北京
来源：市场资讯
张洁婷老师近期联合加拿大麦吉尔大学（McGill University）精神病理学系、统计系和心理系、德国柏林夏里特医学院（Charité - Universitätsmedizin Berlin）心身医学科以及DEPRESSD HADS国际合作组，围绕医院焦虑抑郁量表（HADS）在重度抑郁筛查中的评分方法学问题开展了一项大规模个体参与者数据Meta分析（IPDMA）。研究成果以“Comparison of the accuracy of latent factor and sum scoring of the Hospital Anxiety and Depression Scale to screen for major depression: An individual participant data meta-analysis”为题，发表于精神病学与情感障碍领域权威期刊Journal of Affective Disorders（JCR一区，5年影响因子约6.3）。
该论文由张洁婷副教授（第一作者），加拿大麦吉尔大学Brett D. Thombs教授与Andrea Benedetti副教授（共同通讯）、Felix Fischer博士、 Carl Falk副教授等合作者共同参与完成。张洁婷老师深度参与了方法学构建、研究设计与论文撰写。深圳大学心理学院为论文的第一完成单位。
研究背景
医院焦虑抑郁量表（HADS）是临床及研究中广泛使用的筛查工具，其抑郁子量表（HADS-D，7题）及总量表（HADS-T，14题）通常采用简单总分法进行评分。然而，潜因子模型通过加权各条目分数，理论上可提供更精确的潜在特质估计。既往模拟研究提示因子评分可能提高筛查敏感性，但基于真实患者数据的实证证据尚不明确。本研究旨在系统比较HADS-D与HADS-T的多种潜因子分数计算方案与经典的总分法在重度抑郁筛查中的准确性差异，为临床实践提供方法学选择依据。
研究方法
研究基于已有HADS筛查准确性的IPDMA数据库，纳入42项采用半结构化诊断访谈（如SCID）作为重度抑郁诊断金标准的研究，共7,982名参与者（包含780例重度抑郁病例）。将数据库随机拆分为校准集与验证集（重复1000次），在校准集中拟合四种潜因子模型：HADS-D单因子、HADS-T单因子、HADS-T传统的双因子（焦虑与抑郁相关因子）及Bifactor双因子（含一般因子与两个特异性因子），所有模型均纳入正向表述的方法效应因子。通过贝叶斯模态法估算因子得分，并选取敏感性与特异性之和的最大值作为截断值；在验证集中比较各模型的因子分计算方法与HADS-D总分法的筛查准确性（AUC、灵敏度、特异度），差异阈值设定为0.05视为有临床意义。
图.1：测量模型图。G = general factor; Anx = anxiety symptom factor; Dep = depression symptom factor; HADS-D = seven-item Hospital Anxiety and Depression Scale Depression subscale; HADS-T = 14-item Hospital Anxiety and Depression Scale total scale; Word = positive wording factor.
研究发现
研究结果显示，所有潜因子评分法与总分法在灵敏度、特异度及灵敏度和特异度总和上的差异，其95%置信区间均包含0，无统计学显著差异。两种双因子模型相较于总分计算方法的AUC差值仅为0.01~0.02，远低于预设的临床有意义阈值。此外，复杂潜因子模型（尤其是双因子模型）在1000次重复验证中出现大量收敛失败或Heywood的情况，影响实际应用的可行性。这两种双因子模型得分与总分的相关性极高（r=0.95~0.97），表明在HADS这类条目负荷较为均匀的量表中，因子加权在筛查准确性上并未带来额外增益。
研究启示与展望
本研究基于大规模真实世界数据，在重度抑郁筛查中，HADS的潜因子评分方法相比简单总分法未展现临床意义上的优势。鉴于总分法操作简便、无需复杂建模，且准确性相当，研究建议在常规临床及基层筛查中继续采用HADS-D总分法。未来研究可探索在条目异质性更高或联合多模态指标的情境下，因子评分是否可能发挥更大价值；同时应重视筛查工具的外部效度验证，而非仅依赖结构效度。本研究也为心理测量学中“复杂方法是否优于简单方法”提供了重要的实证参考。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
