《Resuscitation Plus》：Translation and Validation of the TEAM-NL Instrument for Assessing Interprofessional Team Performance in Simulation-Based Resuscitation Training
编辑推荐：
专业术语翻译（论文摘要部分）
TEAM-NL是一个经过翻译和心理测量学验证的工具，用于评估复苏情境下的团队表现。TEAM-NL展现了较高的内部一致性（internal consistency）、中等至良好的评分者间信度（inter-rater reliabil
专业术语翻译（论文摘要部分）
TEAM-NL是一个经过翻译和心理测量学验证的工具，用于评估复苏情境下的团队表现。TEAM-NL展现了较高的内部一致性（internal consistency）、中等至良好的评分者间信度（inter-rater reliability）以及结构效度（construct validity）的证据。TEAM-NL支持在基于模拟的复苏训练中进行标准化评估和结构化反馈。
论文解读文章
一、研究背景与问题
高质量医疗服务的提供依赖于有效的跨专业协作。随着患者需求的日益复杂、专业角色的不断细分以及时间压力的持续增加，医疗服务已很少由单个专业人员独立完成。仅具备技术能力已不足以保障患者安全，不良事件往往归因于团队内部的沟通与协调失败。因此，领导力、团队合作等非技术技能与技术技能相结合，已被广泛认可为安全可靠患者照护的基础。
跨专业教育旨在培养医疗专业人员跨越专业界限进行协作的能力，基于模拟的教育已成为实现这一目标的重要方式，它允许不同专业的学习者在不对患者构成风险的情况下参与逼真场景。团队培训干预已被证实可改善团队表现和患者结局。为支持有意义的学习，过去数十年间已开发多种观察性工具用于测量医疗模拟和临床环境中的团队合作及其他非技术技能，这些工具的有效性取决于其心理测量学质量及对应用情境的适配性。
团队急救评估量表（Team Emergency Assessment Measure, TEAM）是一种广泛用于急诊和急症护理情境下团队表现评估的工具，其简洁性、行为导向性和内容效度使其适用于包括时间受限模拟情境在内的教育用途。该量表已在法语、德语、瑞典语、巴西葡萄牙语和西班牙语版本中得到验证，但缺乏经过验证的荷兰语版本。因此，本研究旨在翻译并验证TEAM的荷兰语版本（TEAM-NL），用于基于模拟的跨专业复苏训练，考察其内部一致性、评分者间信度、效度及高级生命支持（Advanced Life Support, ALS）教员使用的可接受性。
二、研究设计与方法
研究人员采用基于跨文化翻译与心理测量学验证推荐指南的五阶段结构化方法。第一阶段为正向翻译，由两名独立的ISO 17100:2015认证医学翻译将原始英文TEAM量表翻译为荷兰语，经讨论达成共识后合成单一协调版本，并由两名内容专家审查概念和临床准确性。第二阶段为反向翻译，由另外两名对原始量表不知情的独立认证翻译将协调版荷兰语回译为英文。第三阶段由原始量表开发者审查和验证回译英文版本，对五个条目提出小幅文字修订以改善清晰度并与原始意图保持一致。第四阶段由专家小组审查预最终版荷兰语版本的内容效度，专家小组包括两名医师兼ALS教员、一名注册护士兼危机资源管理专家和一名教育专家，根据反馈对条目7的提示语句进行了小幅文字修改。第五阶段为心理测量学验证，在荷兰两个培训中心的19门欧洲复苏委员会（European Resuscitation Council, ERC）认证ALS（再）认证课程中进行，每门课程包含2至4个小组，每组5至6名参与者，每个小组在两个模拟心脏骤停场景中分别由两组不同教员评估，一组在培训开始时，一组在培训临近结束时。数据收集于2025年6月至2026年1月进行。样本量根据Walter等人的方法确定，假设k=2名评分者，所需目标数（观察表现）为n=102，检验最低可接受ICC为0.60、预期ICC为0.75，α=0.05，检验效能80%。研究经马斯特里赫特大学健康、医学与生命科学学院伦理审查委员会批准（2024-141）。
