医疗组织与系统可信度量表(HOST)的试点评估：信效度及跨群体测量不变性验证

本研究针对医疗不信任这一健康社会决定因素，开发并验证了医疗组织与系统可信度量表(HOST)。通过4100名美国居民的全国样本，证实HOST量表具有单维结构、高内部一致性(α=0.92)和强效标效度(与MMI相关系数r=0.52)，在预测疫苗犹豫和政府信任度方面优于传统医疗不信任指数(MMI)，为评估医疗系统公平性和可信度提供了新工具。

　　

在新冠疫情暴露出全球医疗信任危机的背景下，医疗不信任（Medical Mistrust）已成为影响健康公平的关键社会决定因素。历史性歧视、医疗差错中的种族差异（如黑人患者医疗安全事件发生率显著高于白人）以及系统性偏见，导致少数族裔、LGBTQ+群体和低收入人群对医疗系统的信任度持续走低。这种不信任直接导致疫苗犹豫、治疗依从性差等严重后果，在COVID-19疫苗接种初期尤为明显。传统测量工具如医疗不信任指数(MMI)聚焦于对医疗机构的怀疑态度，却无法评估医疗系统本身的信任worthiness（可信度）特征，更缺乏对未来医疗体验的预期测量。

为解决这一测量学缺口，Tulane大学的研究团队开发了医疗组织与系统可信度量表(HOST)，通过对4100名美国居民的全国性调查（含25%黑人、24%拉丁裔、13%双性恋者），采用探索性因子分析(EFA)和验证性因子分析(CFA)验证量表结构，通过Bland-Altman图比较与MMI的一致性，并检验了跨性别、种族等群体的测量不变性。研究发现HOST量表呈现单维结构（因子载荷0.625-0.838），在预测疫苗接受率(r=0.26)和政府信任度（联邦政府r=-0.38）方面显著优于MMI。特别值得注意的是，量表通过使用"我/我的"等第一人称表述，成功捕捉了受访者对未来医疗体验的预期，这一创新维度是传统工具所缺失的。

研究方法上，研究团队采用分层随机抽样获取具有种族多样性的样本（黑人25%、拉丁裔24%），通过在线平台Qualtrics收集数据。核心分析包括：1) 采用最大似然估计法进行EFA和CFA；2) 通过多组CFA检验跨群体测量不变性（配置/度量/标量不变性）；3) 使用Bland-Altman图评估HOST与MMI的一致性界限；4) 建立结构方程模型分析7个效标变量（如疫苗接种率、政府信任度）的预测效度。

研究结果显示：1) 因子分析证实HOST量表为单维结构（CFI/TLI>0.95，RMSEA<0.05），仅"医疗机构只关心降低成本"条目因双管问题被剔除；2) 量表在性别、LGBTQ身份和常规医疗接触群体中达到标量不变性（ΔCFI≤0.01），在种族群体中仅达到度量不变性；3) 与MMI相比，HOST在预测疫苗相关行为者信任度(r=0.71 vs. 0.14)和政府信任度（联邦r=-0.38 vs. -0.15）方面表现更优；4) Bland-Altman图显示两种量表差异均值接近零，证实测量结果具有临床一致性。

在讨论部分，作者强调HOST量表的三大理论突破：1) 将评估焦点从患者信任倾向转向系统可信度属性；2) 整合未来预期维度，弥补传统工具仅回顾历史经验的局限；3) 通过第一人称表述增强个人体验的评估效度。实践意义上，该工具特别适用于评估旨在提升医疗机构公信力的干预措施，如改善医疗差错透明度或反歧视政策。研究同时指出，种族群体未完全达到标量不变性，可能反映不同族群对"系统可信度"的概念化差异——少数族裔可能更依赖群体经验而非个人体验来判断可信度。

这项发表在《BMC Health Services Research》的研究为健康公平研究提供了创新测量工具，其强调的"系统可信度"范式将医疗信任研究从个体心理层面拓展至组织结构层面。未来研究需通过认知访谈进一步优化条目表述，并验证量表在非疫情背景下的适用性。正如作者所言："建立信任需要医疗机构首先证明自己值得信赖"——HOST量表正是帮助实现这一目标的关键测量学突破。