.676，特異度為0.951，約登 指 數 為0.627（P＜0.001）。MMAS-8 和GMAS、GMAS 和SEAMS、MMAS-8 和SEAMS 的ROC 曲線下面積之差分別為0.003（Z=0.372，P=0.710），0.064（Z=4.051，P＜0.001），0.067（Z=4.736，P＜0.001）。

GMAS、MMAS-8 和SEAMS 的 陽 性 預 測 值 分 別 為0.942，0.955，0.943，陰性預測值分別為0.983，0.991，0.707。見圖1、表2。

表2 GMAS、MMAS-8 和SEAMS 評估慢性病病人用藥依從性的ROC 曲線分析

2.3 GMAS、MMAS-8 和SEAMS 評 估 慢 性 病 病 人用藥依從性的Bayes判別分析

以MAQ 對病人用藥依從性的評估結果為因變量（依從性好=1，依從性差=0），分別以3 種量表的總分為自變量，進行Bayes 判別分析，結果顯示，GMAS、MMAS-8和SEAMS 評估慢性病病人用藥依從性的交叉檢驗準確率分別為89.6%、97.0%和80.7%，見表3。

表3 GMAS、MMAS-8 和SEAMS 評估慢性病病人用藥依從性的 Bayes 判別分析

2.4 GMAS、MMAS-8 和SEAMS 最 佳 臨 界 值 下 評估慢性病病人用藥依從性的一致性和準確性比較

分 別 以26.500 分、3.750 分 和27.500 分 作 為GMAS、MMAS-8 和SEAMS 的 最 佳 臨 界 值，將GMAS 得分≥26.500 分的慢性病病人劃分到有依從性不佳風險組1，將得分＜26.500 分的慢性病病人劃分到無依從性不佳風險組1；同樣，將MMAS-8 得分≥3.750 分、＜3.750 分的病人分別劃分到有依從性不佳風險組2、無依從性不佳風險組2，將SEAMS 得分≥27.500 分、＜27.500 分的病人分別劃分到有依從性不佳風險組3、無依從性不佳風險組3，采用加權卡方檢驗，分別與效標判斷的用藥依從性結果進行比較，結果均具有統計學意義（P＜0.001）。Kappa 一致性檢驗顯示，GMAS、MMAS-8、SEAMS 與MAQ 評估結果的Kappa 值分別為0.917，0.940 和0.608（P＜0.001）。見表4。進一步計算得出GMAS、MMAS-8 和SEAMS的陽性似然比分別為13.367，17.303 和13.734。

表4 GMAS、MMAS-8 和SEAMS 最佳臨界值下評估慢性病病人用藥依從性的一致性和準確性比較

3 討論

3.1 GMAS、MMAS-8 和SEAMS 評 估 慢 性 病 病 人用藥依從性的ROC 曲線分析

通過既往研究可知，ROC曲線下面積在0.5～0.7、＞0.7～0.9 和＞0.9 時分別代表量表具有低、中、高的預測能力[12]。本研究ROC 曲線分析結果顯示，3 種量表的AUC 均在0.9 以上，提示診斷能力高，說明3 種量表在評估慢性病病人是否存在用藥依從性不佳的風險時均有較高價值。通過對AUC 進行比較發現，AUC 值由高到低依次是MMAS-8、GMAS 和SEAMS，MMAS-8和GMAS 的AUC 值明顯高于SEAM，同時MMAS-8和GMAS 兩者的AUC 差值無統計學意義，說明MMAS-8 和GMAS 評價慢性病病人用藥依從性情況時的評估能力相似且參考價值更大。SEAMS 量表的研制以自我效能理論為框架，即認為病人合理用藥的自我效能感很大程度上影響病人用藥依從性的行為[10]。由于SEAMS 量表在評價時需要病人報告自己在13 種情景下堅持用藥的信心，基于病人本人對自己能否做到用藥依從的主觀評估，病人的自我效能感與實際中用藥依從性行為的選擇和存續仍有一定差異，可能不能全面反映病人用藥依從性。同時，在病人本人填寫時，更傾向于選擇更加理想的選項，一定程度上影響了對用藥依從性的準確評估，這可能是SEAMS診斷效能較低的原因。

