基于项目反应理论的方法对范德比尔特大学设计的针对单侧听力损失儿童的课堂听力评估简表进行验证

《Ear and Hearing》：An Item Response Theory-Based Validation of the Vanderbilt Classroom Listening Assessment Short Survey for Children With Unilateral Hearing Loss

　　目标：范德比尔特课堂听力评估简短调查（VCLASS）最初是作为监测学龄儿童在课堂上遇到的听力困难的工具而开发的。然而，最初的统计方法在验证过程中并未充分评估量表的心理测量特性，也未考虑回答的序数性质，以及未区分使用助听器与他人在无助听器条件下的差异。本研究旨在使用项目反应理论（IRT）评估15项VCLASS在佩戴助听器和无助听器条件下的心理测量特性。更具体地说，我们的目标是：（1）评估每种听力条件下的潜在结构；（2）确定适当的基于IRT的模型来估计每个听力条件下的项目区分度和阈值参数；（3）从基于IRT的模型中评估信度；（4）评估每种听力条件下的年龄相关的一致性和非一致性项目功能差异（DIF）。

研究设计：我们应用基于IRT的分析方法来分析之前从9至17岁单侧听力损失儿童那里收集到的回答数据。所有儿童（n = 1148）都假设自己没有使用任何设备（无助听器）完成了VCLASS；大多数儿童（n = 897）还假设自己使用了个人听力设备（有助听器）完成了VCLASS。对于每种听力条件（无助听器、有助听器），我们都考虑了回答的序数性质来评估VCLASS项目的维度。接下来，使用最适合的模型来估计项目区分度（α?）和阈值参数（β?1至β?4），以评估项目和个人适应度，并检查信度。最后，评估每种听力条件下的年龄相关一致性和非一致性DIF。

结果：基于多项式相关的平行分析支持有助听器和无助听器条件下的两因素结构。在这两种条件下，回答模式主要被一个主导的、与学校相关的听力困难因素所捕获；此外，一个项目（在无助听器情况下）或四个项目（在有助听器情况下）加载到一个特定的/次要因素上，代表与学校相关的近距离听力困难。两因素分级反应模型相比两因素广义部分得分模型提供了更好的模型拟合。所有项目都显示出良好的拟合度和高区分度。基于IRT的边际信度对于因子得分估计来说很强（无助听器：0.88和0.89；有助听器：因子1和2分别为0.86和0.85）。测试信息曲线显示，在样本响应者最多的情况下，测量精度最高——这些样本包括听力困难水平较低、中等和较高的情况，但在不同听力条件下的概况是相似的。年龄相关的DIF效应对项目回答的影响可以忽略不计，支持测量结果不受年龄影响。

结论：基于IRT的验证证实，VCLASS为单侧听力损失儿童在无助听器和有助听器条件下的课堂听力困难提供了可靠且一致的测量方法。通过在建模和缺失数据插补中考虑数据的序数性质，当前结果支持无助听器和有助听器条件下的两因素结构。我们还证明了VCLASS具有强大的项目功能，并且几乎没有年龄相关的偏差。VCLASS提供了课堂听力困难的区间级连续谱分数，支持其在单侧听力损失儿童的临床和研究环境中的应用。

