利用年龄评估跨国协调化认知测量的结构效度：基于六国八项研究的证据

《npj Dementia》：Assessing the construct validity of cross-national harmonized cognitive assessments using age

　　

协调化认知测量（harmonized cognitive measures）是跨国比较痴呆风险的关键。然而，由于认知测量存在差异且缺乏参考标准，跨国验证此类测量具有挑战性。年龄是与认知强相关且被广泛测量的特征，可作为基准，用于评估协调化认知测量与共同构念的广泛兼容程度。研究人员使用了来自美国三项研究和英格兰、智利、墨西哥、印度及南非五项研究的跨国协调化测量（N=27,317）。各研究对一般认知得分与年龄关联的估计范围为?0.040至?0.075 SD单位/年龄（SD units/year of age）。变异系数（coefficient of variation, CV）为24.1%，表明中等相对变异。结果支持以下假设：由部分重叠测试组套（test batteries）衍生的跨国协调化得分在不同国家测量了大致相似的构念。未来研究应进一步评估跨国人群中认知测试的标准效度（criterion validity）、结构效度（construct validity）和内容效度（content validity）。

随着痴呆病例预计上升，尤其是低中收入国家（low- and middle-income countries, LMICs）老年人口快速增长，痴呆对生活质量、临床照护和公共卫生政策构成挑战。神经心理评估是刻画老年人认知状态和痴呆风险的重要工具，但认知测量受语言、文化、社会和教育情境因素影响，且多数工具在高收入国家开发验证，跨国可比性和LMICs公平诊断面临困难。协调化认知评估方案（Harmonized Cognitive Assessment Protocol, HCAP）旨在提供跨国可比、灵活的认知测试组套，已在18个国家实施，公开数据国家采用条目银行（item-banking）和项目反应理论（item response theory, IRT）方法进行统计共校准。跨国协调化认知测量有助于研究全球痴呆病因和比较风险因素关联，但跨文化验证仍因缺乏普遍接受的参考标准而困难；MRI/PET等近脑功能标志在低收入国家不可行，且脑结构与认知能力存在认知储备等差异。年龄被普遍测量且与认知强相关，可作为代理基准评估协调化工具的结构相关效度。为此，研究人员利用八项研究估计年龄与协调化认知因子得分的关联，检验跨国协调化得分是否与共同潜在构念广泛兼容。研究结论是各研究年龄—一般认知关联均呈负向且幅度存在中等异质性，支持协调化得分测量大致相似构念，为跨国协调化认知测量的结构相关效度提供证据，并提示未来需进一步评估标准、结构和内容效度及测量等价性。

研究人员汇总美国HRS-HCAP、HRS 2016核心调查、NHATS第5轮/2015，以及英格兰ELSA-HCAP、智利Chile-Cog、墨西哥Mex-Cog、印度LASI-DAD、南非HAALSI-HCAP，共N=27,317名65岁及以上老年人；90岁及以上按90岁顶码。采用各研究加权线性回归估计年龄与协调化一般认知因子得分关联，模型1仅年龄，模型2加性别；并以教育调整、识字分层、贝叶斯测量误差模型作敏感性分析；用逆方差加权变异系数（CV_weighted）、研究间标准差（tau, τ）和估计范围评估异质性，因研究数少优先τ而非I²；分析使用StataSE 17.0和R 4.4.2。

