《初级保健需求评估（PCNA）问卷的开发与验证：一种参与式多维度方法用于识别健康需求》 作者：Eleni Papakosta-Gaki、Anastasia Zissi、Andreas Tsounis、Evangelos Kyritsakas、Stella Ploukou、Pavlos Sarafis、Alexis Benos 和 Emmanouil Smyrnakis

《Healthcare》：Development and Validation of the Primary Care Needs Assessment (PCNA) Questionnaire: A Participatory Multidimensional Approach to Identifying Health Needs Eleni Papakosta-Gaki, Anastasia Zissi, Andreas Tsounis, Evangelos Kyritsakas, Stella Ploukou, Pavlos Sarafis, Alexis Benos and Emmanouil Smyrnakis

　　**亮点**

**主要发现是什么？**
通过参与式混合方法设计开发的PCNA显示出稳定的9因素结构，并具有令人满意的有效性和内部一致性。研究发现，在心理健康、获得专业护理以及结构性障碍方面存在未满足的需求，这证实了初级卫生保健（PHC）中健康需求的多维度性质。

**主要发现的意义是什么？**
PCNA提供了一个经过验证的、以社区为导向的工具，用于支持基于证据的规划和资源分配。将社区观点纳入测量过程有助于转向更加响应迅速、以个人为中心且具有情境敏感性的PHC系统。

**摘要**

**背景/目标：**评估人群的医疗需求对于有效的初级卫生保健（PHC）规划至关重要；然而，现有的方法往往依赖于生物医学或以服务为中心的框架（即关注使用模式、临床指标和提供者绩效指标的方法），这些方法可能无法充分捕捉健康需求的多维度和情境依赖性。本研究旨在开发并验证初级卫生保健需求评估（PCNA）问卷，这是一种参与式的、多维度的、具有情境敏感性的工具，用于评估社区环境中感知到的未满足的医疗需求及其情境决定因素。

**方法：**采用了顺序混合方法设计。在定性阶段，通过与PHC专业人员的焦点小组讨论和对社区成员的半结构化访谈来生成问卷条目。随后对从社区和初级卫生保健机构招募的817名参与者进行了问卷调查。对一个子样本（n = 520）进行了探索性因子分析（EFA），并对另一个独立子样本（n = 297）进行了验证性因子分析（CFA）。使用Cronbach’s alpha来评估内部一致性。

**结果：**EFA确定了10个因素结构，解释了55.05%的方差。CFA支持了一个精炼的9因素模型，其拟合指数良好（χ2/df = 1.675，RMSEA = 0.048，CFI = 0.92，TLI = 0.90，SRMR = 0.06）。该工具显示出令人满意的内部一致性（α = 0.76）。研究结果还强调了与心理健康、获得专业服务以及结构性障碍（如地理距离、经济成本、服务可用性有限以及获取护理的组织限制）相关的未满足需求，突显了健康需求的多维度性质。

**结论：**PCNA是一个有效且可靠的工具，能够捕捉影响PHC中健康需求的个体、社会和情境因素之间的复杂相互作用。通过结合社区观点和心理测量验证，它为支持基于证据的规划和更加响应迅速、以个人为中心的PHC系统提供了实用工具（即根据社区确定的优先事项和不断变化的人群需求调整服务提供的系统）。

