营养素养评价工具的汉化及在糖尿病患者中的信效度研究——基于CTT和Rasch模型的分析

陈圆圆，杨春军，王冬梅，宋颖

近几十年来随着全球经济的发展及生活方式的巨大变化，使得糖尿病患病率在世界范围内不断攀升，成为继心脑血管疾病、肿瘤之后第3大威胁人类健康的慢性非传染性疾病。中国是世界上糖尿病患者人数最多的国家，流行病学数据表明大约11%的人口患有糖尿病，而其中很大一部分尚未确诊，此外，35.7%的人群存在葡萄糖异常状态［1］。国际糖尿病联合会推荐糖尿病需要综合治疗，其中营养与饮食治疗是其他治疗措施的基础，贯穿于糖尿病自然病程的任何阶段［2］。随着对饮食与营养的日益关注，许多学者提出了营养素养的概念，即“个人获取和理解营养信息，做出正确判断，并运用这些信息维护和促进自身及他人营养状况的能力”［3-5］。有研究表明，较高的营养素养与健康饮食行为呈正相关，通过了解患者的营养素养水平，使其明确营养信息的重要性，也为临床医护人员实施针对性的营养教育措施提供依据［6-7］。然而，目前国内尚无成熟的评价工具测量糖尿病患者的营养素养。2018年美国学者GIBBS等［5，8］编制了用于测量营养相关慢性病患者营养素养的评价工具，并在美国、西班牙营养相关慢性病患者中使用，具有良好的信效度。本研究旨在对英文版营养素养评价工具（Nutrition Literacy Assessment Instrument，NLit）进行汉化，并在糖尿病患者中使用，评价其信度与效度。

1 对象与方法

1.1 研究对象 2018年11月—2019年5月采用方便抽样法选择在天津医科大学总医院住院的325例糖尿病患者作为研究对象。纳入标准：（1）符合1999年WHO糖尿病的诊断标准［9］；（2）年龄≥18岁；（3）意识清楚，有基本的听说读写能力，能自行阅读理解或在别人帮助下理解问卷内容；（4）知情同意，自愿参与。排除标准：（1）患有严重精神疾病或认知障碍；（2）妊娠期糖尿病患者。本研究经天津医科大学总医院伦理委员会审核批准。

1.2 研究工具

1.2.1 一般资料调查表 使用自行设计的一般资料调查表收集患者一般资料，包括性别、年龄、文化程度、月收入水平等。

1.2.2 NLit NLit是由GIBBS等［5］研制的英文版自评量表，包括营养与健康（7条）、食物中的能量来源（6条）、家庭食品测量（6条）、食品标签计算（6条）、食物分组（8条）、消费者技能（9条）6个分量表，共42个条目，均为标准选择题形式，每个选择题包括了题干以及3～7个备选项，正确选项赋值1分，错误选项赋值0分，总分为42条目得分总和，理论最高分为42分。总分≤28分为极大可能低营养素养；29～38分为中等水平的营养素养；≥39分为极大可能高营养素养。该量表的专家效度及信度较好，整体信度为0.96。

1.2.3 健康素养-最新关键指标量表（Newest Vital Sign，NVS） NVS于2005年由美国学者WEISS等开发，是国际通用的健康素养测量工具，已被美国、英国、日本、中国等许多国家验证和使用［10-13］。可以用来测量人群健康素养以及营养素养中的阅读和计算能力。汉化版的NVS内容包括4项计算题和2项阅读题，简单易行，完成测评仅需3 min。量表采用2级计分方式，回答正确计1分，错误计0分，最高分为6分，得分0～1分为健康素养水平低，2～3分为临界水平，≥4分为较高的健康素养水平。该量表具有良好的信效度，本研究使用该量表作为效标测量中文版营养素养评价工具（CHINLit）的效标关联效度。

1.3 研究过程

1.3.1 量表汉化 取得原量表作者授权，严格按照Brislin翻译原则进行量表翻译和修订［14］：（1）正译：由1名营养学教授和1名护理学专业硕士独立完成量表的正向翻译，两者均精通双语。（2）审核：请1名临床护理专家和1名营养学专家进行独立审核，并由研究者记录修改意见。（3）回译：由1名双语护理专家和1名大学英语教师在未了解量表内容的前提下进行量表回译。（4）比对：有国外留学经历的护理专家对两份英文译稿进行对比分析，当语句一致率不足70%时，由翻译小组进行翻译和回译步骤的循环，直至达到与原量表在概念、语义、思想上等价。（5）修改：邀请1名博士学历的内分泌科主任对量表初稿与原量表进行对比，依据我国居民饮食习惯，对各条目内容提出修改意见。（6）专家咨询：为提高其严谨性和有效性，需对测试问卷进行专家咨询，将测试题编制成专家咨询问卷发放给5名工作时间10年以上，副高级及以上职称的专家（2名护理学教授、2名营养学教授、1名内分泌科主任），对量表的翻译效度、内容效度和跨文化调适做出评价并给予修改意见。考察内容包括：项目与主题的关系程度、项目语言的简明程度、项目语言的清晰度、项目与源语言的等值程度4个方面。研究者本人记录咨询结果，根据结果对量表进行条目筛选、修改或删除，形成CHI-NLit初稿。