研究结果如下。样本特征：通过样本描述和按年龄展示一般认知因子得分分布并计算加权Pearson相关系数，发现各研究平均年龄为72.4岁（LASI-DAD）至75.3岁（HAALSI-HCAP），女性比例为49.3%（LASI-DAD）至56.4%（HRS-HCAP）；年龄与一般认知得分呈负相关，加权Pearson相关系数从?0.53（ELSA-HCAP）至?0.29（LASI-DAD），据此模型假定年龄与认知为线性关系。年龄与一般认知得分的各研究关联：通过研究特异加权线性回归，年龄系数范围为β=?0.040（95% CI：?0.045至?0.035，LASI-DAD）至β=?0.075（95% CI：?0.086至?0.064，Mex-Cog）；美国HRS-HCAP为?0.069（?0.074至?0.064），NHATS为?0.046（?0.049至?0.043），HRS为?0.045（?0.048至?0.043），Chile-Cog为?0.070（?0.082至?0.058）；加性别调整后结果非常接近，最大绝对差为0.003（HAALSI-HCAP）。年龄—认知关联的跨研究异质性：通过逆方差加权CV_weighted和τ评估，一般认知关联的CV_weighted为24.1%，τ=0.0141，约95%的人群特异年龄系数落在合并估计±0.028认知得分单位内；最极端β间范围为0.035，约为2.5τ，提示研究间离散有限。域特异性关联：通过HCAP研究的记忆、定向、语言和执行功能域得分相关与回归分析，跨国家模式与一般认知结果大体一致；CV_weighted为记忆19.6%、语言26.8%、定向36.9%、执行功能37.3%，τ从语言0.0082至执行功能0.0156。补充分析：通过教育调整模型发现年龄—认知关联在所有研究均衰减但方向和显著性不变，最大衰减见于Mex-Cog、Chile-Cog和LASI-DAD；通过LASI-DAD、Mex-Cog和HAALSI-HCAP识字分层发现识字样本回归系数高于文盲样本，且更接近HRS和ELSA-HCAP；教育调整后一般认知CV_weighted为26.4%、τ=0.0124，各域τ均下降，CV在记忆、语言和执行功能升高而定向下降（29.7% vs 36.9%）；通过纳入IRT评分测量标准误的贝叶斯模型，年龄关联基本不变，提示对认知得分测量误差稳健。

讨论部分总结：年龄—认知负梯度在不同测试组套和研究间大体相似，支持协调化得分捕捉共同潜在认知维度；记忆域因共享条目最多一致性最高，定向和执行功能共享条目较少，异质性可能受外源变异影响，扩展共享条目可增强跨国可比性。24.1%的CV无通用解释阈值，其幅度与美国国内研究间变异相近，提示跨国变异可与国内测量差异相当；未来需用测量不变性（measurement invariance，检验因子结构、条目载荷和条目截距的组间等价）和差异条目功能（differential item functioning, DIF）正式检验等价性。教育是认知测试表现强决定因素且跨国差异大，教育调整后τ在各域下降，说明教育解释部分跨国变异；CV多数上升可能反映缩放均值变小而非不一致性增加。认知得分测量误差作为结局不会明显衰减年龄系数；自报年龄误差在低识字或出生登记不系统人群中可能导致回归稀释偏倚（regression dilution bias），部分解释LASI-DAD和HAALSI-HCAP较弱的关联。研究结论部分翻译：年龄—认知关联在各研究间一致为负但幅度不同，其变异与同一国家内研究间观察到的变异相当；该一致性为这些得分的结构相关效度提供了证据。由于认知随年龄增长而下降是该领域最稳健、被广泛重复的发现之一，若这些得分捕捉的是共享构念，则应预期各研究出现相似的年龄梯度。然而，必须注意，与年龄这一单一标准的一致性只提供一种证据，并不等于证明结构效度本身。测量属性和人群过程均可影响观察到的年龄—认知关联，系数相似本身不能唯一识别测量等价；与年龄的一致性也不能检验单个条目在不同情境中是否等价，后者需要正式的不变性检验且已是既往工作的重点。尽管仍需进一步建立更稳健的基准以评估跨国协调化认知测量的结构相关效度，本研究结果提供证据表明跨国协调化工作与共同认知构念大体兼容，即使认知功能及其测量受多重情境因素影响。未来研究可通过三角验证其他与认知相关的标准（如抑郁、衰弱等）以及在协调化条目数据允许时直接检验条目级等价来加强验证证据。这些得分的跨国差异最好在此不断发展的效度证据背景下解释。这些神经心理评估仍是痴呆识别中的核心重要工具，尤其当阿尔茨海默病及相关痴呆（ADRD）持续构成全球重大公共卫生挑战时。