引用本文： 林秀芳, 蔣佼佼, 楊茗, 羅理, 郝秋奎, 董碧蓉. 老年失能評估量表簡明版本的編制. 中國循證醫學雜志, 2017, 17(8): 910-914. doi: 10.7507/1672-2531.201703082 復制
根據世界衛生組織（World Health Organization，WHO）制定的《國際功能分類》（international classification of function，ICF）對失能的定義，失能是包括功能受損、活動受限及社會功能受限在內的總括性術語。失能是老年人常見的綜合征，不僅影響老年人的生活質量，也給家庭和社會帶來沉重的負擔。目前專門針對老年人設計的失能量表較少，本課題組于 2013 年編制的“老年失能評估量表”（elderly disability assessment scale，EDAS）是國內第一個依據 ICF 理論框架并基于中國老年人群調查數據編制的、專門用于老年失能評估量表[1, 2]。我們的前期研究顯示其具有良好的信度、效度、可行性和反應度[3, 4]。不同研究者使用該量表對社區和住院老年人群進行的調查顯示，該量表比常用的日常生活活動能力量表（activities of daily living scale，ADL）具有更高的敏感性[5, 6]。
EDAS 量表包含 7 個維度，共 28 個條目，雖然評估內容全面，但較為冗長。在針對社區老人的調查中，我們發現使用 EDAS 量表耗時較長，這成為量表使用的主要障礙。國際上許多成熟的量表都需要不斷簡化以適應不同調查人群的需要，例如：WOHQOL-100 簡化為 WHOQOL-BRIF；SF-36 簡化為 SF-8 等[7]。因此，本研究以 EDAS 量表為基礎，旨在開發更適用于社區老年人群的 EDAS 量表簡明版本（elderly disability assessment scale- short form version，EDAS-SF）。
1 資料與方法
1.1 調查資料來源
采用本課題組于 2011 年 10 月～2012 年 8 月采集的社區調查數據，調查地點為四川省遂寧市 5 個農村社區和成都市 3 個城市社區。
1.1.1 納入與排除標準 納入標準：年齡≥60 歲的老年人。排除標準：重度認知功能受損；無法通過書寫或語言交流；嚴重精神障礙性疾病；嚴重基礎疾病以致無法完成本研究；其他原因導致受試者不愿或不能參與本研究。
1.1.2 調查方式和內容 調查方式為面對面訪談形式，由經過培訓的調查員詢問受試者，并根據回答進行評分。調查內容為一般人口學特征和 EDAS 量表。
1.1.3 倫理要求 在調查前對所有受試者說明本研究的目的和意義，保證對資料保密。所有被調查者均簽署知情同意書。
1.2 研究方法
隨機選擇 2/3 受調查者作為訓練樣本，另 1/3 受調查者作為考核樣本。采用 5 種經典統計學方法篩選條目，根據每種方法的統計學結果提出符合要求的條目，然后匯總。每個維度選出被提名次數最多的一個條目，最終形成包含有 7 個條目的 EDAS-SF。
1.2.1 專家重要性評分法 該方法是從重要性和確定性方面篩選條目。由 28 位老年醫學和康復醫學專家獨立對 EDAS 量表的各個條目根據重要程度進行評分（5 分制），計算每個條目的平均分，每個維度中得分最高的條目可認為符合提名要求（若同一維度中的不同條目獲得最高分相同則同時納入）。另外，專家還對 EDAS-SF 的計分方法進行了選擇。
1.2.2 離散趨勢法 該方法是從條目的敏感性角度來篩選條目。一般來講，如果條目的離散程度高，用于評價時區別能力就高。因大部分量表采用計分方法，得到的分值多服從正態分布，通常采用標準差來反映離散趨勢[7]。本研究選擇每個維度中標準差最大的條目作為提名條目。
