《Measurement and Evaluation in Counseling and Development》：Diagnosing Depression Symptom Profiles: Dichotomous vs. Polytomous Diagnostic Classification Models and Differential Item Functioning Analysis
编辑推荐：
摘要专业翻译
目的：多分类项目常被二值化处理以适用于二分类诊断分类模型（DCMs），这一做法会损失信息并扭曲症状估计。现有R软件包亦缺乏对多分类DCMs中项目功能差异（DIF）分析的支持。本研究首先考察了二值化处理对抑郁症诊断/筛查的影响，随后探讨了与性别相关
摘要专业翻译
目的：多分类项目常被二值化处理以适用于二分类诊断分类模型（DCMs），这一做法会损失信息并扭曲症状估计。现有R软件包亦缺乏对多分类DCMs中项目功能差异（DIF）分析的支持。本研究首先考察了二值化处理对抑郁症诊断/筛查的影响，随后探讨了与性别相关的DIF。
方法：研究分析了4,772名德国参与者对简化版贝克抑郁量表（BDI-S）的项目反应。研究人员比较了广义决定性输入噪声“与”门模型（G-DINA）与顺序G-DINA模型（sG-DINA）在模型拟合、症状患病率/剖面、分类准确性/一致性/一致性程度以及相关性方面的表现。采用似然比检验（Likelihood Ratio test）检测DIF。
结果：尽管G-DINA模型以更少的参数获得了更好的拟合优度，但sG-DINA模型能更准确地捕捉抑郁症状严重程度，并为每个个体识别出更多症状。多数项目在一个或多个反应类别上检测到与性别相关的DIF。
结论：保留多分类反应信息有助于支持症状层面的剖面分析，从而实现更精确、更公平的抑郁评估与咨询干预。
论文解读
一、研究背景与问题提出
在心理评估领域，准确识别和诊断精神障碍及其相关症状是核心关注点。心理障碍通常被概念化并评估为单维结构，例如以单一潜在特质表征的抑郁症。尽管这一假设支撑着许多广泛使用的诊断量表和测量模型，但它可能过度简化了心理现象的复杂性——心理现象通常包含多个相互关联的症状。因此，研究者呼吁采用替代性评估方法来更好地捕捉心理障碍的多维性。
认知诊断模型（CDMs），亦称诊断分类模型（DCMs），提供了一种能够从个体项目反应中识别特定症状或缺陷的途径。与经典测量理论（CTT）和项目反应理论（IRT）通常关注总分或潜在特质不同，DCMs将构念（如抑郁症）分解为其组成成分（即特定症状，如抑郁心境、兴趣丧失或疲劳），且不假设单维性。因此，DCMs能基于离散的认知、情感和行为属性的存在与否，提供细粒度、基于分类的诊断信息，从而支持更个性化的诊断和干预策略。
尽管DCM研究主要集中在教育评估领域，其在医疗保健中的应用已扩展至精神障碍诊断、症状/障碍剖面检验以及为心理量表分数解释和使用提供效度证据。然而，两个方法论缺口仍然存在。第一，研究者通常将多分类评定量表反应二值化以使用二分类DCMs，这种做法会丢弃信息并影响症状剖面估计的准确性。这一问题在临床评估中尤为重要，因为信息损失可能影响诊断和治疗决策。第二，在多分类DCMs框架内，对项目功能差异（DIF）的关注甚少。特别是常用的R软件包，包括CDM和GDINA，目前均不支持多分类DCMs的DIF分析。
本研究利用简化版贝克抑郁量表（BDI-S）的项目分数来解决上述缺口。研究首先考察了将多分类项目反应二值化（相较于保留原始格式）是否会影响DCMs中的症状剖面估计、分类准确性/一致性及症状相关性。随后，研究人员扩展了GDINA R软件包以检测多分类项目中的DIF，并提供反应类别阈值信息。
二、研究设计与关键技术方法
本研究使用了来自先前研究（Schmitt et al., 2003, 2006）的二手数据，这些研究在德国100多个地区随机抽取参与者施测了BDI-S。最终样本包含4,772名参与者（2,224名女性，46.6%；2,548名男性，53.4%），年龄范围为14至93岁（M = 47.45；SD = 17.002）。BDI-S包含20个项目，采用0至5的六点反应量表（从“从不”到“几乎总是”），Cronbach's alpha为0.913。
研究采用的主要技术方法包括：（1）Q矩阵开发与验证：基于DSM-5和ICD-10中的八项共同抑郁症状标准，由四位专家（三位临床心理学家和一位精神科医生）独立开发五个Q矩阵，并结合网络分析理论和Mesa图进行多轮修订，最终确定包含六个症状（DM、FG、RS、LI、FE、CB）的Q矩阵；（2）模型比较分析：以G-DINA作为二分类基线模型、sG-DINA作为多分类基线模型，分别与其约简模型（DINA、DINO、A-CDM、LLM、RRUM及其顺序扩展）进行比较，使用?2LL、AIC、BIC和SRMSR评估相对和绝对拟合；（3）分类准确性与一致性评估：依据《教育与心理测试标准》Standard 5.12，在测试层面和症状层面分别考察；（4）DIF分析：采用似然比（LR）检验检测性别相关DIF，并使用Holm-Bonferroni校正控制多重比较的I类错误率，随后拟合带锚定项目的多组G-DINA（MG-G-DINA）和多组sG-DINA（MG-sG-DINA）模型。
三、研究结果
3.1 RQ1：二值化对分类准确性/一致性及症状相关性的影响