引言：单侧听力损失影响了3%到14%的学龄儿童（Ross et al. 2010; Lieu 2018）。这些孩子的一只耳朵有听力损失，因此他们在定位声音和在背景噪音中理解言语的能力可能会受到负面影响（Reeder et al. 2015）。与听力正常的同龄人相比，儿童的单侧听力损失还伴随着更高的听力相关努力和疲劳（Bess et al. 2020; Oosthuizen et al. 2021a; Carpenter et al. 2022）。在嘈杂的课堂环境中，声音定位和言语理解这两种技能都是非常重要的（Bovo et al. 1988; English & Church 1999）。因此，单侧听力损失儿童存在语言发育迟缓和教育问题的风险并不令人惊讶（Bess & Tharpe 1986; Lieu 2013; Davis et al. 2024）。因此，迫切需要能够准确可靠地测量这些儿童在学校中遇到的听力挑战的工具。此外，所需的工具应该能够在有和没有设备的情况下捕捉课堂听力困难。目前的单侧听力损失干预措施在不同的说话者位置可能具有不同的效果。例如，对侧信号路由和骨传导助听器在喧闹环境中可能最有益（Liu et al. 2017; Oosthuizen et al. 2021b），而人工耳蜗可以为更广泛的说话者位置提供更好的定位线索（Buss et al. 2018）。鉴于不同干预措施的各种益处以及它们与无助听器听力的明显差异，评估这些工具在无助听器和有助听器条件下的心理测量表现是至关重要的。像实验室环境中的标准听力评估一样，目前的方法由于没有包括这些课堂特定因素，无法完全模拟现实世界的声学复杂性（Bess & Tharpe 1986; Kenworthy et al. 1990）。主观问卷在识别和管理单侧听力损失中起着重要作用（Bagatto et al. 2019）。尽管许多现有的自我报告工具（如儿童家庭听力困难清单（Anderson & Smaldino 2000）和HEAR-QL生活质量问卷（Umansky et al. 2011）能够捕捉一般的听力困难，但它们主要是为家庭或社交场合设计的，忽略了关键的课堂体验。学生可能面临的课堂特定因素包括远距离听说话者、动态的说话者位置和多个竞争性噪声源（Purcell et al. 2018）。为了满足对专注于学校场景的测量需求，Picou等人（2020）开发了范德比尔特课堂听力评估简短调查（VCLASS）的试用版本，其中包含15个项目，描述了现实中的学校听力场景。在针对10至16岁儿童的试点研究中，该工具捕捉到了个体间自我报告的听力困难的显著差异。使用修订后的VCLASS和对1148名9至17岁单侧听力损失儿童的回答数据进行的探索性因子分析和经典信度指数表明其具有极好的内部一致性和可靠性（Picou et al. 2025）。Picou及其同事仅关注无助听器数据，采用经典测试理论（CTT）方法来验证VCLASS，并在数据分析和多重插补程序中依赖皮尔逊相关性（假设项目是连续分布的），尽管项目是序数的。仅CTT指数无法检查样本不变的项目参数或整个课堂听力挑战范围内的测量精度。相比之下，项目反应理论（IRT）提供了一个框架，用于模拟潜在特质中的个体差异与项目反应之间的关系，并提供信息函数，以捕捉潜在特质不同水平下的测量精度（例如，Embretson & Reise 2000; de Ayala 2009）。已经使用不同的问卷证明了IRT方法的益处。例如，对患者健康问卷-9的IRT分析发现了项目区分度的变异性，并改进了对量表提供最多信息的理解，超出了CTT信度指数的建议（Forkmann, Boecker, Norra等，2009; Forkmann, Boecker, Wirtz等，2009）。简式健康调查-36在使用IRT时显示出多维性和改进的评分精度，与传统信度指数相比（Ware et al. 1999; Reise & Revicki 2015; Lins & Carvalho 2016）。同样，在酒精使用障碍识别测试中，CTT表明了一维性和可接受的信度，但IRT分析显示项目在酒精问题严重程度较低和较高时功能不同，这有助于细化筛查标准（Paulus et al. 2022）。这些例子表明IRT可以改进和扩展CTT的结论，因此可能对VCLASS的进一步评估有益。在本研究中，我们通过使用来自1148名9至17岁单侧听力损失儿童的2045份完整数据集对15项VCLASS量表进行了IRT验证。这些回答包括了之前未检查过其心理测量特性的有助听器数据（n = 897）和仅使用CTT评估过其心理测量特性的无助听器数据（n = 1148）。本研究的独特贡献还包括在建模和多重插补程序中适当考虑了项目回答的序数性质。在我们的IRT框架中，课堂听力困难被概念化为一个潜在特质，它捕捉了儿童在学校听力情境中自我报告的聆听和理解听觉信息的能力。

材料与方法

参与者与数据：数据收集用于之前报告的评估（Picou et al. 2025）。简而言之，参与者通过电子邮件招募。在获得家长知情同意后，报告有单侧听力损失的儿童参与者提供了知情同意，然后分别假设他们没有佩戴任何听力设备（无助听器）和佩戴了听力设备（有助听器）完成了VCLASS。儿童为学龄儿童（平均年龄=13.35岁，中位数=13岁，第一四分位数=12岁，第三四分位数=15岁，IQR=3岁，标准差=1.94岁）。数据收集阶段在2021年3月11日至19日期间完成。最终数据集包括2045份来自9至17岁单侧听力损失儿童的调查回答。在这些儿童中，家长报告的听力损失程度为：轻度损失：136人（11.8%）；中度损失：446人（38.9%）；重度损失：404人（35.2%）；完全丧失：162人（14.1%）。在这些回答中，1148人完成了无助听器版本的VCLASS，897人在使用个人听力设备时完成了有助听器版本的VCLASS。只有前者的无助听器回答被包括在之前的CTT心理测量分析中（Picou et al. 2025）。