1.2.3 克朗巴赫系數（Cronbach’s α）法 該方法是從內部一致性角度篩選條目。首先計算某一維度的總克朗巴赫系數，然后與去掉其中任一條目后的克朗巴赫系數進行比較，如果去掉某條目后克朗巴赫系數有較大上升，說明該條目的存在降低了該維度內部一致性，應刪除，而保留其余項目[7]。
1.2.4 相關系數法 該方法是從獨立性和代表性的角度篩選條目。計算每個條目與各維度的相關系數并作統計檢驗，保留與其所在維度相關性高的條目。本研究計算每個條目與所屬維度的 Spearman 相關系數，并選擇每個維度所含條目中 Spearman 相關系數最大者作為提名條目。
1.2.5 探索性因子分析法 該方法是從代表性角度篩選條目。通過對整個量表所有條目進行探索性因子分析，計算因子負荷，考慮各因子主要由哪些條目決定。因子負荷越大表示該條目對所屬維度的重要性越大。在進行探索性因子分析前，使用 KMO 檢驗和 Bartlett 球形檢驗以明確樣本數據是否適用進行探索性因子分析。本研究采用主成分分析法進行因子分析，選擇每個維度中因子負荷最大的條目作為提名條目。
此外，本研究還利用考核樣本的數據對編制的 EDAS-SF 進行評估。采用克朗巴赫系數評估 EDAS-SF 的內在信度。采用驗證性因子分析評估 EDAS-SF 的結構效度，若卡方自由度比值（χ2/df）<5，近似誤差均方根（RMSEA）<0.08，比較擬合指數（CFI）、對擬合指數（RFI）、增殖擬合指數（IFI）均>0.9，說明理論模型與實測數據擬合較好，量表具有較好的結構效度。
1.3 統計分析
應用 Epi Data 3.02 軟件對數據進行雙人雙錄入，經核查無誤后進行統計分析。因子分析采用 AMOS 21.0 軟件，其余統計分析采用 SPSS 21.0 軟件。對于服從正態分布的計量資料，以均數±標準差進行描述；對于不服從正態分布的計量資料，以中位數和四分位數間距進行描述；對于計數資料采用構成比描述。對于符合正態分布的計量資料，兩組間比較采用兩獨立樣本 t 檢驗；對于不符合正態分布的計量資料，兩組間比較采用兩獨立樣本秩和檢驗；計數資料的組間比較采用卡方檢驗。所有統計分析結果的檢驗水準為 α=0.05。
2 結果
2.1 納入研究人群的基本特征
共調查 916 名受試者，回收有效問卷 887 份，問卷回收率為 96.8%。回收的有效問卷中 554 份來自農村社區老人，333 份來自城市社區老人；男性 382 人，女性 505 人。受試者平均年齡為 70.8±6.9 歲。隨機選擇 2/3 受試者（592 人）作為訓練樣本；其余 1/3（295 人）作為考核樣本。兩個樣本人群在社會人口學特征及 EDAS 量表各維度得分方面差異無統計學意義，兩個樣本人群具有可比性（表 1）。
表1
老年人群訓練樣本和考核樣本基本特征和 EDAD 量表得分比較
2.2 條目篩選結果
2.2.1 專家評分法結果 共有 28 位專家填寫了完整的調查問卷。專家對所有條目重要性評分的總協同系數為 0.63（P=0.01），說明專家對條目重要性評估的一致性程度較高（表 2）。選取各維度中得分最高的條目作為提名條目，分別是 JS1、QG2、QG3、JL2、HD2、ZL1、ZL3、ZL5、JT2 和 SH1。
2.2.2 離散趨勢法結果 EDAS 原始量表各條目得分的標準差見表 2，選取各維度中標準差最大者作為提名條目，分別是 JS3、QG1、JL1、HD6、ZL8、JT2 和 SH1。
2.2.3 克朗巴赫系數法結果 表 2 提供了各維度總克朗巴赫系數，以及刪除某個條目后對應的克朗巴赫系數值。提名條目分別是 JS1、JS2、JS3、QG2、QG3、JL2、HD2、HD3、HD6、ZL1、ZL2、ZL3、ZL4、ZL6、JT2 和 SH2。
2.2.4 相關系數法結果 EDAS 原始量表各條目的 Spearman 相關系數見表 2，選取各維度中 Spearman 相關系數最大的條目作為提名條目，分別是 JS1、QG2、JL1、HD2、ZL1、JT2 和 SH1。