在模型拟合方面，二分类模型中G-DINA具有最低的?2LL和AIC，LLM具有最低的BIC；多分类模型中sG-DINA具有最低的?2LL、AIC和SRMSR。似然比检验结果表明，没有任何约简模型能像G-DINA或sG-DINA一样拟合良好，支持饱和模型能更好地表征症状间的独特交互作用。
在分类准确性和一致性方面，测试层面G-DINA的分类准确性和一致性分别为0.721和0.617，sG-DINA分别为0.760和0.666，sG-DINA均更高。症状层面，除LI外，sG-DINA在所有症状上均表现出更高的准确性和一致性。
在四类相关方面，sG-DINA下的症状相关性总体低于G-DINA。G-DINA中观察到DM–LI（0.76）、DM–CB（0.85）、FG–LI（0.88）、FG–FE（0.83）、RS–LI（0.71）和LI–FE（0.85）的强相关；sG-DINA中强相关出现在DM–RS（0.79）、DM–CB（0.93）、FG–LI（0.80）、FG–FE（0.87）、RS–LI（0.73）、RS–CB（0.75）和LI–FE（0.90）。值得注意的是，sG-DINA下DM–FG相关性极低（0.03），DM–FE为0.12，FG–CB为0.11。
3.2 RQ2：症状患病率与症状剖面的模型差异
在症状患病率方面，sG-DINA模型下所有症状的估计患病率均高于G-DINA。G-DINA下FG症状存在于约28%的受访者中，sG-DINA下FG和FE的估计患病率分别约为57%和53%。
在症状剖面方面，G-DINA下约53%的受访者被分类为无症状剖面[000000]，完全症状剖面[111111]约占6%；sG-DINA下无症状剖面降至23.3%，完全症状剖面升至15.4%，中间剖面更为普遍。两模型间的总体一致性为0.735，至少一个属性一致分类的概率为99.4%，但六个属性全部一致的概率仅为33.2%。CB（0.826）、RS（0.820）和DM（0.799）的一致性较高，FG（0.636）、FE（0.649）和LI（0.679）的一致性较弱。
3.3 RQ3：性别相关DIF分析
在G-DINA框架下，经Holm-Bonferroni校正后，项目1、10、14和20显示出显著DIF。效应量分析显示项目1的实际影响有限（平均ES = 0.076），而项目10、14和20的平均效应量在0.166至0.183之间。MG-G-DINA模型显示女性在DM（0.282 vs. 0.183）、FE（0.259 vs. 0.225）、CB（0.274 vs. 0.252）和RS（0.177 vs. 0.170）上患病率略高，男性在FG（0.294 vs. 0.278）和LI（0.227 vs. 0.211）上略高。
在sG-DINA框架下，项目4、9、12、13和15未显示DIF，大多数其他项目在至少一个反应类别中显示显著DIF。最大效应量出现在项目8类别1（平均ES = 0.702）、项目10类别1（平均ES = 0.677）、项目14类别3（平均ES = 0.519）等。MG-sG-DINA模型显示女性在DM（0.549 vs. 0.484）、RS（0.471 vs. 0.426）和CB（0.395 vs. 0.329）上患病率较高，LI在男性中略高（0.482 vs. 0.446），FG患病率两性相同（0.499）。
四、讨论与结论
4.1 讨论总结
研究发现，尽管G-DINA模型参数更少且模型数据拟合更好，但sG-DINA模型提供了对抑郁症状更详细的表征。G-DINA模型的二值化方法倾向于过度简化症状分类，可能模糊严重程度和部分症状剖面，并低估症状存在。相比之下，sG-DINA模型能够解释不同水平的症状强度，为每个受访者检测出更多症状。这种增加的粒度不仅增进了对障碍严重程度和性质的理解，还提供了对个体心理健康剖面更详细、更准确的表征，从而可能带来更精确的抑郁诊断和更有针对性的干预。
在症状相关性方面，G-DINA模型将反应等级压缩为单一的“存在”类别，使得不同症状强度水平的个体被归为一组，可能增加共同认可率并产生更强的相关性。而sG-DINA模型通过保留症状强度信息，可能提供症状间关系更细致的表征，更好地区分仅经历情感症状而无认知扭曲的个体。
在症状患病率和剖面方面，sG-DINA持续产生更高的症状存在率，这可能反映了多分类数据中顺序反应信息的保留。sG-DINA对轻度、中度或阈下症状认可更为敏感，而这些在二值化时可能被掩盖。这一发现与DSM-5指南一致——DM或LI必须存在才能诊断为重度或轻度抑郁发作——sG-DINA模型捕捉到了更大比例的具有DM和/或LI的受访者，表明其对非临床人群中抑郁早期或阈下表现具有更高的敏感性。
在DIF方面，G-DINA和sG-DINA框架均检测到性别相关DIF，但sG-DINA提供了更细粒度的类别层面信息。具有相似抑郁症状的男性和女性在项目类别认可概率上并不等效，这提示需要进一步检查项目内容，以确定是性别相关偏差还是症状表达的差异导致了这些不同。
4.2 研究结论
保留多分类反应信息支持症状层面的剖面分析，从而实现更精确、更公平的抑郁评估与咨询干预。研究建议，虽然G-DINA等二分类模型可能适用于广泛识别、分类和筛查，但sG-DINA等多分类模型在症状检测精度至关重要时能提供更详细的诊断见解。临床医生和研究人员在需要精确症状检测时可能更倾向于后者。