VCLASS工具：VCLASS（完整版本见：https://osf.io/j793s/）包含15个项目，每个项目描述了一个课堂听力场景（例如，在房间后排听老师讲话、在同学旁边听到噪音等）。对于每个项目，都有一个简短的描述和一张显示说话者和听者位置的图片。儿童可以在5点李克特量表上选择每个场景的“容易”或“困难”程度，并且对于不相关的情况可以选择“不适用”。在基于原始CTT的仅无助听器回答的验证中，确定了三个子量表：远距离听力（Far；项目3、7、8、12、14和15）、室内近距离听力（Near Inside；项目1、2、4和9）以及室外近距离听力（Near Outside；项目5、10和13；Picou et al. 2025）。项目6和11仅对总分有贡献。通过平均适用的项目来计算子量表和总分。由于原始分析将五类回答视为连续的（而不是序数的）并在缺失数据插补中进行了处理，我们的当前研究在使用序数数据方法和多项式IRT模型的无助听器和有助听器条件下重新评估了潜在结构。在我们的IRT框架中，课堂听力困难被概念化为一个潜在特质，它捕捉了儿童在学校听力情境中自我报告的聆听和理解听觉信息的能力。简而言之，这两个模型都涉及到 discriminate 参数和 threshold 参数，但它们对这些参数的假设有所不同。项目区分度（item discrimination）是衡量每个项目在区分潜在构念不同水平的能力；它显示了每个项目如何区分报告有不同听力困难的儿童。较大的项目区分度表明该项目对潜在构念的变化敏感。在Generalized Rasch Model (GRM) 中，项目的 threshold 参数表示选择给定或更高级别类别的50%概率所需的潜在特质水平。k 类别项目允许估计 k ? 1 个阈值。我们评估了整体模型拟合度以及项目层面和个体层面的拟合度。

在确定两因子GRM为最佳解决方案后，第三阶段我们使用了全部15个项目来估计基于两因子GRM的项目区分度和阈值参数，并通过边际可靠性进行评估，同时生成了测试信息曲线以检查潜在特质上的测量精度。这些分析的目的是检查所有15个测试项目的个别质量和特性，并最终确定VCLASS量表的高质量项目。在第四阶段，我们使用mirt包（Chalmers 2012）中的序数逻辑回归（ordinal logistic regression）来探究年龄导致的均匀和非均匀难度差异（DIF），并用McFadden的pseudo-ΔR2来量化效应大小。

**结果**

**第1.1阶段：维度评估**
对于每种听力条件（辅助条件下和无辅助条件下），我们首先使用单维度指数（u）来评估VCLASS的维度，该指数表示第一个特征值与所有特征值之和的比率（值为1.0表示单维度）。无辅助条件下的u为0.90，辅助条件下的u为0.88，这表明方差没有集中在单一维度上。为了进一步明确因子结构，我们检查了解释共同方差（ECV）的值，其中ECV > 0.85表示单维度（Stucky & Edelen 2014; Rodriguez et al. 2016）。无辅助条件下的ECV值为0.77，辅助条件下的ECV值为0.76，这同样表明尽管共有方差较大，但它分布在多个因子上。为了进一步验证15个VCLASS项目是否测量一个单一的潜在构念，我们接下来基于多项式相关性（即，将有序数据视为有序数据）进行了平行分析（Horn 1965; Glorfeld 1995）。如图1所示，对于每种（辅助和无辅助）听力条件，两个因子都超过了从随机数据生成的相应特征值，表明响应模式可以更好地用两个潜在因子来解释。主导因子反映了一般的课堂听力难度，而第二个因子则反映了近距离听力情况（见第2.2节：最佳拟合IRT模型的参数估计）。

**第1.2阶段：基于CTT的初步项目分析**
出于描述目的，我们展示了无辅助条件（表1）和辅助条件（表2）下基于CTT的项目分析结果。

| 项目 | 平均响应 | 项目与总测试分数的相关性 |
|----------------|-----------------|---------------------|
| Very Easy (to Hear) | 14.00 | 0.72 |
| A Little Easy | 13.67 | 0.63 |
| Not Easy or Hard | 12.51 | 0.63 |
| A Little Hard | 11.69 | 0.64 |
| Very Hard | 10.88 | 0.66 |
| N/A or Nonresponse | | |