2.2.5 探索性因子分析法結果 本研究使用的訓練樣本為 592 例受試者，超過條目數的 5 倍；KMO 值=0.917，大于 0.9；Bartlett 的球形度檢驗 P<0.01，說明條目變量間的關系極佳，適合進行探索性因子分析。各條目的因子負荷量見表 2。選擇各維度中因子負荷量最高的條目作為提名條目，分別是 JS1、QG2、JL2、HD4、ZL1、JT2 和 SH3。
表2
不同方法對 EDAS 量表條目進行篩選的結果（n=592）
2.3 編制 EDAS-SF
通過上述方法篩選條目以后，匯總每個維度中被提名次數最多的條目，形成 EDAS-SF，見表 3。EDAS-SF 共包含 7 個條目。通過專家投票，選擇 Likert 4 點評分法對條目進行量化。0 分表示受試者無法完成該條目；1 分表示受試者在他人幫助下可完成該條目；2 分表示受試者完成該條目需要借助輔助設備或者借助藥物（如：輪椅、拐杖、假肢、通便藥物等）；3 分表示受試者可獨立完成該條目。各條目得分相加即得量表總分。根據總分的高低可劃分失能的嚴重程度：0～6 分提示重度失能；7～13 分提示中度失能；14～20 分提示輕度失能，21 分提示無失能。
表3
老年失能評估量表簡表（EDAS-SF）
2.4 EDAS-SF 信效度考核
利用考核樣本分別對 EDAS-SF 量表和 EDAS 原始量表進行信效度評估。EDAS-SF 量表總克朗巴赫系數為 0.836，各維度（除“經濟和社會功能”和“交流”維度外）的克朗巴赫系數均大于 0.8，表明 EDAS-SF 量表具有良好的內在信度（表 4）。EDAS-SF 量表的理論模型與 EDAS 量表相同。通過驗證性因子分析，χ2/df=3.067，CFI=0.911，RFI=0.932，IFI=0.935，RMSEA=0.020，提示該理論模型與實測數據擬合良好，說明 EDAS-SF 量表具有良好的結構效度。
表4
EDAS 量表和 EDAS-SF 量表各維度的克朗巴赫系數法結果
3 討論
本研究基于 EDAS 原始量表，應用社區老年人群的樣本數據和專家調查結果，編制了包含 7 個條目的 EDAS-SF 量表，并通過考核樣本初步驗證了 EDAS-SF 量表具有較好的內在信度和結構效度。EDAS-SF 量表主要考察了與老年人功能相關的 7 個方面的核心信息，與 EDAS 量表比較更加簡明扼要，耗時更少，有助于提高受試者的依次性，減少實施難度，更適合社區老年人群進行失能評估。
編制簡短版量表有許多種不同方法，其篩選條目的角度和側重點各異，這些方法也有各自的優缺點[8]。本研究綜合采用了多種篩選方法，以保證篩選條目的代表性好、獨立性強、敏感性高，確保 EDAS-SF 本身仍然是具有良好信度和效度的工具。
本研究局限性：首先，本研究的量表條目篩選和質量評價均基于經典測量理論（classical test theory，CTT）。CTT 是量表編制領域應用最為廣泛的理論，但其本身存在一些無法規避的固有缺陷。例如：CTT 所采用的指標具有樣本依賴性，其統計量受樣本的抽樣影響很大；CTT 以一個相同的測量標準誤差作為每位受試者的測量誤差指標，忽視了受試者能力的個體差異[9]。而新近提出的項目反應理論（item response theory，IRT）則避免了 CTT 的上述不足[10-13]。但由于失能是一個多維的概念，而且不同條目之間可能存在內在聯系，因此本研究并未采用 IRT 方法來篩選條目，故可能存在 CTT 方法的固有缺陷。其次，本研究僅考核了 EDAS-SF 量表的結構效度，而 EDAS-SF 量表的重測信度、分半信度、效標關聯效度，以及 EDAS-SF 與 EDAS 測量結果的一致性比較，尚待進一步研究驗證。第三，EDAS-SF 是基于社區老人數據建立的，該量表是否適用于住院老人和養老機構老人還需要更多研究驗證。