**1. 引言**
初级卫生保健（PHC）系统在促进人群健康、预防疾病和解决医疗服务获取不平等方面发挥着核心作用。作为社区与卫生系统之间的第一接触点，PHC需要规划过程能够响应所服务人群的实际需求。健康需求评估（HNA）被广泛认为是将卫生政策、服务规划和资源分配与人群需求对齐的关键工具[1,2]。通过识别现有服务与人群需求之间的差距，HNA可以支持发展更加响应迅速和公平的卫生系统，反映人群需求与实际服务提供之间的持续差距[3,4]。然而，传统的健康需求评估方法主要依赖于流行病学指标、行政数据和服务使用模式。虽然这些来源提供了关于人群健康状况的宝贵信息，但它们往往无法捕捉个人和社区所经历的健康需求的主观、社会和情境维度，包括在卫生系统中未被充分表达或认识的需求[5,6,7,8]。类似的局限性也在应用公共卫生背景下被强调（即实际公共卫生实践环境，包括初级卫生保健提供、社区健康规划和资源分配过程），其中需求评估过程仍然分散且未能充分整合到规划和决策中[9,10]。
与健康相关的需求不仅限于临床定义的状况，还包括由社会环境和个人经历塑造的感知需求、表达需求和未满足需求，这些需求可能无法通过服务使用或流行病学指标充分捕捉[2,9]。最近的证据进一步表明，即使在服务提供完善的系统中，未满足的健康需求仍然存在[10]。在这项研究中，我们采用了基于经典健康需求评估定义和Andersen医疗服务使用行为模型的多维度健康需求概念。健康需求被理解为可以从医疗服务（预防、诊断、治疗、康复和支持）中受益的需求，而不仅仅是临床定义的状况，并包括在卫生系统中未被充分认识到的未满足需求。在Andersen的模型中，需求被分为感知需求——人们如何看待和体验自己的健康状况、症状和日常功能——以及评估需求，指的是更专业或客观的健康状况和护理需求评估[11,12,13,14,15]。基于这些观点和最近在社区健康需求评估方面的工作，我们区分了初级卫生保健环境中三个相互关联的健康需求维度：(a) 主观健康需求，指个人感知到的当前和未来的健康问题、功能限制以及未满足的护理需求；(b) 社会健康需求，源于社会和经济条件、角色和支持网络，这些因素既影响健康也影响寻求和使用护理的能力；(c) 情境健康需求，与当地服务的特点和更广泛的环境有关，这些因素创造了或放大了人群需求与可用PHC服务之间的差距。这三个维度指导了条目的生成，并反映在初级卫生保健需求评估（PCNA）问卷的因子结构中，该问卷包括捕捉感知和未满足的临床和功能需求（主观维度）、社会和经济压力及支持不足（社会维度）以及与当地初级卫生服务的组织、可及性和响应性相关的障碍（情境维度）[1,7,9,16,17,18,19,20,21]。这种更广泛的概念化强调了需要超越主要基于生物医学和静态评估的方法，转向更加综合和具有情境敏感性的需求评估模型。在这方面，定量和定性数据的整合，以及将社区观点与卫生专业人员的观点结合起来，越来越被认为是解决PHC环境中健康需求复杂性的关键[22,23,24,25]。
参与式方法，特别是基于社区参与式研究（CBPR）的方法，强调利益相关者在确定优先事项和制定健康干预措施中的积极参与。让社区成员和一线专业人员参与评估工具的开发可以提高其相关性、可接受性和实际应用性[25,26,27]，而最近的应用表明它们有助于捕捉特定情境和社区定义的健康需求[20,24]。然而，这些方法通常作为特定情境的工具用于项目设计，并根据利益相关者的反馈进行迭代改进，而没有系统地转化为标准化的、经过心理测量验证的工具[16,19]。
个体、社会和结构因素的复杂相互作用塑造了健康需求和医疗服务使用。Andersen医疗服务使用行为模型提供了一个广泛认可的框架，用于理解这种复杂性，区分了个体和情境层面的 predisposing（倾向性）、enabling（使能）和需求相关因素[11,12,13,14,15]。在这个框架中，健康需求不仅被视为临床状况，还被视为感知需求、服务获取和更广泛的社会决定因素之间动态互动的结果。已经开发了几种定量工具来评估健康需求或相关结构，包括通用的健康状况测量工具（如Nottingham Health Profile (NHP)[28,29]、PHC评估工具[30,31]和特定状况的需求问卷[17,19]。最近，定量方法被用于基于人群的调查和工具包中，使用标准化问题和指标来捕捉不同状况和情境下的表达和未表达的需求[10,18]。虽然这些方法提供了宝贵的人群层面见解，但它们通常依赖于预定义的指标（如咨询率、转诊模式、筛查参与率），因此可能无法捕捉PHC环境中复杂的、不断变化的健康需求的情境、主观和社区定义的维度（例如，劳动力限制、患者-提供者关系动态、社区信任水平的不同[2,8,18]）。然而，许多现有的定量工具要么是特定于某种状况的，主要关注服务绩效，要么嵌入在大规模调查框架中，这可能限制了它们作为灵活的、以社区为导向的工具来评估PHC环境中感知到的、未满足的和情境化的健康需求的适用性[1,18,21]。此外，许多现有工具基于预定义的、主要是生物医学的需求类别，这可能限制了它们捕捉健康需求动态和情境依赖性的能力[5,8]。广泛使用的PHC评估工具，如初级卫生保健评估工具（PCAT）[30,31]和以患者为中心的初级卫生保健测量工具（PCPCM）[32,33]，对PHC绩效的评估做出了重要贡献；然而，它们主要关注服务属性和护理体验（即个人与卫生服务的互动，如满意度和沟通质量），而不是评估社区感知和情境依赖的健康需求（即影响护理获取和使用的更广泛的社会、环境和系统因素[34]。此外，现有工具在范围和心理测量稳健性方面存在很大差异，只有少数工具能够全面捕捉核心的初级卫生保健属性，同时显示出足够的有效性和可靠性[35,36]。最近的研究强调了在PHC中进行更综合和情境敏感的需求评估的必要性[20,36,37,38]。
总的来说，这些局限性突显了在PHC环境中缺乏经过验证的、以社区为导向的健康需求评估工具[1,21]。尽管Andersen行为模型已在卫生服务研究中得到广泛应用[13,14,15]，但其多维度结构并未总是在现有评估工具中得到充分体现，特别是在反映个体、社会和情境决定因素相互作用方面。为了解决这些差距，本研究引入了初级卫生保健需求评估（PCNA），这是一种多维度工具，旨在评估PHC环境中社区人群的感知需求、未满足需求和情境化健康需求。该工具是通过结合PHC专业人员和社区成员的观点来开发的。本研究的目的是开发并验证一个具有情境敏感性的PCNA问卷，并使用探索性和验证性因子分析来检查其因子结构和可靠性。通过将社区观点（定义为社区成员和当地利益相关者的生活经验、优先事项和自我识别的需求）纳入需求评估工具的开发和验证过程中，本研究致力于提供一个结构化的工具，用于评估人群的医疗需求，并支持PHC系统中的基于证据的规划和决策。

**2. 材料与方法**
**2.1. 生成PCNA问卷**
PCNA问卷是使用顺序混合方法设计的，将定性探索与随后的定量验证相结合来生成条目。开发过程包括三个阶段：(a) 通过焦点小组和访谈对社区医疗需求进行定性探索；(b) 根据主题分析和与Andersen行为模型的对齐来生成问卷条目；(c) 对生成的工具进行心理测量评估。混合方法在工具开发中被广泛推荐，因为它们能够将利益相关者提供的见解与测量结构的统计验证相结合[32,33]。研究的架构和研究步骤在图1中进行了可视化总结。阶段(a)和(b)使用相同的定性数据集，但代表了顺序分析步骤：阶段(a)涉及开放探索和识别社区医疗需求，而阶段(b)涉及在Andersen行为模型的维度指导下将识别出的主题系统地转化为候选问卷条目[17,18]。图1展示了PCNA开发和验证框架的概览。第I部分说明了定性输入；第II部分展示了根据Andersen行为模型维度组织的经过验证的9因素结构；第III部分概述了PHC规划的潜在战略应用，如研究意义中所讨论的。注意：图1是由作者使用基于AI的工具创建的，仅用于可视化目的。