**第1.3阶段：维度评估（继续）**
对于每种听力条件，我们首先使用单维度指数（u）来评估VCLASS的维度，该指数表示第一个特征值与所有特征值之和的比率（值为1.0表示单维度）。无辅助条件下的u为0.90，辅助条件下的u为0.88，这表明方差没有集中在单一维度上。为了进一步明确因子结构，我们检查了解释共同方差（ECV）的值，其中ECV > 0.85表示单维度（Stucky & Edelen 2014; Rodriguez et al. 2016）。无辅助条件下的ECV值为0.77，辅助条件下的ECV值为0.76，这同样表明尽管共有方差较大，但它分布在多个因子上。为了进一步验证15个VCLASS项目是否测量一个单一的潜在构念，我们接下来基于多项式相关性（将有序数据视为有序数据）进行了平行分析（Horn 1965; Glorfeld 1995）。如图1所示，对于每种（辅助和无辅助）听力条件，两个因子都超过了从随机数据生成的相应特征值，表明响应模式可以更好地用两个潜在因子来解释。主导因子反映了一般的课堂听力难度，而第二个因子则反映了近距离听力情况（见第2.2节：最佳拟合IRT模型的参数估计）。

**第2.2阶段：IRT模型拟合比较**
所有IRT模型都在R软件（R Core Team 2025）中使用mirt包（Chalmers 2012）中的边际最大似然估计进行拟合。缺失的项目响应使用mice包（van Buuren & Groothuis-Oudshoorn 2011）进行插补。第2.1阶段的目的是确定哪个两因子IRT模型最能捕捉VCLASS量表的多项式响应模式。在基于IRT的项目级别评估之前，识别最合适的两因子IRT模型是必要的步骤。为此，对于每种听力条件，我们比较了两种适合多项式数据的两因子IRT模型——两因子GPCM和两因子GRM——如前所述，这两种模型在对项目阈值和区分度参数施加的约束方面有所不同。由于两因子GPCM和两因子GRM不是嵌套的，模型比较基于模型选择指数：赤池信息量准则（AIC；Akaike 1974）、贝叶斯信息量准则（BIC）和样本大小调整后的BIC（见补充数字内容中的表1a和1b，https://links.lww.com/EANDH/C41），这些指数不需要竞争模型是嵌套的。这些模型选择指数用于模型排名，而不是与固定阈值进行比较；较低的AIC、BIC和样本大小调整后的BIC值表明拟合和简约性的平衡更好。我们发现两因子GRM在拟合和简约性方面提供了最佳平衡，分别获得了最低的AIC（无辅助条件：40544.51；辅助条件：23838.94）和BIC（无辅助条件：40993.58；辅助条件：24266.06）值，优于两因子GPCM。如前所述，GRM模型允许设定具体的项目区分度参数，并假设项目内存在有序的阈值。因此，我们在后续的项目和测试级别IRT分析中使用了两因子GRM模型。

**第2.3阶段：最佳拟合IRT模型的参数估计**
接下来，我们使用最佳拟合的两因子GRM模型为全部15个项目在无辅助和辅助听力条件下呈现了最终的IRT估计结果。表3和表4分别展示了所有15个VCLASS项目的区分度（θ1和θ2）和阈值（β?1-β?4）参数估计。

| 项目 | 区分度（θ） | 阈值（β?） | 标准误差（SE） |
|----------------|-----------------|-----------------|-----------------|
| 1 | -1.553 (0.095) | -2.552 (0.134) | 0.099 (0.046) |
| 2 | -1.567 (0.100) | -2.226 (0.112) | 0.049 (0.054) |
| 3 | -1.768 (0.103) | -2.853 (0.158) | 0.083 (0.054) |
| 4 | -1.558 (0.114) | -1.581 (0.110) | 0.089 (0.053) |
| 5 | -1.504 (0.083) | -0.641 (0.057) | 0.048 (0.056) |
| 6 | -1.558 (0.110) | -2.176 (0.104) | 0.099 (0.046) |
| 7 | -1.499 (0.086) | -2.141 (0.115) | 0.089 (0.055) |
| 8 | -2.260 (0.125) | -1.718 (0.106) | 0.069 (0.069) |
| 9 | -1.479 (0.110) | -1.503 (0.104) | 0.136 (0.043) |
| 10 | -1.982 (0.137) | -1.896 (0.130) | 0.136 (0.043) |
| 11 | -1.957 (0.086) | -1.531 (0.046) | 0.126 (0.064) |
| 12 | -1.384 (0.134) | -2.341 (0.122) | 0.140 (0.064) |
| 13 | -1.397 (0.115) | -2.655 (0.128) | 0.550 (0.111) |
| 14 | -2.477 (0.109) | -2.374 (0.105) | 0.561 (0.115) |
| 15 | -2.329 (0.140) | -2.717 (0.143) | 0.536 (0.125) |