綜上所述，本研究基于社區老人調查數據和專家調查結果，編制了老年失能評估量表簡明版本（EDAS-SF），并初步驗證其對于社區老年人群具有良好的內在信度和結構效度。
根據世界衛生組織（World Health Organization，WHO）制定的《國際功能分類》（international classification of function，ICF）對失能的定義，失能是包括功能受損、活動受限及社會功能受限在內的總括性術語。失能是老年人常見的綜合征，不僅影響老年人的生活質量，也給家庭和社會帶來沉重的負擔。目前專門針對老年人設計的失能量表較少，本課題組于 2013 年編制的“老年失能評估量表”（elderly disability assessment scale，EDAS）是國內第一個依據 ICF 理論框架并基于中國老年人群調查數據編制的、專門用于老年失能評估量表[1, 2]。我們的前期研究顯示其具有良好的信度、效度、可行性和反應度[3, 4]。不同研究者使用該量表對社區和住院老年人群進行的調查顯示，該量表比常用的日常生活活動能力量表（activities of daily living scale，ADL）具有更高的敏感性[5, 6]。
EDAS 量表包含 7 個維度，共 28 個條目，雖然評估內容全面，但較為冗長。在針對社區老人的調查中，我們發現使用 EDAS 量表耗時較長，這成為量表使用的主要障礙。國際上許多成熟的量表都需要不斷簡化以適應不同調查人群的需要，例如：WOHQOL-100 簡化為 WHOQOL-BRIF；SF-36 簡化為 SF-8 等[7]。因此，本研究以 EDAS 量表為基礎，旨在開發更適用于社區老年人群的 EDAS 量表簡明版本（elderly disability assessment scale- short form version，EDAS-SF）。
1 資料與方法
1.1 調查資料來源
采用本課題組于 2011 年 10 月～2012 年 8 月采集的社區調查數據，調查地點為四川省遂寧市 5 個農村社區和成都市 3 個城市社區。
1.1.1 納入與排除標準 納入標準：年齡≥60 歲的老年人。排除標準：重度認知功能受損；無法通過書寫或語言交流；嚴重精神障礙性疾病；嚴重基礎疾病以致無法完成本研究；其他原因導致受試者不愿或不能參與本研究。
1.1.2 調查方式和內容 調查方式為面對面訪談形式，由經過培訓的調查員詢問受試者，并根據回答進行評分。調查內容為一般人口學特征和 EDAS 量表。
1.1.3 倫理要求 在調查前對所有受試者說明本研究的目的和意義，保證對資料保密。所有被調查者均簽署知情同意書。
1.2 研究方法
隨機選擇 2/3 受調查者作為訓練樣本，另 1/3 受調查者作為考核樣本。采用 5 種經典統計學方法篩選條目，根據每種方法的統計學結果提出符合要求的條目，然后匯總。每個維度選出被提名次數最多的一個條目，最終形成包含有 7 個條目的 EDAS-SF。
1.2.1 專家重要性評分法 該方法是從重要性和確定性方面篩選條目。由 28 位老年醫學和康復醫學專家獨立對 EDAS 量表的各個條目根據重要程度進行評分（5 分制），計算每個條目的平均分，每個維度中得分最高的條目可認為符合提名要求（若同一維度中的不同條目獲得最高分相同則同時納入）。另外，專家還對 EDAS-SF 的計分方法進行了選擇。
1.2.2 離散趨勢法 該方法是從條目的敏感性角度來篩選條目。一般來講，如果條目的離散程度高，用于評價時區別能力就高。因大部分量表采用計分方法，得到的分值多服從正態分布，通常采用標準差來反映離散趨勢[7]。本研究選擇每個維度中標準差最大的條目作為提名條目。
1.2.3 克朗巴赫系數（Cronbach’s α）法 該方法是從內部一致性角度篩選條目。首先計算某一維度的總克朗巴赫系數，然后與去掉其中任一條目后的克朗巴赫系數進行比較，如果去掉某條目后克朗巴赫系數有較大上升，說明該條目的存在降低了該維度內部一致性，應刪除，而保留其余項目[7]。
