姑息护理融入初级卫生保健的指标：专家背景如何在一项改进的德尔菲研究中影响共识的形成

《BMC Health Services Research》：Indicators for palliative care integration in primary health care: how expert profile shapes consensus in a modified Delphi study

　　

摘要

背景

将姑息治疗整合到初级卫生保健中需要明确、可行且有效的指标。通常会使用德尔菲（Delphi）等基于共识的方法来实现这一目标，但这些方法可能忽略了不同专家小组在指标优先级上的差异。本研究旨在改进用于选择评估姑息治疗整合到初级卫生保健中的指标的方法论。

方法

本研究对来自哥伦比亚不同地区的23位专家进行了两轮改进后的德尔菲调查。每个指标都从相关性、可行性和有效性三个方面进行了评分。事先设定的共识标准为：至少70%的评分达到7分（满分10分），且四分位数间距（IQR）不超过2分。全球内容有效性指数（S-CVI）和Lawshe的内容有效性比率（CVR）被用作支持性证据。专家的背景信息通过“知识与理解评估量表”（MAKU）进行量化，并用于分层分析。为了探索数据模式，分别训练了两个自组织映射（SOMs），一个用于战略层面，另一个用于操作层面，这些映射基于标准化中位数和稳健的变异系数。中位数较高且分散度较低的神经元被视为更优的候选指标。

结果

全球S-CVI指数从第一轮的0.86提升到第二轮的0.88。各维度中，相关性的评分从0.82上升到0.85，可行性保持在0.72不变，有效性从0.62提高到0.71。根据专家背景信息进行分层后，发现共识模式存在显著差异。自组织映射分析显示不同专家群体之间存在共性和差异性的优先级排序。在去除重复指标后，最终从各专家群体特有的SOMs中选出了18个指标。

结论

将改进后的德尔菲方法与基于MAKU的分层分析和自组织映射相结合，为在异质专家小组中选择指标提供了透明且考虑个体差异的方法。专家背景的差异影响了指标的优先级排序。这种方法有助于更严格、更具情境意识地选择用于监测姑息治疗整合情况的指标。

背景

将姑息治疗整合到初级卫生保健中需要明确、可行且有效的指标。通常会使用德尔菲等基于共识的方法来实现这一目标，但这些方法可能忽略了不同专家小组在指标优先级上的差异。本研究旨在改进用于选择评估姑息治疗整合到初级卫生保健中的指标的方法论。

方法

本研究对来自哥伦比亚不同地区的23位专家进行了两轮改进后的德尔菲调查。每个指标都从相关性、可行性和有效性三个方面进行了评分。事先设定的共识标准为：至少70%的评分达到7分（满分10分），且四分位数间距（IQR）不超过2分。全球内容有效性指数（S-CVI）和Lawshe的内容有效性比率（CVR）被用作支持性证据。专家的背景信息通过“知识与理解评估量表”（MAKU）进行量化，并用于分层分析。为了探索数据模式，分别训练了两个自组织映射（SOMs），一个用于战略层面，另一个用于操作层面，这些映射基于标准化中位数和稳健的变异系数。中位数较高且分散度较低的神经元被视为更优的候选指标。

结果

全球S-CVI指数从第一轮的0.86提升到第二轮的0.88。各维度中，相关性的评分从0.82上升到0.85，可行性保持在0.72不变，有效性从0.62提高到0.71。根据专家背景信息进行分层后，发现共识模式存在显著差异。自组织映射分析显示不同专家群体之间存在共性和差异性的优先级排序。在去除重复指标后，最终从各专家群体特有的SOMs中选出了18个指标。

结论

将改进后的德尔菲方法与基于MAKU的分层分析和自组织映射相结合，为在异质专家小组中选择指标提供了透明且考虑个体差异的方法。专家背景的差异影响了指标的优先级排序。这种方法有助于更严格、更具情境意识地选择用于监测姑息治疗整合情况的指标。