3.2 GMAS、MMAS-8 和SEAMS 評 估 慢 性 病 病 人用藥依從性的靈敏度、特異度、約登指數、陽性預測值、陰性預測值及最佳臨界值分析

通過ROC 曲線發現，本研究中GMAS 的最佳臨界值為26.500 分，此時的靈敏度、特異度、約登指數分別為0.987，0.926，0.913，評估價值高；MMAS-8 的最佳臨界值為3.750 分，此時的靈敏度、特異度、約登指數分別為0.993，0.943，0.936，評估價值也處于較高水平；SEAMS 的最佳臨界值為27.500 分，此時的靈敏度、特異度、約登指數分別為0.676、0.951、0.627，評估價值中等。GMAS、MMAS-8 和SEAMS 的陽性預測值分別為0.942，0.955，0.943，陰性預測值分別為0.983，0.991，0.707。其中GMAS 的最佳臨界值與該最初開發時所設定的用藥依從性良好分組值一致；MMAS-8 的最佳臨界值低于原定推薦分組值6 分，該最佳臨界值有利于醫護人員早期發現有依從性不佳風險的慢性病病人，降低漏診率[13]；SEAMS 開發時未設定分組值，仍待在后續研究中進一步驗證其臨界值以增強檢驗效能。靈敏度所反映的是確實患病的個體，通過診斷試驗方法發現疾病的能力[14]，在本研究中是指通過量表可判斷慢性病病人用藥依從性不佳的能力。特異度所反映的是未患病的個體，通過診斷試驗方法排除疾病的能力，在本研究中指通過量表可排除用藥依從性良好個體的能力。靈敏度和特異度為0～1，越接近1 說明診斷價值越大[11]。較高的靈敏度和特異度意味著更多有用藥依從性不佳風險的慢性病病人被識別，更多用藥依從性良好的病人被排除。約登指數是能夠綜合反映靈敏度和特異度兩方面診斷能力的統計指標，反映評估方法發現真正的用藥依從性良好和依從性不佳病人的總能力，數值越高說明評估效果越好，真實性越強[15]。由于陽性預測值和陰性預測值受檢出患病（發生）率的影響，一定程度上降低了其評價效能，但研究表明評估價值高的量表應有較高的陽性預測值和陰性預測值[16]，故本研究將其列入評價指標之一。結果顯示，MMAS-8 的靈敏度最高，SEAMS 的靈敏度最低；SEAMS 的特異度最高，GMAS 的特異度最低；約登指數最高的是MMAS-8，其次為GMAS，最低是SEAMS；MMAS-8 的陽性預測值和陰性預測值均最高。綜合上述指標，提示MMAS-8 靈敏度和特異度表現最為平衡，對慢性病病人用藥依從性的評估價值最高，GMAS 次之，最后是SEAMS。分析原因可能如下：1）評分條目數量因素，MMAS-8 條目數為三者最少，條目數量上的優勢使得評估在三者中最為簡易、快速，且MMAS-8 回答多是二分類，可以迅速判斷病人的態度和意見，一定程度上提高病人回答的積極性和配合程度。而GMAS 和SEAMS 的條目數分別為11和13，且回答為多分類，一定程度上較MMAS-8 的評估更為復雜。2）評分條目維度因素，GMAS 共包含病人行為相關的依從性、附加疾病和藥物負擔和成本相關的依從性3 個維度，而在MMAS-8 和SEAMS 中均未納入藥物成本對病人依從性的影響；在3 種量表中，相同評分項目包括副作用或不良反應發生、自感癥狀緩解（加重）、病人日常行為、不同服藥方案等情境下的用藥依從性。研究表明，經濟學變量是影響病人用藥依從性的重要因素[1]，可見GMAS 對于病人用藥依從性的評估更加全面，能區分病人對各題項態度的差別，使調查者對病人的用藥情況及依從性不佳的原因了解得更加深入。

