基于RE-AIM框架和净效应图的可扩展社区参与评估方法：标准化操作与可视化分析

《Journal of Clinical and Translational Science》：Operationalizing Community Engagement Evaluation: A Structured and Scalable Approach Using the RE-AIM Framework and Net Effects Diagrams

为解决社区参与(CE)评估缺乏标准化框架的难题，南加州大学研究团队开发了一种结合RE-AIM框架和净效应图(Net Effects Diagrams)的七步评估方法。通过应用于洛杉矶地区双语健康教育工作坊的实证研究，该方法成功实现了跨语言项目的标准化比较与可视化分析，为临床与转化科学(CTS)领域的社区项目评估提供了可复制的结构化工具。

　　

在临床与转化科学(Clinical and Translational Science, CTS)领域，社区参与(Community Engagement, CE)被视为连接学术研究与社区需求的重要桥梁。然而，尽管美国国立卫生研究院(NIH)资助的临床与转化科学奖(CTSA)项目要求60多个中心都必须开展社区参与活动，但如何科学评估这些活动的实际效果却一直是个难题。传统的评估方法往往依赖于学术成果（如论文发表数量），而忽略了社区参与对合作伙伴关系、项目实施和社区健康产生的真实影响。更棘手的是，社区项目数据来源多样、类型复杂，且常处于动态变化的社区环境中，这使得评估工作难以标准化，不同项目之间的效果对比更是难上加难。

正是在这样的背景下，南加州大学临床与转化科学研究所(SC CTSI)的研究团队开展了一项创新性研究，旨在开发一套结构化、可复制的评估框架。他们巧妙地将实施科学(Implementation Science, IS)中广泛使用的RE-AIM框架（涵盖到达率Reach、有效性Effectiveness、采纳度Adoption、实施度Implementation和维持度Maintenance五个维度）与可视化工具净效应图相结合，形成了一套完整的七步操作法。这项研究成果发表在《Journal of Clinical and Translational Science》上，为社区参与评估提供了新的方法论支持。

研究方法上，团队首先通过七步法系统化操作RE-AIM框架：定义RE-AIM域、确定子域、选择指标、建立标准化评分系统、生成净效应图、结果解读与程序调整、框架持续优化。研究样本来自2024年1月至9月在洛杉矶地区开展的81场健康教育工作坊（英语26场，西班牙语55场），通过REDCap电子数据采集系统收集了参与者问卷调查和促进者反馈数据。关键技术包括基于历史数据和专家验证的1-5分标准化评分系统，以及使用Microsoft Excel生成的雷达图式净效应图进行多维度可视化比较。

结果部分主要发现如下：

步骤1：项目确定与RE-AIM域操作化

研究团队将健康教育工作坊作为评估对象，并与项目人员合作定义了每个RE-AIM域的具体含义。例如，“到达率”被操作化为目标人群的参与程度，“有效性”则对应项目实现逻辑模型中设定的短期、中期和长期目标的程度。

步骤2：确定评估子域

每个RE-AIM域被进一步细化为更具操作性的子域。例如，“到达率”包含工作坊举办频率、参与者出勤率和参与者代表性；“有效性”包括参与者知识增长、满意度和自我效能感提升等。

步骤3：确定子域指标

针对每个子域，研究团队确定了具体测量指标。如知识变化通过前后测得分计算，满意度通过李克特量表评分衡量，实施质量通过促进者反馈表评估。

步骤4：开发标准化评分系统

通过分析历史数据分布和专家验证，团队建立了1-5分的标准化评分阈值。例如，知识变化百分比0.0-9.9%对应1分，10.0-19.9%对应2分，以此类推。这一系统允许将不同类型的数据统一到可比尺度上。

步骤5：实施框架并生成净效应图

将原始数据转换为标准化分数后，研究团队生成了净效应图，直观展示英语工作坊(ELW)和西班牙语工作坊(SLW)在各子域的表现差异。图表清晰显示SLW在多数维度上表现更优。

步骤6：结果解读与程序调整

通过净效应图的视觉对比，团队发现SLW在到达率、有效性和实施度方面普遍优于ELW。这一发现促使团队计划调整ELW的外展策略和内容适应性，例如加强与社区信任伙伴的合作。

步骤7：操作化框架的持续优化

研究团队强调评估框架应是动态工具，需要随项目发展而不断调整。未来将通过定期回顾确保框架持续符合项目目标和社区价值。

研究结论表明，这种结合RE-AIM框架和净效应图的七步法不仅成功识别了双语工作坊的实施差异，更重要的是提供了一种透明、可扩展的评估方法。该方法能够将复杂多样的社区项目数据转化为可操作见解，支持数据驱动的决策制定。尽管存在自报告数据局限性和样本量限制，但这一方法为临床与转化科学领域的社区参与评估提供了实用工具，未来可通过整合长期结果追踪和动态仪表板进一步强化其应用价值。