**2.1.1. 定性数据收集**
定性阶段于2021年5月至2022年6月在希腊北部塞萨洛尼基进行，包括两个互补的部分：与PHC专业人员的焦点小组讨论和对社区成员的半结构化访谈。
与PHC专业人员的焦点小组讨论：共进行了三次焦点小组讨论，共有31名PHC专业人员参与，通过目的性抽样选择。资格标准包括目前在初级卫生保健（PHC）服务中的就业情况或积极参与与PHC相关的临床培训；与PHC没有正式关联的个人被排除在外。参与者通过专业健康网络、PHC领域的研究生课程以及与当地PHC单位的直接联系进行招募。三个组别构成如下：FG1包括来自多学科PHC项目的14名研究生，他们的参与反映了职业生涯早期的观点；FG2包括11名正在PHC接受临床培训的内科住院医师；FG3由来自塞萨洛尼基当地PHC单位（TOMY）的一个跨学科团队的6名经验丰富的专业人士组成，其中包括全科医生、社区护士、健康访视员和社会工作者。由于COVID-19的限制，第一次焦点小组讨论是通过Zoom在线进行的，而第二次和第三次讨论则分别在大学设施和当地PHC单位进行。所有会议持续90-120分钟，由两位经验丰富的主持人（一位来自心理学领域，一位来自成人教育领域）主持，并在参与者的书面知情同意下进行了音频和视频记录。讨论内容遵循专门为这项研究制定的半结构化指南，涵盖了感知到的和未满足的医疗需求、寻求医疗服务的行为、服务缺口以及PHC对社区福祉的影响。该指南基于国际上的需求评估文献，并与Andersen的行为模型（ predisposing、enabling和need-related因素）的核心维度保持一致。根据研究的探索性设计，前两个组的见解为FG3使用的讨论指南提供了迭代改进的依据。

为了纳入潜在服务使用者的观点，与代表不同生命阶段的8位成年社区成员（年龄在15至67岁之间）进行了8次半结构化访谈，其中包括青少年、年轻人、一名孕妇、中年人和老年人。这些参与者不限于当前的健康服务使用者，而是有针对性地选择，以捕捉年龄、性别和特定生命阶段医疗需求的多样性。访谈由第一作者在参与者家中进行，并进行了音频记录和逐字转录。访谈指南是根据之前的焦点小组分析中出现的主题制定的，旨在探讨表达的和感知到的未满足的需求、影响医疗服务的因素以及从社区角度出发的医疗体验。区分专业视角和社区视角是一种刻意的方法学选择：虽然PHC专业人士提供了通过服务提供观察到的群体需求的见解（规范性和比较性需求），但社区成员则表达了他们自己的经历、优先事项和自我识别的需求（感受到的和表达的需求）。尽管这两个群体都属于同一个PHC生态系统，但他们提供了互补的观点，共同有助于更全面地理解医疗需求。

2.1.2 定性数据分析
所有焦点小组会议和个别访谈都进行了逐字转录。焦点小组录音的转录工作由第一作者完成，并由第二位研究人员进行了准确性审核。焦点小组数据使用Palmer等人（2010年）提出的八步框架进行了解释现象学分析（IPA）。这种方法侧重于识别“关注对象”——参与者表达的明确需求、挫败感和价值观——并分析参与者的角色、互动和语言使用。演绎编码与Andersen行为模型的三个核心维度（ predisposing、enabling和need因素）相一致，同时结合了从数据中产生的归纳编码。根据小组动态，反复修改了用于FG3的讨论指南。

2.1.3 项目开发与来源
问卷项目的大部分最初是通过本研究的定性阶段开发的，直接来源于焦点小组和访谈中确定的主题。部分项目借鉴了现有工具中涵盖的领域，包括初级保健评估工具（PCAT）[23]和诺丁汉健康概况（NHP）[22]，以确保与公认的医疗需求评估维度保持一致，同时保持PCNA的参与式导向。PCNA的初步版本由一个由三名PHC研究人员和两名临床医生组成的专家小组进行了审查，他们评估了项目的清晰度、相关性和全面性。随后进行了认知访谈（n = 20），使用出声思考协议来识别模糊或有问题的项目。改进措施包括重新措辞不清晰的项目、调整响应选项标签以确保一致性以及重新排序项目以改善逻辑流程。在这些步骤之后，进行了社区参与活动，以进一步确保内容的相关性和社区的接受度。在社区场所举行了六次小组会议，参与者包括一部分原始的定性研究参与者和额外的社区成员，重点是对项目领域进行排序和优先级划分。补充的个别会议专门针对项目的清晰度和措辞进行了讨论。参与者包括全科医生、社区护士和社区成员；术语统一为“全科医生”，与希腊PHC的命名法一致。该工具随后进行了定量评估，以检验其因子结构和心理测量属性。

2.2 参与者和程序
总共在塞萨洛尼基大都会区及其周边农村地区的社区和PHC环境中，通过面对面和在线数据收集的方式分发了1030份问卷。其中817份问卷填写完整并纳入了分析（响应率为79.3%）。面对面数据收集由受过培训的研究助理在招募地点进行；对于偏好在线完成的参与者，也提供了在线填写的选项。参与无需任何激励措施。社区环境包括社区中心、市政办公室和公共活动等场所，也接触到了非服务使用者。PHC环境指的是在访问期间或之后招募参与者的初级保健单位。这种嵌入社区的多站点招募策略符合国际上关于参与式医疗需求评估的建议。世界卫生组织强调，有效的PHC系统需要社区的积极参与，以确定健康优先事项并共同设计应对措施[30,35]。如果仅采用严格的临床或基于服务的招募方法，样本将仅限于活跃的服务使用者，从而排除那些医疗需求尚未得到满足或未表达的个体——而这正是参与式需求评估旨在覆盖的人群[13,36]。招募工作与市政卫生部门、当地社区中心、患者协会和农村PHC单位合作进行。通过针对不同年龄组、性别、教育水平、城市和农村居住情况以及慢性病状态的定向招募，促进了样本的多样性。样本的描述性统计数据见表1。