**第2.4阶段：基于项目的最终分析**
在无辅助条件下，平均响应得分在0到4的范围内为1.58到2.93，其中更高的得分表示更高的感知难度（表1）。大多数项目位于响应尺度的中间点（大约在1.5到3.0之间）。涉及直接、近距离交流的情景（例如项目5）的平均响应最低（即感知难度最小），而涉及声音定位或远距离听力的情景（例如项目3、12、14和15）的平均响应最高。所有项目都显示出强烈的正相关，相关性范围从0.51到0.72。这些相关性表明每个项目与课堂听力难度的整体构念是一致的。总体而言，平均响应和项目-总相关性值的模式表明VCLASS涵盖了广泛的课堂听力难度范围，许多日常学校情境对于不使用助听器的听力障碍儿童来说被认为是困难的。

与无辅助条件相比，辅助条件下的响应分布向更容易的响应类别偏移（表2），大部分响应落在“非常容易”或“稍容易”类别中。辅助条件下的平均响应得分显著较低，范围在0.40到1.12之间，这表明由于使用了助听器，整体感知的听力有所改善。直观上，参与者在使用助听器（而不是无辅助）时发现听力更容易。涉及直接面对面交流的项目（例如项目1、2、4和5）的平均响应得分最低（即感知难度最小）。涉及复杂任务（如声音定位或选择性听力）的项目（例如项目12和14）保持了较高的平均响应得分，表明即使使用听力设备（如助听器、人工耳蜗植入物、骨传导设备），这些任务仍然具有相对较高的挑战性。所有项目继续显示出正的相关性，范围从0.43到0.67，确认这些项目在使用设备的情况下仍然能够区分具有不同整体听力难度的儿童。

综合这些基于CTT的平均响应和项目-总相关性，证实了VCLASS的实用性。从无辅助条件到辅助条件的平均响应显著下降，验证了该量表对个人听力设备干预的敏感性。在两种听力条件下，一致的正相关项目-总相关性表明15个项目在区分儿童在学校环境中的感知听力难度方面是有效的。在辅助条件下（表4），对于涉及直接近距离交流的题目（例如，题目1、2、4和5），阈值普遍向较低的难度水平移动，表明在使用听力设备时感知到的听力有所改善。为了进一步检查题目阈值，我们可视化了VCLASS量表中每个题目（Figs. 2A, B）的特性曲线（ICC），以观察在无辅助和有辅助听力条件下的总体听力难度因素。每个面板展示了从“非常容易听到”到“非常难以听到”选择每个响应类别的概率，随着课堂听力难度的增加而变化。具有更高区分度的题目显示出更陡峭的ICC（例如，题目7、8和12），而较平的曲线则表明敏感性相对较低，并显示出类别之间的过渡更为渐进（例如，题目5）。在题目和听力条件之间，响应曲线从左到右（从低难度到高难度）平滑过渡，这表明GRM阈值是按升序排列的。例如，题目7在无辅助条件下的ICC为β?1 = ?2.90 < β?2 = ?1.30 < β?3 = ?0.37 < β?4 = 0.84。这也表明GRM的假设得到了满足，即随着儿童潜在听力难度的增加，他们更有可能选择“非常难以听到”。基于这些阈值和区分度估计，这些结果提供了证据，证明VCLASS题目能够敏感地检测到学龄儿童在课堂听力难度上的广泛差异。

在辅助条件下，涉及直接近距离交流的题目（如题目1、2、4和5）的难度阈值普遍降低，表明使用听力设备时感知到的听力有所改善。我们进一步检查了VCLASS量表中每个题目的特性曲线（ICC），观察在无辅助和有辅助听力条件下总体听力难度因素的变化。每个面板展示了从“非常容易听到”到“非常难以听到”选择每个响应类别的概率，随着课堂听力难度的增加而变化。区分度较高的题目显示出更陡峭的ICC曲线，而较平的曲线则表明敏感性较低，类别之间的过渡更为渐进。这些结果表明GRM阈值是按升序排列的。例如，题目7在无辅助条件下的ICC为β?1 = ?2.90 < β?2 = ?1.30 < β?3 = ?0.37 < β?4 = 0.84。这也表明GRM的假设得到了满足，即随着儿童潜在听力难度的增加，他们更有可能选择“非常难以听到”。根据这些阈值和区分度估计，这些结果提供了证据，证明VCLASS题目能够敏感地检测到学龄儿童在课堂听力难度上的广泛差异。