三、研究结果
信度（Reliability）
TEAM-NL总量表的Cronbach's alpha为0.93，七条目团队合作分量表为0.90。领导力和任务管理两个双条目分量表的条目间相关系数分别为0.74和0.66，Spearman-Brown系数分别为0.85和0.80。总量表条目间相关系数范围为0.45至0.74（均值0.56），校正后条目-总分相关系数范围为0.66至0.75，删除任一条目均不增加alpha值。敏感性分析显示各场景和评分位置的信度相当（Cronbach's alpha 0.87–0.94）。两名教员的评分者间信度为ICC(1,2)=0.68（95% CI 0.53–0.79，p<0.001；n=100），三名教员为ICC(1,3)=0.78（95% CI 0.69–0.85，p<0.001；n=88）。按场景分别估计时，场景1的ICC(1,2)为0.64（95% CI 0.36–0.79，n=50），场景2为0.62（95% CI 0.34–0.79，n=50）；ICC(1,3)分别为0.74（95% CI 0.57–0.85，n=46）和0.77（95% CI 0.62–0.87，n=42）。
可接受性与分数分布（Acceptability and score distribution）
各条目缺失数据范围为0%至2.7%，299份表格中273份（91.3%）全部12个条目完整，275份（92.0%）条目1–11完整。未观察到地板效应（各条目最低分占比≤1%）。所有条目均观察到天花板效应，范围为19.4%至36.1%，且所有条目在场景2中的天花板效应均高于场景1。在总分层面，2.7%的评分达到最高分。
效度（Validity）
TEAM-NL总分与整体表现评分呈强相关（r=0.86，ρ=0.85，p<0.001），整体评分与各分量表的相关系数范围为0.75（领导力和任务管理）至0.82（团队合作），支持聚合效度。在参与者小组层面，场景2的TEAM-NL得分（均值34.4，SD 5.4）显著高于场景1（均值30.1，SD 5.6），t(51)=4.14，p<0.001，平均差异4.3分（95% CI 2.2–6.4），对应中等效应量（Cohen's dz=0.57，95% CI 0.28–0.87）。完整案例敏感性分析结果与主要分析相当。
四、讨论与结论
研究人员指出，本研究观察到的较高内部一致性与原始TEAM验证及既往语言改编版本一致。评分者间信度从两名增至三名评分者时的提升符合多观察者评分聚合时信度增益的预期。评分者间变异反映了表现评估的解释性本质，观察者专业背景、临床经验和注意力聚焦的差异可能导致其优先关注团队表现的不同方面。缺乏正式评分者培训可能导致了双评分者时的中等信度，建议在模拟评估中采用结构化评分者培训以减少评分者误差。ICC依赖于被试间方差，评分团队间异质性较低会降低ICC值；实时评分与视频评分差异也可能影响信度。聚合三名教员评分时仍可获得良好信度，实践中一至两名教员评分可能足以用于形成性反馈，而分数用于评估或研究时则优先采用三名教员评分的均值。聚合效度得到总分与整体评分强关联的支持，但同一评分者同时提供总分和整体评分可能因共同方法变异而夸大关联。场景2得分高于场景1虽与训练期间表现变化的反应性一致，但场景内容和评分教员的不同使变化不能完全归因于学习。天花板效应与人群经验水平相关而非翻译所致，总分层面仅2.7%达到最高分，表明总分仍保留区分团队的能力。研究优势包括严格的跨文化翻译流程、相对较大的观察样本量以及真实课程环境中未经额外评分者培训的务实设计。局限性包括仅在两处培训中心进行模拟训练可能限制推广性、两个场景内容和评分教员不同且未记录教员身份、聚合效度基于同一评分者可能夸大关联且未检验结构效度、ICC(1,2)可用表现数略低于计划样本量且95% CI下限低于预设最低值0.60。
研究结论：TEAM-NL工具在基于模拟的复苏训练中用于教员评估团队表现时展现了较高的内部一致性、聚合效度和可接受性。两名评分者时评分者间信度为中等，三名教员评分均值时为良好。未来研究应探索其在复盘汇报和临床实践中的应用，以及参与者自我评估与教员评分相结合的附加价值。