2.3 PCNA问卷
PCNA是一个多维度的自我管理问卷，旨在评估PHC人群中的感知医疗需求。该问卷涵盖了多个领域，包括个人对健康的认知、服务获取情况、心理社会因素以及与卫生系统的互动，这些内容基于Andersen的卫生服务使用行为模型。因此，问卷包含了与 predisposing特征、使能资源和感知需求相关的维度，允许全面评估影响医疗服务利用的因素。PCNA问卷使用5点李克特量表类型响应尺度，每个领域的锚点适当（例如，健康评估为1=非常差至5=非常好；服务利用项目为1=完全不至5=非常满意）。最初的问卷包含65个项目，涵盖了社会人口统计特征、健康状况认知、服务利用情况、满意度、未满足的需求以及心理社会和情境因素。经过试点测试、参与式改进和迭代因子分析（见第2.4节）后，通过EFA（10个因子解决方案）将问卷项目减少到33项，随后通过CFA（9个因子解决方案）进一步精简为29项。项目减少的过程记录在补充表S3中。

定量阶段的参与者完成了PCNA问卷（29个项目加上一个社会人口统计部分），形式为自我管理的纸质问卷或相应的在线表格。除了完成问卷外，不需要任何其他任务。问卷的因子结构和构念有效性通过探索性因子分析（EFA）和验证性因子分析（CFA）进行了检验，而内部一致性则使用Cronbach的alpha系数进行评估。

2.4 统计分析
统计分析用于检验PCNA问卷的因子结构、构念有效性和内部一致性。所有分析的统计显著性标准设定为p < 0.05。为了进行心理测量验证，总样本被随机分为两个独立的子样本，用于交叉验证。第一个子样本（n = 520）用于探索性因子分析（EFA），以确定潜在的因子结构；第二个子样本（n = 297）用于验证性因子分析（CFA），以检验提出的测量模型。这种随机分配方法确保两个子样本来自相同的人群，并在可比的数据收集条件下进行比较（见表1）。EFA使用主轴因子分析进行，不假设多变量正态性。鉴于潜在因素之间的预期相关性，应用了斜旋转（Promax）方法。使用Kaiser–Meyer–Olkin（KMO）样本充分性指标和Bartlett的球形度检验来评估数据适合因子分析的程度。因子保留基于特征值大于1.0的标准（在因子分析研究中广泛使用[40,41,42]），同时检查了碎石图（图S1）并评估了因子解的可解释性。通过八个连续步骤进行了迭代的项目减少程序：在每个步骤中，移除了因子载荷低于0.40或跨多个因子载荷≥0.40的项目，这与量表开发中常用的阈值一致[33]，并对剩余项目重复分析，直到获得稳定且可解释的解决方案。随后对第二个独立子样本进行了CFA，以评估提出的测量模型的拟合度。模型拟合度使用多个指标进行评估，包括卡方自由度比（χ2/df）、比较拟合指数（CFI）、Tucker–Lewis指数（TLI）、近似均方根误差（RMSEA）和标准化均方根残差（SRMR）。可接受的模型拟合度基于常用的阈值（CFI和TLI ≥ 0.90，RMSEA ≤ 0.08，SRMR ≤ 0.08）。问卷及其子量表的内部一致性使用Cronbach的alpha系数进行评估。所有分析均使用IBM SPSS Statistics版本21.0和AMOS版本18.0进行。

2.5 伦理批准和参与同意
本研究遵循社会研究的既定伦理标准，并符合美国心理学会（APA）的伦理准则。该研究获得了塞萨洛尼基亚里士多德大学医学院生物伦理和伦理委员会的批准（批准编号5.170/18.12.2019）。在参与之前，所有定性研究参与者（焦点小组和个别访谈）都获得了书面知情同意。对于未成年参与者，所有情况下都获得了父母/监护人的书面同意。对于完成纸质问卷的参与者，在完成问卷前签署了参与者信息表和同意书。对于在线参与者，通过电子方式获得了知情同意：参与者阅读了研究信息表并继续完成问卷即表示同意。无论是哪种方式，都没有收集任何可识别个人身份的信息。焦点小组的音频和视频记录以及个别访谈的音频记录仅用于转录和分析目的，并按照数据保护规定安全存储。

3. 结果
3.1 为项目开发提供信息的定性发现
定性阶段包括三次与31名PHC专业人士的焦点小组讨论和八次与代表不同生命阶段的社区成员的半结构化访谈（两名15岁和16岁的青少年；一名34岁的孕妇；两名37岁和48岁的劳动年龄成人；以及三名52岁、65岁和67岁的老年人）。数据通过IPA（基于内容的分析）方法对焦点小组进行了分析，并通过主题分析方法对访谈进行了分析，然后将这些分析结果映射到Andersen的行为模型维度上。在两种数据来源中都出现了五个贯穿性的主题，这些主题为PCNA问卷的内容提供了依据。定性主题与具体PCNA条目的详细对应关系见补充表S2.3.1.1。

**未表达和未被识别的医疗需求**
在所有八次访谈中，最普遍的发现是存在未被表达、未被识别或未得到解决的医疗需求。这种模式在不同生命阶段的表现有所不同，但普遍存在。青少年表示不愿意透露情感上的困难：“我以前认为没有必要让朋友为我这样的问题烦恼”（访谈1，女性，16岁）。同样，一名15岁的男孩报告说：“我不愿意轻易和父母讨论这个问题，因为我觉得他们可能不太理解，或者会把事情看得太严重”（访谈3，男性，15岁）。在劳动年龄段的男性中，未表达的需求被归因于性别规范：“我不会说‘我很焦虑’或‘我身体不舒服’。你会把这些情绪藏在心里。这可能是心态问题”（访谈7，男性，48岁）。在中年时期，一名52岁的女性描述性健康是一个被系统性地忽视的领域：“我们不会轻易讨论这些话题。不一定和医生讨论，也不一定和伴侣讨论……所以这些需求就得不到满足”（访谈5，女性，52岁）。这些发现直接促使问卷中包含了关于自我感知的心理健康（B3）、性健康（B5、B7）以及对现有服务满意度的条目（B13），旨在揭示那些在传统临床评估中可能被忽略的需求。