第二阶段3的结果：在双因素GRM下的题目适用性评估
题目级别的适用性告诉我们VCLASS调查中的每个问题与双因素GRM预测的响应模式匹配程度如何。具体来说，题目适用性检查的是，在不同课堂听力难度水平下（即潜在特质），观察到的每个响应类别的选取概率是否与模型预期的一致。我们在这里评估了题目适用性，以确定题目是否与我们旨在测量的潜在结构（课堂听力难度）保持一致。在双因素GRM下，对于每种听力条件，我们使用未加权均方拟合统计量（outfit）、加权均方拟合统计量（infit）及其标准化值（zoutfit和zinfit）来评估题目适用性。infit和outfit统计量提供了关于题目不适用性的信息，接近1.0的值表示观察到的响应与预期响应之间的一致性较好。根据Adams和Khoo（1996）的标准，infit值在0.75到1.33之间被认为是可接受的，而outfit值超过2.00则可能扭曲测量结果（Linacre 2002）。

在题目适用性分析中（见补充数字内容中的表2，https://links.lww.com/EANDH/C42），所有15个VCLASS题目都满足了Adams和Khoo（1996）的可接受题目适用性标准（无辅助条件：0.73到1.20；有辅助条件：0.99到1.19）。此外，无辅助条件数据集中的outfit值范围为0.80（题目5）到1.64（题目11），而有辅助条件数据集中的outfit值范围为0.91（题目2）到1.16（题目10）。这些结果表明所有题目都适用于两种听力条件下的潜在结构。

第二阶段4：在GRM下的人格适用性评估
对于每种听力条件，我们使用Zh指数（Drasgow等人，1985）来识别响应模式与双因素GRM预期不符的参与者。当|Zh| > 1.96时，在双侧α = 0.05的水平上表明响应模式与模型预期不符；当|Zh| > 2.58时，表示更严格的标准（α = 0.01）。在无辅助条件数据集中，15.2%的参与者被标记为不符合预期；在有辅助条件数据集中，12.8%的参与者被标记为不符合预期。在两种条件下，大多数被标记的个案位于中等Zh范围（1.96< |Zh| <2.58），只有少数参与者表现出更大的不一致性（|Zh| > 3.00）。总体而言，这些结果表明大多数儿童的响应模式与双因素GRM一致。在有无辅助条件下观察到的不适用性水平都处于大规模IRT应用中常见的范围内（例如，参见Macia等人2023；Weeks等人2024；Monaghan等人2026）。

为了确定这些不适用的响应模式是否影响了我们拟合的模型估计，对于每种听力条件，我们通过排除以下两组参与者后重新拟合了双因素GRM：（1）|Zh| > 1.96的参与者；（2）|Zh| > 2.58的更为保守的参与者子集。在两种过滤后的样本中，无论是无辅助还是有辅助的分析中，GRM参数都保持稳定，题目区分度（aβ）和阈值（β?1至β?4）参数估计的排序和幅度变化不超过0.3 logits，并且所有题目参数与全样本估计的相关性都在0.98以上。排除这些过拟合或欠拟合的案例后，标准误差略有增加，这是由于样本量减少所致。更重要的是，我们发现题目区分度的排序和测试信息曲线的形状基本没有变化。这些发现表明，少量的不适用模式并不影响GRM或我们对VCLASS题目功能的实质性结论。鉴于这些微小差异，我们在正文中保留并报告了全样本的GRM结果，以确保我们的发现反映了整个研究群体。

第三阶段：可靠性和有效性
尽管可以在CTT框架内使用Cronbach’s alpha计算内部一致性——无辅助条件下的平均α = 0.92（范围0.91到0.92）；有辅助条件下的平均α = 0.91（范围0.90到0.91）——但在双因素模型的背景下，计算基于IRT的边际可靠性更为合适，因为Cronbach’s alpha严格假设了项目的单维性和真实分数方差的等同性。