1.2.4 相關系數法 該方法是從獨立性和代表性的角度篩選條目。計算每個條目與各維度的相關系數并作統計檢驗，保留與其所在維度相關性高的條目。本研究計算每個條目與所屬維度的 Spearman 相關系數，并選擇每個維度所含條目中 Spearman 相關系數最大者作為提名條目。
1.2.5 探索性因子分析法 該方法是從代表性角度篩選條目。通過對整個量表所有條目進行探索性因子分析，計算因子負荷，考慮各因子主要由哪些條目決定。因子負荷越大表示該條目對所屬維度的重要性越大。在進行探索性因子分析前，使用 KMO 檢驗和 Bartlett 球形檢驗以明確樣本數據是否適用進行探索性因子分析。本研究采用主成分分析法進行因子分析，選擇每個維度中因子負荷最大的條目作為提名條目。
此外，本研究還利用考核樣本的數據對編制的 EDAS-SF 進行評估。采用克朗巴赫系數評估 EDAS-SF 的內在信度。采用驗證性因子分析評估 EDAS-SF 的結構效度，若卡方自由度比值（χ2/df）<5，近似誤差均方根（RMSEA）<0.08，比較擬合指數（CFI）、對擬合指數（RFI）、增殖擬合指數（IFI）均>0.9，說明理論模型與實測數據擬合較好，量表具有較好的結構效度。
1.3 統計分析
應用 Epi Data 3.02 軟件對數據進行雙人雙錄入，經核查無誤后進行統計分析。因子分析采用 AMOS 21.0 軟件，其余統計分析采用 SPSS 21.0 軟件。對于服從正態分布的計量資料，以均數±標準差進行描述；對于不服從正態分布的計量資料，以中位數和四分位數間距進行描述；對于計數資料采用構成比描述。對于符合正態分布的計量資料，兩組間比較采用兩獨立樣本 t 檢驗；對于不符合正態分布的計量資料，兩組間比較采用兩獨立樣本秩和檢驗；計數資料的組間比較采用卡方檢驗。所有統計分析結果的檢驗水準為 α=0.05。
2 結果
2.1 納入研究人群的基本特征
共調查 916 名受試者，回收有效問卷 887 份，問卷回收率為 96.8%。回收的有效問卷中 554 份來自農村社區老人，333 份來自城市社區老人；男性 382 人，女性 505 人。受試者平均年齡為 70.8±6.9 歲。隨機選擇 2/3 受試者（592 人）作為訓練樣本；其余 1/3（295 人）作為考核樣本。兩個樣本人群在社會人口學特征及 EDAS 量表各維度得分方面差異無統計學意義，兩個樣本人群具有可比性（表 1）。
表1
老年人群訓練樣本和考核樣本基本特征和 EDAD 量表得分比較
2.2 條目篩選結果
2.2.1 專家評分法結果 共有 28 位專家填寫了完整的調查問卷。專家對所有條目重要性評分的總協同系數為 0.63（P=0.01），說明專家對條目重要性評估的一致性程度較高（表 2）。選取各維度中得分最高的條目作為提名條目，分別是 JS1、QG2、QG3、JL2、HD2、ZL1、ZL3、ZL5、JT2 和 SH1。
2.2.2 離散趨勢法結果 EDAS 原始量表各條目得分的標準差見表 2，選取各維度中標準差最大者作為提名條目，分別是 JS3、QG1、JL1、HD6、ZL8、JT2 和 SH1。
2.2.3 克朗巴赫系數法結果 表 2 提供了各維度總克朗巴赫系數，以及刪除某個條目后對應的克朗巴赫系數值。提名條目分別是 JS1、JS2、JS3、QG2、QG3、JL2、HD2、HD3、HD6、ZL1、ZL2、ZL3、ZL4、ZL6、JT2 和 SH2。
2.2.4 相關系數法結果 EDAS 原始量表各條目的 Spearman 相關系數見表 2，選取各維度中 Spearman 相關系數最大的條目作為提名條目，分別是 JS1、QG2、JL1、HD2、ZL1、JT2 和 SH1。