**生命历程中的亚临床心理困扰**
所有八名参与者都描述了低于临床阈值的心理困扰，但这些困扰显著影响了他们的日常生活质量。这不是偶发的危机，而是一种持续的低水平压力。一名37岁的父亲这样描述：“不是焦虑压垮了你，而是一种持续的状态。你会不断地思考工作、金钱、家庭……责任永无止境”（访谈8，男性，37岁）。一位年长的男性指出，恐惧而非症状才是主要的负担：“这是正常的吗？还是某种更严重情况的开始？是恐惧导致了焦虑，而不是症状本身”（访谈6，男性，67岁）。在怀孕期间，这种困扰表现为间歇性的但强烈的情绪：“它会像波浪一样袭来。例如，在做检查之前或者当我想到分娩的时候”（访谈4，女性，34岁）。一名52岁的女性描述了生命阶段转变带来的情感影响：“当孩子们离开，房子变得空荡荡的时候……你会感受到这种情绪”（访谈5，女性，52岁）。这些描述为问卷中关于心理健康（B3）、压力管理（B4）和时间管理作为困扰代理指标（B6）的条目提供了依据。

**避免和推迟预防性护理**
八名参与者中有六名描述了避免或推迟预防性医疗护理的行为模式，这些行为背后的动机各不相同但相互补充。一名48岁的男性承认自己出于恐惧而避免就医：“如果没有任何理由，我就不去。也许是因为我不想听到不好的消息”（访谈7，男性，48岁）。一名较年轻的男性则将其归因于优先级的冲突：“总是有更紧急的事情——工作、家庭。然后你就会说‘我没事，我以后再去做’”（访谈8，男性，37岁）。相比之下，一名52岁的女性虽然接受了预防性筛查，但也提到了其带来的心理负担：“每次检查前我都会很焦虑，担心会查出什么问题”（访谈5，女性，52岁）。在青少年中，出现了一种不同的模式——不是避免，而是表面的参与：“在学校里他们会讲一些基本知识，但我感觉如果我有问题，不能在那里得到解决”（访谈3，男性，15岁）。一名孕妇指出信息过载是一个障碍：“你读了太多信息，结果反而更加困惑和焦虑。我希望能得到更有条理、更可靠的指导”（访谈4，女性，34岁）。这些发现为问卷中关于预防性筛查的实用性（B9）、对预防服务的了解（B10）以及对性传播感染和避孕措施的认知（B8）的条目提供了依据。

**超越生物医学模型的整体性医疗服务需求**
八名参与者中有七名表达了超出临床诊断和治疗范围的医疗服务需求。一位年长的男性最直接地表达了这一需求：“我希望有一个能更全面支持我们的系统——不仅仅是在我们生病的时候”（访谈6，男性，67岁）。一名孕妇也表达了同样的观点：“怀孕期间，你在很多方面都需要支持，而不仅仅是医疗方面的”（访谈4，女性，34岁）。在中年时期，现有护理与期望护理之间的差距显而易见：“需要有人能和你讨论身体变化、心理变化以及生活变化。因为这个年龄段有很多变化，但这些变化并没有得到全面关注”（访谈5，女性，52岁）。在青少年中，他们需要的是有意义的支持，而不仅仅是形式上的帮助：“是的，但这种支持应该是实质性的。而不只是有人来简单地说几句”（访谈3，男性，15岁）；“每次心理医生来看我们，他们总是谈论压力管理——这些内容我的朋友也能告诉我”（访谈1，女性，16岁）。一名37岁的男性提出了提前介入的需求：“如果能在问题出现之前就采取行动，可能会有所帮助”（访谈8，男性，37岁）。这些观点为问卷中关于医疗服务满意度（B13、B22–B24）以及多个领域未满足需求的条目提供了依据。

**经济和家庭背景作为健康决定因素**
环境因素——特别是经济限制和家庭角色——被确定为影响医疗需求和可及性的重要因素。一名65岁的护理者描述了非正式护理的无形负担：“虽然有一些专业人士在帮忙，但担忧和责任总是落在我身上”（访谈2，女性，65岁）。不同年龄段的参与者都提到了经济障碍：“我们都希望公共初级医疗服务能够普及到每个人”（访谈2，女性，65岁）；“如果需要更严重的治疗，我该怎么办？这让我很焦虑”（访谈6，男性，67岁）。一名孕妇同时面临经济和家庭方面的限制：“我们希望公共系统能够提供同等水平的护理，而不增加经济负担”（访谈4，女性，34岁）。自我照顾经常被忽视，家庭责任被置于首位：“最终你自己就得不到照顾了”（访谈7，男性，48岁）。这些发现直接为问卷中关于家庭影响（B11）和经济状况（B12）对健康的影响，以及与服务可及性和可负担性相关的因素（B19–B21）的条目提供了依据。

**样本特征**
以下结果涉及研究的第三步（心理测量评估）。第一步和第二步的定性发现见第3.1节。研究样本共有817名参与者，平均年龄为45.8岁（标准差=13.6岁）。为了进行因子分析，样本被随机分为两个子样本：一个用于探索性因子分析（EFA）的子样本（n=520；平均年龄=46.1岁，标准差=14.1）和一个用于验证性因子分析（CFA）的子样本（n=297；平均年龄=45.5岁，标准差=12.6）。两个子样本在社会人口统计特征上没有显著差异。样本中女性占多数（71.8%）。大多数参与者（61.3%）表示没有慢性健康问题，而相当一部分（38.7%）表示有慢性健康问题。总样本的关键社会人口统计特征见表1。