对于每种听力条件，在双因素GRM下，我们使用经验边际可靠性来评估潜在因子得分估计的可靠性。每种听力条件下的两个因子的可靠性都很强（无辅助条件：0.88和0.89；有辅助条件下的因子1和2分别为0.86和0.85），表明在估计个别儿童听力难度差异方面精确度很高。总体而言，结果表明VCLASS在无辅助和有辅助条件下都能提供可靠的测量结果，同时适当考虑了量表的多维结构。

在图3中，我们展示了无辅助和有辅助条件下VCLASS调查（题目1至15项）的主导总体听力难度因素的GRM测试信息曲线。每条曲线总结了VCLASS在课堂听力难度潜在连续体上的测量精度。实际上，测试信息曲线从来都不是平的，因为现实生活中的调查在所有特质水平上都不会提供相同的信息和精度。相反，信息函数自然形成一个分布，其中较高部分代表了VCLASS提供最大精度（测量准确性）的特质值范围。我们的大多数儿童的θ1得分都在这些最精确的区域内。在无辅助条件下（我们预计听力难度较高），98%的儿童得分在?3.58到2.33之间（图3）。在有辅助条件下（我们预计听力难度较低），98%的儿童得分在?2.42到3.76之间。对于无辅助条件，信息峰值在0.34（信息值为13.13）。对于有辅助条件，信息峰值在?2.16（信息值为13.98），表明当参与者没有辅助设备时，该工具在测量更高听力难度时最为精确。

第四阶段：结果：年龄差异分析
为了评估VCLASS题目在不同年龄群体中的功能是否等效，我们分别使用R mirt包（Chalmers 2012）对无辅助和有辅助听力条件进行了基于IRT的差异项目功能（DIF）分析。对于基于年龄的DIF分析，我们将年龄视为连续变量。对于每个题目，我们拟合了三个嵌套模型：
模型1（基线）：没有年龄项；
模型2：添加了年龄的主效应项，测试儿童对听力情况的评分是否随年龄而变化；
模型3：包含了年龄主效应以及年龄×θ1和年龄×θ2的交互项，允许项目区分参数（斜率）随年龄而变化。
我们使用似然比检验来评估DIF。均匀DIF测试年龄相关差异的主效应，而非均匀DIF测试这些差异是否在课堂听力难度水平上发生变化（即年龄与特质的交互作用）。比较模型1与模型2测试均匀DIF，比较模型2与模型3测试非均匀DIF，比较模型1与模型3测试总DIF。我们使用McFadden的pseudo-ΔR2变化值（每对模型之间）来总结DIF效应的大小。根据Zumbo（1999）常用的标准：可以忽略（< 0.13）、中等（0.13到0.26）或较大（> 0.26）。根据Slocum等人（2004）更严格的标准，DIF效应大小被分类为：可以忽略（< 0.035）、中等（0.035到0.07）或较大（> 0.07）。这些McFadden的pseudo-ΔR2值用于衡量每种听力条件下的DIF效应大小（表5）。在这15个题目中，无论是在无辅助还是有辅助的分析中，年龄相关DIF效应的大小都可以忽略不计。McFadden的pseudo-ΔR2值在无辅助条件下的范围为0.000到0.011，在有辅助条件下的范围为0.000到0.022。这些值也都低于Zumbo（1999）和Slocum等人（2004）中定义的中等DIF范围。

总体而言，DIF分析没有发现VCLASS题目在不同年龄群体中的功能存在统一或非统一的差异。无论使用Zumbo（1999）的常见标准还是Slocum等人（2004）更严格的标准，DIF分析都没有显示出证据表明年龄会影响VCLASS题目的解释或有效性。因此，没有根据年龄排除任何题目的实证依据。

讨论
在这项研究中，我们应用了基于IRT的框架来评估Vanderbilt课堂听力评估简短调查（VCLASS）在2045名学龄儿童中的心理测量特性，这些儿童中有1148名没有使用（n = 1148）和897名使用（n = 897）个人听力设备。与最初的验证（Picou等人2025）不同，我们在所有分析中考虑了题目的顺序性质和缺失数据的插补；我们还分析了无辅助和有辅助响应的心理测量特性。维度分析支持在无辅助和有辅助听力条件下都存在双因素结构。最佳拟合的双因素GRM在所有15个项目中都表现出强烈的区分度，表明VCLASS量表能够很好地区分具有不同课堂听力困难水平的儿童。在这两种条件下，响应模式都可以通过一个普遍的基于学校的听力困难因素来解释。此外，有一个或四个项目（分别对应无辅助和有辅助条件）对应于一个次要/特定的因素，代表近距离听力困难。基于IRT的可靠性指标都显示出高水平的内部一致性。此外，我们还进行了DIF分析，所有McFadden的伪ΔR2值都表明在不同年龄组之间的DIF效应大小可以忽略不计。这表明VCLASS在9至17岁的儿童中，无论是在无辅助还是有辅助条件下，都能提供可比且可靠的课堂听力困难测量结果，支持了其结构效度以及其在研究和临床环境中的使用。