3 種量表評估結果的差異也可能由量表理論框架、編制策略及中文版漢化方法不同造成[17]。MMAS-8由原始的4 條目量表改進而成，通過有無忘記服藥、記藥困難等用藥行為或情境設問。8 個條目的回答中前7 個為“是”或“否”的二分類選項，最后一個條目采用Likert 5 級評分法計分，并在設計時避免了“肯定回答偏倚”，即回答為“是”代表用藥不依從行為，防止出現提問時因病人更傾向于給予調查者正向答復而造成偏倚[9]。GMAS 以Vrijens 等[18-19]的研究為理論框架，納入了病人行為相關的依從性、附加疾病和藥物負擔和經濟成本相關的依從性3 個維度、11 個條目，每個條目有4 個選項。SEAMS 基于自我效能理論進行設計，旨在針對患有不同慢性疾病及讀寫水平不同的病人開發出一種普適性的自我報告工具[10]。

3.3 GMAS、MMAS-8 和SEAMS 評 估 慢 性 病 病 人用藥依從性的一致性和準確性分析

本研究通過Bayes 判別分析比較了3 種量表評估慢性病病人用藥依從性的準確性。Bayes 判別分析是在考慮先驗概率的基礎上，建立線性函數推斷后驗概率，核心評價指標是評判準確率[20]。本研究分析結果顯 示，GMAS、MMAS-8 和SEAMS 對 判 斷 慢 性 病 病人用藥依從性情況的交叉檢驗準確率分別為89.6%、97.0%和80.7%，說明3 種量表均具有良好的判別效果，且MMAS-8 判別效果最佳，GMAS 次之，最后是SEAMS。最 佳 臨 界 值 下，GMAS、MMAS - 8 和SEAMS 在用藥依從性好壞兩組評分上的差異均有統計學意義，表明三者均可提示病人用藥依從性不佳發生 風 險。Kappa 值 在0.00～0.40、＞0.40～0.75、＞0.75～1.00 時分別代表一致性較弱、中等、較強[21]，GMAS、MMAS-8、SEAMS 與MAQ 評估結果的Kappa值分別為0.917，0.940，0.608，提示GMAS、MMAS-8與MAQ 判定的結果均具有較強一致性，SEAMS 結果一致性中等。此外，陽性似然比為診斷試驗的真陽性率與假陽性率之比，表示正確判斷依從性情況的可能性是錯誤判斷的可能性的倍數，比值越大說明正確判斷病人是否存在用藥依從性不佳風險的概率越大，陽性似然比大于10 說明此工具具有很強的臨床診斷意義[22]。結果表明，GMAS、MMAS-8 和SEAMS 的陽性似然比分別為13.367，17.303 和13.734，再次證明了MMAS-8 的臨床評估效果最佳。MMAS-8 作為當前使用范圍廣泛的一種用藥依從性評價量表，有較好的信效度，在我國已被應用于高血壓[23]、糖尿病[24]等多個慢性病病種的用藥依從性評估，本研究同樣證明MMAS-8 對于用藥依從性具有較高的評估價值。

4 小結

本研究通過比較GMAS、MMAS-8、SEAMS 在慢性病病人中的應用效果，發現3 種量表的AUC 均在0.9以上，說明3種量表在評估慢性病病人是否存在用藥依從性不佳的風險時均有較高價值。其中，MMAS-8對慢性病病人用藥依從性的評估價值最高，GMAS 次之，最后是SEAMS。MMAS-8 的靈敏度和特異度表現最為平衡，評估價值最高，但是GMAS 的評價維度設置更為全面，SEAMS 的特異性最高，即量表排除無用藥依從性不佳風險的病人的能力最強。提示研究人員應根據研究對象個性化特點和研究目的不同針對性地選擇評估工具，有助于有效識別用藥依從性不佳的慢性病病人并早期開展干預。

同時，本研究也存在一定的局限性。僅在天津市選取了1 所綜合性醫院和2 所社區醫院作為研究地點，樣本量和地域受限，一定程度上限制了研究結果的推廣。在研究中，采取病人自行填寫量表的方式，病人在回答主觀性較強的問題時會傾向于選擇期望自身行為所能達到的正性選項，導致評估結果優于自身真實水平。今后,可擴大樣本量和研究范圍，驗證量表比較結果和最佳臨界值在慢性病病人中的應用價值，開展縱向研究進一步評價用藥依從性評估工具在慢性病病人中的預測價值，從而更好地指導臨床工作。