**探索性因子分析（EFA）**
对第一个子样本（n=520）进行了探索性因子分析（EFA），以确定问卷的潜在结构。初步分析包括了65个项目。样本的充分性得到了确认（KMO=0.78），Bartlett的球形度检验结果具有统计学意义（χ2(528) = 6003.69，p < 0.001），表明数据适合进行因子分析（表2）。探索性因子分析最初揭示了一个包含10个因子的多维结构，解释了总方差的55.05%，表明了对潜在结构的良好表征[32,33]。随后通过因子载荷（<0.40）和显著的交叉载荷进行了迭代项目缩减，得到了一个稳定且可解释的因子解决方案。样本的充分性和适合因子分析的特性得到了确认（KMO=0.78；Bartlett的球形度检验，p < 0.001）。分析采用主轴因子分析方法，并进行了Promax旋转。因子保留的标准是特征值大于1、碎石图检查（图S1）以及概念上的可解释性。最终解决方案保留了33个项目，这些项目分别对应于关键的概念领域，包括表达的需求、寻求护理的原因、用户满意度、未满足的需求、心理困扰、性健康、预防性护理、身体健康、环境限制和与休息相关的问题。这一结构反映了医疗需求的多维性质，涵盖了个体、服务相关和情境方面的维度。通过EFA确定的因子结构随后使用独立子样本进行了验证性因子分析（CFA）。

**验证性因子分析（CFA）**
基于EFA得出的结构随后在另一个独立子样本（n=297）上进行了CFA验证。测试并比较了三种竞争性测量模型（表3）。模型1复制了EFA得出的10个因子、33个项目的结构。模型2保留了10个因子，但去掉了两个项目：项目8（寻求医疗服务的经济原因），因为它与项目6（免费和公共服务）的内容重叠；项目20（情绪波动），因为其表述相对模糊。模型3进一步排除了休息/睡眠因子（项目32–33），因为这两个项目的内容与其他项目有显著重叠，且该构念超出了工具所针对的核心领域，最终得到了一个9个因子、29个项目的结构（表4）。表3显示，模型3对数据的拟合度最高（χ2/df = 1.675，RMSEA = 0.048，CFI = 0.92，TLI = 0.90，SRMR = 0.06），AIC值最低（762.350），支持其作为最简洁且理论上最一致的解决方案。所有保留项目的标准化因子载荷都具有统计学意义（p < 0.001），大多数项目的载荷处于中等至高水平。其中一个项目（身体活动频率，λ = 0.35）的载荷较低，但由于其与身体健康领域的概念相关性以及对该构念内容覆盖的贡献，仍被保留，这与量表开发的惯例一致。详细的因子载荷见补充表S1（补充材料）。CFA的路径图，包括因子间的相关性，见补充图S2（补充材料）。

**可靠性**
使用Cronbach’s alpha系数评估了PCNA问卷的内部一致性。整个量表的内部一致性良好（α = 0.76），各子量表的价值范围在0.62到0.91之间。除了身体健康子量表（α = 0.62）外，所有因子的值都超过了普遍接受的0.70的阈值。在工具的早期验证阶段，身体健康因子的较低值仍然是可以接受的。

**描述性发现**
频率分布和百分比显示，尽管参与者普遍对自己的身体健康评价较高，但仍有相当一部分人报告了与睡眠质量、压力和心理健康相关的困难。尽管对可用服务的认知存在差距，但他们认为预防性护理很重要。对健康服务的满意度处于中等水平。值得注意的是，在多个服务领域都发现了未满足的需求。心理健康服务是最常被提到的不足之处，其次是交通服务、专科医生（如心脏病专家、内分泌科医生）的就诊机会以及健康信息/预防性筛查（表5）。表5显示了社区对公共卫生服务不足的看法。PCNA问卷的最终版本，包括使用说明、同意书和所有条目，见附录S1（补充材料）。定性访谈主题与最终PCNA条目的详细对应关系见补充表S2，项目缩减的过程见补充表S3。