据我们所知，这项研究是少数基于IRT对儿童听力学中特定学校听力问卷进行验证的研究之一。虽然CTT提供了有价值的汇总指标，但IRT方法具有几个独特优势：样本不变的项目参数、区间级评分、能够识别量表最精确位置的测试信息函数，以及严格的DIF检测能力。这些优势是无法仅通过CTT获得的。

**临床意义**
我们样本中的大多数参与者在某些情况下（例如，从房间对面听老师讲话）存在听力困难，但在其他情况下（例如，面对面的对话）则没有问题。因此，我们用于估计极端听力障碍相关模型得分的数据/信息较少。这并不意味着VCLASS量表对具有极端听力困难的儿童无效。相反，具有极端听力困难的儿童的模型得分标准误差只会稍大一些。临床医生和教师可以使用VCLASS作为筛查工具，快速识别可能需要全面听力评估或课堂调整（如优先座位或远程麦克风系统）的学生。此外，该量表还可以用来追踪儿童听力困难随时间的变化，例如，在佩戴个人听力设备之前或之后，或者尝试新的课堂（干预）策略（如优先座位）之后。

**局限性与未来方向**
需要指出几个局限性。首先，我们提出了未来发展的方向，以扩大针对极端听力困难水平的项目覆盖范围。这需要招募听力挑战更严重的儿童，并开发新的、更困难的情境，以进一步提高量表对有严重课堂听力困难儿童的测量精度。其次，本研究调查了无辅助和有辅助条件下的年龄差异（DIF），但未来的项目可以探讨其他变量（如听力损失程度、听力损失的位置（左耳 vs. 右耳）、设备类型以及自我报告的听力疲劳程度）对DIF的调节作用。此外，未来的研究还可以探讨VCLASS在听力对称的儿童中的表现。特别是，未来的研究可以利用VCLASS来检查听力对称的儿童（包括听力正常的儿童和双耳听力损失的儿童）。这类研究可以为临床解释提供标准化（参考）数据，并帮助确定远距离/定位项目的困难模式和程度在不同组别之间是否相似或不同。

**结论**
我们基于IRT的评估结果支持15项组成的VCLASS量表，作为衡量患有单侧听力损失（UHL）儿童课堂听力困难的可靠工具，无论是否使用了个人听力设备。这项研究的独特贡献包括：首次在分析中考虑了数据的序数性质和处理缺失数据；分别对有辅助和无辅助条件进行了基于IRT的验证；以及按年龄检测了DIF。响应由两个相关因素表示：一个主要的一般听力困难因素和一个较小的近距离听力困难因素。所有15个项目都显示出良好的拟合度、强烈的区分度和高可靠性。此外，在9至17岁的儿童中，与年龄相关的DIF可以忽略不计。测试信息曲线显示，VCLASS在大多数参与者所代表的听力困难范围内都具有较高的精确度。这些结果支持使用VCLASS来评估患有UHL儿童的课堂听力困难。

**致谢**
作者衷心感谢我们的数据收集团队的奉献，包括Anne Marie Tharpe博士、Kathleen Healy Lunsford博士和Hilary Davis博士。作者还要感谢Sun-Joo Cho博士在项目各个阶段提供的宝贵反馈。开放获取权限由范德比尔特大学提供。该项目得到了Phonak AG的资助，并得到了NCATS/NIH（REDCap）项目UL1 TR000445的支持。A.L.负责撰写了手稿并进行了所有分析。S.K.S.编辑了部分手稿并对所有分析提供了指导。H.H.和E.M.P.对手稿和分析提供了反馈。E.M.P.提供了数据集。这项研究获得了范德比尔特大学医学中心机构审查委员会（编号210037，负责人：E.M.P.）的批准。

**关于范德比尔特课堂听力评估简表（VCLASS）在单侧听力损失儿童中的基于IRT的验证**
作者没有需要披露的利益冲突。