2.2.5 探索性因子分析法結果 本研究使用的訓練樣本為 592 例受試者，超過條目數的 5 倍；KMO 值=0.917，大于 0.9；Bartlett 的球形度檢驗 P<0.01，說明條目變量間的關系極佳，適合進行探索性因子分析。各條目的因子負荷量見表 2。選擇各維度中因子負荷量最高的條目作為提名條目，分別是 JS1、QG2、JL2、HD4、ZL1、JT2 和 SH3。
表2
不同方法對 EDAS 量表條目進行篩選的結果（n=592）
2.3 編制 EDAS-SF
通過上述方法篩選條目以后，匯總每個維度中被提名次數最多的條目，形成 EDAS-SF，見表 3。EDAS-SF 共包含 7 個條目。通過專家投票，選擇 Likert 4 點評分法對條目進行量化。0 分表示受試者無法完成該條目；1 分表示受試者在他人幫助下可完成該條目；2 分表示受試者完成該條目需要借助輔助設備或者借助藥物（如：輪椅、拐杖、假肢、通便藥物等）；3 分表示受試者可獨立完成該條目。各條目得分相加即得量表總分。根據總分的高低可劃分失能的嚴重程度：0～6 分提示重度失能；7～13 分提示中度失能；14～20 分提示輕度失能，21 分提示無失能。
表3
老年失能評估量表簡表（EDAS-SF）
2.4 EDAS-SF 信效度考核
利用考核樣本分別對 EDAS-SF 量表和 EDAS 原始量表進行信效度評估。EDAS-SF 量表總克朗巴赫系數為 0.836，各維度（除“經濟和社會功能”和“交流”維度外）的克朗巴赫系數均大于 0.8，表明 EDAS-SF 量表具有良好的內在信度（表 4）。EDAS-SF 量表的理論模型與 EDAS 量表相同。通過驗證性因子分析，χ2/df=3.067，CFI=0.911，RFI=0.932，IFI=0.935，RMSEA=0.020，提示該理論模型與實測數據擬合良好，說明 EDAS-SF 量表具有良好的結構效度。
表4
EDAS 量表和 EDAS-SF 量表各維度的克朗巴赫系數法結果
3 討論
本研究基于 EDAS 原始量表，應用社區老年人群的樣本數據和專家調查結果，編制了包含 7 個條目的 EDAS-SF 量表，并通過考核樣本初步驗證了 EDAS-SF 量表具有較好的內在信度和結構效度。EDAS-SF 量表主要考察了與老年人功能相關的 7 個方面的核心信息，與 EDAS 量表比較更加簡明扼要，耗時更少，有助于提高受試者的依次性，減少實施難度，更適合社區老年人群進行失能評估。
編制簡短版量表有許多種不同方法，其篩選條目的角度和側重點各異，這些方法也有各自的優缺點[8]。本研究綜合采用了多種篩選方法，以保證篩選條目的代表性好、獨立性強、敏感性高，確保 EDAS-SF 本身仍然是具有良好信度和效度的工具。
本研究局限性：首先，本研究的量表條目篩選和質量評價均基于經典測量理論（classical test theory，CTT）。CTT 是量表編制領域應用最為廣泛的理論，但其本身存在一些無法規避的固有缺陷。例如：CTT 所采用的指標具有樣本依賴性，其統計量受樣本的抽樣影響很大；CTT 以一個相同的測量標準誤差作為每位受試者的測量誤差指標，忽視了受試者能力的個體差異[9]。而新近提出的項目反應理論（item response theory，IRT）則避免了 CTT 的上述不足[10-13]。但由于失能是一個多維的概念，而且不同條目之間可能存在內在聯系，因此本研究并未采用 IRT 方法來篩選條目，故可能存在 CTT 方法的固有缺陷。其次，本研究僅考核了 EDAS-SF 量表的結構效度，而 EDAS-SF 量表的重測信度、分半信度、效標關聯效度，以及 EDAS-SF 與 EDAS 測量結果的一致性比較，尚待進一步研究驗證。第三，EDAS-SF 是基于社區老人數據建立的，該量表是否適用于住院老人和養老機構老人還需要更多研究驗證。
綜上所述，本研究基于社區老人調查數據和專家調查結果，編制了老年失能評估量表簡明版本（EDAS-SF），并初步驗證其對于社區老年人群具有良好的內在信度和結構效度。