**讨论**
本研究采用混合方法开发并验证了PCNA问卷，该方法结合了定性探索和顺序设计，包括探索性因子分析和验证性因子分析。研究结果支持了问卷的因子有效性和内部一致性，同时证明了其在公共卫生服务环境中捕捉医疗需求的多维性和情境依赖性的能力。这些发现应在考虑现有健康需求评估方法的局限性基础上进行解读，这些方法的主要特点是侧重于生物医学指标，并且在评估框架中整合了有限的情境和社区视角[2,6,8,43]。通过EFA识别并通过CFA确认的因子结构反映了医疗需求的多维度概念化，不仅包括个人健康状况和服务利用情况，还包括心理、社会和情境维度。这与已建立的健康服务利用模型一致，特别是Andersen行为模型，该模型强调了决定因素、促成因素和需求相关因素之间的相互作用[11,12,13,14,15]。为了进一步阐明PCNA因子结构的理论基础，可以将九个经过验证的因素明确映射到Andersen健康服务利用模型的三个核心维度上（表6）。这种映射表明，该工具的实证结构与其理论基础一致，同时也扩展了模型的操作化范围，包括了现有初级卫生保健（PHC）评估工具中经常被忽视的维度。如表6所示，所有三个Andersen维度都在最终的CFA模型中得到体现，九个PCNA因素分布在这些维度上，但在需求领域（五个因素）有更集中的分布。这种分布反映了该工具主要关注捕捉感知到的和未满足的医疗需求，与其作为以社区为导向的需求评估工具的设计相符，而不是服务绩效衡量工具。决定因素维度由一个因素（预防性护理需求）表示，该因素捕捉了影响个人参与预防服务的健康信念和意识。三个因素映射到促成因素维度：促成因素（结构性可及性）、用户满意度（对系统 adequacy 的感知）和情境限制（家庭和财务决定因素）。这些因素共同操作化了促进或阻碍医疗利用的资源和环境。在需求维度内，PCNA区分了身体健康状况（F8）、心理困扰（F5）、性健康（F6）、转化为服务利用的表达需求（F1）以及代表感受需求与可用服务之间差距的未满足需求（F4）。这种对需求构念的细致分解是PCNA的一个独特特征：许多现有工具将“需求”视为一个统一的构念，而PCNA反映了医疗需求是多维度的、与生命阶段相关的，并且通常是未表达的（见第3.1节）。这种因子-理论对齐也为解释从10个（EFA）因素减少到9个（CFA）因素提供了框架。第10个因素（与休息相关的问题）显示出边际的内部一致性（α = 0.62）和与相邻因素的概念重叠，在CFA模型优化过程中被移除。这种减少与标准EFA到CFA的优化过程一致[44]，其中可靠性边界模糊和理论定位不明确的因素被合并。移除第10个因素并没有减少该工具对Andersen三个维度的理论覆盖范围；相反，它提高了模型的简洁性，同时保留了全面的领域代表性。这种优化反映了统计优化和对初级卫生保健需求构念边界的更清晰界定。重要的是，定性发现的整合确保了医疗需求不仅作为统计推导出的构念来操作化，而且作为生活和情境嵌入的经验来操作化，从而增强了该工具的生态有效性。在这项研究中，需求不是作为静态或纯粹的临床条件出现的，而是作为由日常生活、社会背景、健康素养和服务可及性塑造的动态构念出现的，这与先前研究强调的传统需求评估方法的局限性一致[4,5,8]。在此基础上，PCNA通过结合医疗需求的个体和情境维度以及来自社区成员和PHC专业人员的观点，解决了现有需求评估工具的关键局限性。与初级卫生保健评估工具（如PCAT[30]、以患者为中心的初级卫生保健测量工具（PCPCM[32]、质量和结果框架（QOF[45]）和初级卫生保健绩效倡议（PHCPI[46]）相比，PCNA更加强调感知到的和未满足的需求，以及健康的主观和情境维度，而不仅仅是关注服务绩效、临床指标或患者满意度。尽管PCPCM在评估关系和以患者为中心的护理方面取得了进展，但它仍然主要关注护理体验，而不是更广泛的社区感知和情境依赖的医疗需求[31,33]。一些定量工具是特定条件的或嵌入在大规模调查框架中的，这可能限制了它们用于以社区为导向的评估的灵活性[18]。同时，CFA的结果表明，PCNA的模型拟合指数与PCAT和PCPCM报告的指数相当[30,32]，支持了PCNA的心理测量稳健性。然而，与Andersen的行为框架和最近的方法论观点一致，测量构念及其关联可能因人群和情境而异，这加强了持续验证的必要性[15,31]。PCNA的因子结构涵盖了表达需求、未满足需求、心理困扰、预防性护理和情境限制等领域，与之前的多维度方法一致[47]。值得注意的是，本研究中观察到的与心理健康、获得专业护理的机会和结构性障碍相关的未满足需求的突出性，与最近强调促成因素和情境因素在塑造PHC系统中护理机会方面的作用的定量证据一致[10]。本研究的一个关键贡献在于在工具开发过程中采用了参与式和行动导向的方法。将社区参与活动、利益相关者参与和迭代反馈过程整合到开发程序中，增强了问卷的生态有效性和内容有效性，确保了结果项目反映了现实世界的经验和优先事项。这种参与式混合方法响应了文献中对于更具包容性和情境敏感性的健康需求评估模型的呼吁[22,26,43]，并与将社区视为知识生产的积极贡献者而非被动护理接受者的参与式健康方法一致[25]。在这种情况下，利益相关者的参与不仅作为一种情境化机制，还作为一种迭代优化过程，结合了量表开发文献中描述的预测试程序的元素，通过这些程序逐步澄清、修订项目，并使其与参与者的生活经验保持一致[19,48]。这种方法进一步得到了最近基于社区的卫生需求评估研究的支持，这些研究强调了通过利益相关者反馈迭代开发工具的作用，以及他们在识别基于当地情境的优先健康问题中的作用[16]。这些发现也对初级卫生保健实践和政策具有启示意义。结果强调了加强系统响应性和协调性的必要性，特别是在解决心理健康护理、获得专业服务的机会和结构性限制（如交通）方面的差距。这种解释得到了跨国证据的支持，这些证据表明未满足的医疗需求与结构性和促成因素密切相关，包括收入水平、医疗资源可用性和地理可及性[3]，以及强调访问障碍在塑造PHC系统中医疗服务利用作用的研究[12]。此外，这些发现也与希腊背景下的证据相呼应，这些证据强调了需要更系统、协调和参与式的健康需求评估方法[21]。此外，这些发现支持这样的观点，即需求评估不应被视为一次性测量过程，而应被视为嵌入在PHC系统中的持续合作实践[23]。心理测量结果的几个方面需要进一步讨论。身体健康子量表的内部一致性较低（α = 0.62），这可能反映了构成这一因素的三个项目（饮食习惯、一般健康、体育活动）的异质性，每个项目都涉及不同的行为领域。