慢性疲劳综合征患者医院焦虑抑郁量表(HADS)的Rasch分析：维度重构与测量精度提升

本研究针对慢性疲劳综合征(CFS)患者心理评估工具Hospital Anxiety and Depression Scale (HADS)的测量特性问题，采用Rasch分析方法对286例患者数据开展验证性研究。通过建立子测试方案解决局部依赖性，证实HADS具有严格单维性(PSI=0.87)和跨人口学特征的测量不变性，开发出序数-等距分数转换表使测量误差降低45%，为CFS临床评估提供了优化方案。

　　

在慢性疲劳综合征(CFS)的临床管理中，准确评估患者的心理状态至关重要。医院焦虑抑郁量表(HADS)作为广泛使用的筛查工具，其传统评分方式在CFS这一特殊群体中的适用性却存在疑问。由于CFS患者常表现出与抑郁焦虑症状重叠的躯体不适，量表项目可能产生不同于普通人群的反应模式，这种测量偏差会直接影响临床决策的科学性。

来自新西兰奥克兰大学的Emerson J. Bartholomew团队在《Journal of Psychosomatic Research》发表的研究，首次将现代测量理论Rasch分析应用于CFS患者的HADS评估。研究团队收集286例符合诊断标准的患者数据，采用部分信用模型(Partial Credit Model)进行多维度验证。通过残差分析发现原始量表存在局部项目依赖性，创新性地提出子测试解决方案，并建立分数转换体系来克服传统序数评分的局限性。

关键技术包括：1)基于Rasch模型的拟合检验，使用Andrich阈值参数评估项目功能；2)通过主成分分析(PCA)验证单维性假设；3)采用t检验和效应量计算比较不同评分系统的差异；4)建立序数-等距分数转换算法。样本来自专科门诊确诊的CFS患者队列。

结果部分

Background

阐明CFS患者心理评估的特殊挑战，传统HADS评分可能因症状重叠导致测量偏差。

Objective

明确研究目标为验证HADS在CFS人群中的心理测量学特性，重点解决维度结构和评分优化问题。

Methods

详细描述Rasch分析的参数设置：采用WINSTEPS软件进行项目校准，设定Infit MnSq值0.7-1.3为可接受范围，通过逐步剔除 misfit项目优化模型。

Results

关键发现包括：1)调整后的子测试方案达到理想拟合(Infit MnSq=0.92-1.08)；2)证实严格单维性(首对比特征值1.8<2.0)；3)无性别/年龄差异的DIF(差异项功能)现象；4)等距转换使标准误从6.87降至3.78(p<0.001)。

Conclusions

研究证实经优化的HADS能准确捕捉CFS患者心理特质，分数转换系统使检测灵敏度提升45%，为临床研究提供更精确的测量工具。

这项研究的突破性在于将现代测量理论应用于CFS评估领域，解决了传统量表"等距假设不成立"这一根本问题。通过数学建模证明序数评分会系统性低估患者11.1%的严重程度，这一发现对临床试验的效应量计算具有重要启示。建立的转换算法可直接整合到电子病历系统，实现实时分数校正。未来研究可进一步验证该方案在治疗反应监测中的预测效度。

（注：全文严格依据原文数据，PSI=个人分离信度指数，DIF=differential item functioning，MnSq=均方拟合统计量等术语均保留原文表述规范）