《npj Digital Medicine》：Validating DigiHEALTHQUAL for measuring digital health effects on service quality in outpatient care in Germany
编辑推荐：
数字健康解决方案（DHS, digital health solutions）在门诊护理中的采纳受到其对非临床效应不确定性以及缺乏标准化评估验证工具的限制。医疗服务质量（HCSQ, health care service quality）为评估这些效应提供了理
数字健康解决方案（DHS, digital health solutions）在门诊护理中的采纳受到其对非临床效应不确定性以及缺乏标准化评估验证工具的限制。医疗服务质量（HCSQ, health care service quality）为评估这些效应提供了理论框架，但尚无可用的基于HCSQ的验证量表。研究人员旨在定量验证DigiHEALTHQUAL，并比较理论推导模型与数据驱动替代模型。研究人员在德国1085名成年患者中进行横断面在线调查，受试者均使用过以下四种DHS之一：在线预约挂号、数字化既往史采集（digital anamnesis）、视频问诊或电子健康记录（EHR, electronic health records）。心理测量学验证包括内部一致性分析、验证性因子分析（CFA, confirmatory factor analysis）、探索性因子分析（EFA, exploratory factor analysis）及模型比较。剔除总体满意度后的精炼理论推导七因子模型拟合良好且内部一致性较强，但各维度判别效度有限。EFA得到更简约的四因子结构，其中占主导的是流程相关因子。高因子间相关性支持高阶HCSQ结构。总体而言，DigiHEALTHQUAL可用于评估德国门诊护理中DHS对HCSQ的非临床效应，并可支持研究与实践中的标准化DHS评价。
研究背景方面，数字健康解决方案（DHS, digital health solutions）被广泛认为可改善临床结局以及可及性、组织流程、成本等非临床维度的医疗供给，但门诊场景中小型机构资源有限，IT与采购能力弱，DHS采纳仍较慢。核心障碍在于实施维护投入与DHS效应之间缺乏可比较证据：大量非临床效应研究依赖自研、未验证量表，而已验证工具又多聚焦特定DHS、治疗领域或场景，导致跨研究不可比。医疗服务质量（HCSQ, health care service quality）基于Donabedian结构—过程—结果框架，可统合可及性、效率、医患互动、安全、有形性等维度，与DHS设计目标高度重叠，但此前没有经过系统验证、可跨用例测量DHS对HCSQ非临床效应的量表。为此，研究人员在《npj Digital Medicine》发表研究，对基于HEALTHQUAL、门诊体验问卷、患者满意度问卷18合成的DigiHEALTHQUAL进行大样本心理测量学验证，并比较理论推导模型与数据驱动模型。
关键技术方法上，研究人员采用便利抽样，于2025年1月至3月通过LimeSurvey以德语开展在线调查；合格样本为德国≥18岁、近一年使用过在线预约挂号、digital anamnesis、video consultation或EHR中至少一种的患者，经同意、注意力检查、直线作答、匿名化k≥5等清洗后保留1085人进入分析、843人进入因子分析。量表为51个条目、6点Likert量表；研究人员先后使用主基轴因子分解与direct oblimin旋转做EFA，再用最大似然估计在AMOS中做CFA，并评估Cronbach's α、组合信度（CR, composite reliability）、平均方差提取（AVE, average variance extracted）、Fornell-Larcker准则与异质特质—单质比率（HTMT, heterotrait-monotrait ratio）。
Sample characteristics部分，最终1085名患者以男性、55—65岁、2万—10万人口居住地、法定医保参保者居多，中位完成时间约6分钟；说明样本虽具数字亲和偏向，但覆盖广泛患者特征，足以支撑量表结构验证。
Exploratory factor analysis for a data-derived model部分，研究人员经20次迭代剔除19个非载荷、交叉载荷和低载荷条目，得到32条目四因子模型：information and efficiency、accessibility、empathy、degree of improvement of care services，前者解释方差占优，因子间相关0.64—0.83；结果表明流程相关效应最突出，tangibles与safety未成独立因子，可能受天花板效应与方差受限影响。
Confirmatory factor analysis of the data-derived model部分，CFA显示四因子一阶模型载荷0.71—0.88，α为0.90—0.96，AVE 0.56—0.73；但Fornell-Larcker不满足，HTMT 0.74—0.88，判别效度有限。高阶模型二阶载荷0.80—0.94，单维模型拟合更差，支持HCSQ可作为上层构念、各维度既相关又不冗余。
Confirmatory factor analysis and refinement of the theory-derived model部分，原八因子模型中general satisfaction条目GS2载荷仅0.12，因该维度仅2条且易与其他维度冗余被剔除；精炼七因子模型载荷0.70—0.89，CR与α可接受，AVE 0.56—0.75，但判别效度仍有限，单维模型弱于多维模型。
Comparison of theory- and data-derived model部分，七因子理论模型绝对拟合略优，四因子数据模型更简约、AIC更低；但EFA模型丢失safety与tangibles等内容效度，因此研究人员保留七因子模型作为后续应用框架。
讨论部分指出，患者把DHS的非临床效应体验为高度整合的HCSQ维度，而非彼此分离构念；general satisfaction不宜作独立一阶维度，information与efficiency融合为流程维度，tangibles与safety在门诊中更像基线预期或卫生学因子，受监管标准化与天花板效应压制。研究优势为德国首项HCSQ导向DHS量表大样本验证、跨四种患者端DHS、理论驱动与数据驱动双路径对照；局限为自愿在线抽样偏数字亲和、仅德国场景、每人只评一种DHS、患者单视角、条目仍偏长且可能存在冗余。
结论部分译为：本研究是对DigiHEALTHQUAL患者队列的首次大规模定量验证，证明其可用于评估门诊护理中DHS对HCSQ的非临床效应。原理论结构经精炼后保留的七因子模型兼具概念稳健性与内容完整性，既符合理论预期，也得到实证支持。通过将HCSQ操作化为整合性评估构念，DigiHEALTHQUAL弥补了DHS评价中的关键空白，并为未来研究与实践中更具可比性、理论驱动的数字健康解决方案评价奠定基础。