这种解释还得到了体育活动项目相对较低的CFA载荷的支持，表明虽然体育活动在概念上与身体健康状况密切相关，但它可能比饮食习惯和自我评估的健康更像是一个间接指标。虽然在工具开发的早期阶段，高于0.60的值被认为是可接受的[48]，但未来的修订可能会从扩展或细化这一子量表中受益。除了身体健康子量表之外，还有两个额外因素的结构值得评论。虽然两个项目的因素可能被视为结构上的限制，但性健康和情境限制因素都显示出高的内部载荷和在Andersen框架内的强理论基础。它们的保留是基于概念相关性而非纯粹的统计标准，这与早期工具开发中的建议一致，即在强调理论连贯性的同时优先考虑经验拟合[44]。未来使用更大和更多样化样本的研究应检查这些因素的稳定性和潜在扩展性。总体而言，PCNA为评估初级保健中的医疗需求提供了一个多维度和参与式的框架，弥合了理论模型和现实世界经验之间的差距。通过整合主观、情境和系统层面的维度，该工具为更响应性、公平和以社区为导向的初级卫生保健规划提供了基础。4.1. 限制在解释本研究的结果时，应考虑一些限制。首先，非概率性的、基于社区的招募策略限制了结果的普遍性，尽管这与研究的参与式导向一致，并旨在增强生态有效性。招募设置的多样性和面对面与在线数据收集的结合部分缓解了这一限制。未来的研究应在更多样化的人群和不同的医疗系统背景下验证该工具。其次，主要是健康的样本可能限制了与慢性疾病相关的医疗需求的识别，这表明需要在临床人群中进行进一步验证。第三，横断面设计排除了对时间稳定性的评估。第四，使用自我报告的数据可能会引入响应偏差，包括社会期望偏差和回忆偏差[49]。最后，尽管样本是随机分为EFA和CFA的，但不能完全排除时间混淆。本研究代表了心理测量验证的初始阶段，主要关注因子结构和内部一致性。通过专家评审和认知访谈（n = 20）以及基于Andersen行为模型的定性到定量项目开发，支持了表面有效性和内容有效性。通过EFA和CFA检查了构念有效性，显示出可接受的模型拟合（表6），内部一致性也在可接受范围内（总体α = 0.76）。然而，包括聚合效度和区分效度、标准效度和重测信度在内的其他心理测量属性尚未评估，应在未来的研究中加以解决。具体来说，未来的研究应检查聚合效度的复合信度和提取的平均方差，并通过重测设计评估时间稳定性。这种分阶段的验证方法与推荐的量表开发实践一致，其中建立稳定的因子结构是进行更高级心理测量测试的前提[19,44,48]。在定性阶段开发的特定生命阶段的模块也需要进一步的目标验证。4.2. 强项本研究有几个显著的优点。PCNA问卷的开发基于顺序混合方法设计，结合了定性和定量方法，允许概念深度和经验验证。定性阶段利用了两个互补的数据来源——与31名PHC专业人员的焦点小组讨论和与不同生命阶段（15-67岁）的八名社区成员的半结构化访谈——确保项目开发反映了规范和感受到的医疗需求。将定性主题系统地映射到最终问卷项目（补充表S2）和记录的项目简化路径（补充表S3）提供了从社区声音到验证工具的透明审计追踪。使用独立子样本进行探索性和验证性因子分析增强了心理测量评估的稳健性。9个因子结构与Andersen行为模型的明确对齐（表6）展示了理论连贯性和经验拟合。此外，在工具开发过程中采用的参与式和社区知情方法通过将测量与生活经验和利益相关者的优先事项对齐，增强了问卷的内容有效性和生态有效性。值得注意的是，参与者不仅限于医疗服务用户，还包括来自不同社会环境的社区成员，从而能够评估超出正式服务利用范围的医疗需求。这种方法与WHO阿斯塔纳宣言强调的赋予社区识别和优先考虑自身健康需求的权力一致[50]。PCNA捕捉未表达和情境依赖需求的能力——如定性发现（第3.1节）及其因子结构所证实的——解决了现有PHC评估工具中的一个公认差距，这些工具主要关注服务绩效和临床指标，而不是社区感知的医疗需求。5.**结论**
本研究旨在开发并验证PCNA问卷，这是一种多维度、具有情境敏感性的工具，用于评估社区人群在初级卫生保健（PHC）环境中感知到的、未满足的以及受情境影响的医疗需求。研究结果表明，PCNA具有稳定的因子结构及令人满意的内部一致性，这支持其作为评估人群医疗需求的可靠工具的使用。通过将定量验证与基于社区信息的定性见解整合到一个统一的工具开发框架中，PCNA扩展了现有的需求评估方法，超越了主要以生物医学和服务为中心的模型，从而实现对医疗需求的更全面理解。该工具不仅涵盖了个人健康状况和服务利用情况，还包含了心理社会和情境维度，反映了个体、卫生系统及更广泛的社会决定因素之间的复杂相互作用。在开发过程中采用的参与式和行动导向的方法增强了问卷的生态有效性和实际相关性，使其能够用于基于证据的规划、资源分配和服务设计。在临床实践中，PCNA可以帮助PHC团队系统地识别那些超出临床接触范围的未满足医疗需求——包括未表达的心理困扰、预防性护理的障碍以及与家庭角色和经济状况相关的情境限制。其应用有助于制定有针对性的服务计划，促进社区参与优先事项的确定，并有助于实现更公平的资源分配。此外，该工具还可以作为监测工具，评估PHC改革对人群感知需求的影响，并识别不同生命阶段和社区情境下的新兴医疗需求。总体而言，PCNA提供了一个结构化且可适应的框架，用于在社区层面评估医疗需求，将需求评估从单纯的测量活动转变为嵌入PHC系统中的参与式过程。其在实践中的应用有助于使服务与社区确定的需求保持一致，从而促进更加响应迅速、公平和以患者为中心的初级卫生保健服务。

**补充材料**
以下支持信息可下载自：
https://www.mdpi.com/article/10.3390/healthcare14101302/s1
- 图S1：最终探索性因子分析的特征值Scree图（n = 520）。该图表明保留10个因子是合理的，第十个因子之后的特征值趋于平稳。
- 表S1：9因子、29项PCNA模型的标准化因子载荷（CFA，模型3；n = 297）。
- 图S2：模型3（9因子、29项PCNA）的验证性因子分析路径图，包括标准化因子载荷和因子间相关性（n = 297）。模型拟合度：χ2/df = 1.675，RMSEA = 0.048，CFI = 0.92，TLI = 0.90，SRMR = 0.060。
- 表S2：社区访谈数据与最终29项PCNA问卷（9因子模型）的对应关系。
- 表S3：从定性主题到经过验证的工具的条目简化过程。
- 附录S1：初级卫生保健需求评估（PCNA）问卷的最终版本。