1.3.2 预试验和正式调查 采用方便抽样的方法抽取符合纳入排除标准的30例糖尿病患者，发放CHI-Nlit初稿调查问卷。向患者解释调查目的、注意事项，填写完毕后当场收回，调查中询问患者对问卷的理解程度、填表感受、记录填表时间，存在问题和建议，结果显示，患者能够认真填写问卷和理解问卷内容，平均填写时间约15 min。抽取在天津医科大学总医院住院的338例糖尿病患者进行正式调查。

1.4 资料收集 研究者本人发放问卷，确定统一指导语，告知本次调查目的和主要内容，说明调查的保密性和匿名性，获得患者同意并签署知情同意书。问卷填写前告知其填写方式和注意事项，填写完毕当场收回。本研究共发放问卷338份，剔除无效问卷13份（无效问卷为患者无法在24 h内独立完成问卷），回收有效问卷325份，有效问卷回收率为96.2%。符合项目反应理论（Item Response Theory，IRT）中对Rasch模型样本量≥200的要求［15-16］。

1.5 统计学方法 采用SPSS 23.0软件进行经典测量理论（Classica Test Theory，CTT）数据分析，使用Conquest 4.5.2软件进行Rasch模型分析。计数资料采用相对数表示，计量资料以（±s）表示；CTT数据分析的指标包括量表的信度和效度，其中量表的稳定性采用重测信度，内部一致性采用库理信度（KR-21）检验，分量表得分与量表总分的相关性采用Pearson相关分析；效度检验包括内容效度和效标关联效度；采用IRT中的Rasch模型对数据进行信效度分析，主要包括：模型拟合度、难度、信度等。潜在特质的单维性是进行Rasch模型分析的一个重要前提条件，即模型所处理的测验只能包括一个潜在特质维度［17］，而量表单维性检验可采用Rasch模型残差主成分分析法（PCA），以首因子标准化残差特值作为衡量量表单维性的指标，其范围为（1.4，2.1）［18］。通常，未加权均方拟合统计量（Outfit Mean Square，Outfit MNSQ）和加权均方拟合统计量（Infit Mean Square，Infit MNSQ）均可作为模型拟合度指标，取值范围为（0.50，1.50）［19］，越接近于1表示越拟合。T值是均方（MNSQ）两种适配指标通过Wilson-Hilferty转换法转换成近似正态化的T分数，当|T|＜2.0时，代表条目测量的是同一个概念［19］。条目-总分相关系数（PT-measure）表示个体在某一条目上的表现与在整个量表中表现的相关性，范围一般为（0.40，0.80）［20］。Rasch模型分析的项目信度表示项目在施测于其他样本时，项目排序是否相同，样本信度表示相同被试者在完成类似测验时，个体排序是否相同，两者取值范围在（0，1.000），越接近于1.000表示信度越好。怀特图是体现量表整体质量的指标之一，其将被试能力与条目难度放在同一尺度中，能直接显示出项目对于个体的适切度。通过对异常条目的拟合指数（难度值、Outfit MNSQ、T值、Infit MNSQ及PT-measure相关系数、Rasch信度）等方面进行综合评价，以作为条目删减与否的依据。首先对分量表进行逐一分析，其次对量表进行对比分析；间隔7 d后对30例糖尿病患者进行重测，计算其重测信度。采用KR-21对量表进行内部一致性信度分析，其表达式为，其中K为整个量表的总题数，为量表分数的平均数，S2为总分的方差。

2 结果

2.1 一般资料 受试者中男178例（54.8%），女147例（45.2%）；年龄18～82岁，平均年龄（54.6±13.5）岁；文化程度：高中及以下173例（53.2%），大专103例（31.7%），本科及以上49例（15.1%）；月收入水平：≤3 000元43例（13.2），3 001～5 000元129例（39.7%），5 001～10 000元102例（31.4%），＞10 000元51例（15.7%）。

2.2 Rasch分析结果 本研究中的6个分量表是营养素养这一潜在特质的重要组成部分，即6个分量表中包含的条目都要指向营养素养这一特质。因此本研究首先对各分量表进行单维性检验，其次对量表进行Rasch模型分析。

2.2.1 单维性检验 分量表1～6的首成分残差特征值分别是1.7、1.8、1.7、1.7、1.8、1.6，总量表的首成分残差特征值是3.1。

2.2.2 数据-模型拟合 总量表的的项目信度为0.952，样本信度为0.827，分量表的具体情况见表1。

2.2.3 怀特图分析 条目难度分布大约为8个Logits，被试能力分布大约为6个Logits，结果详见图1。

2.2.4 项目分析 删除相关条目后总量表的项目信度为0.919，样本信度为0.838，具体删减情况见表2。

2.3 经典测量理论的信效度

2.3.1 内容效度 为了使量表内容更符合我国文化习俗及居民的饮食习惯，专家对各条目内容进行讨论修改，建议将条目1中的“黄油”修改为“动物油”，条目6中的“黑咖啡”修改为“矿泉水”，条目11中的“蛋黄酱”修改为“沙拉酱”，“人造黄油”修改为“植物油”，条目20～25中的“奶酪通心粉”修改为“蛋糕”，条目30中“猪排”修改为牛肉，为了便于受试者理解，将原量表中所涉及的重量单位“盎司”全部换算为“克”，条目34～42中所附食品彩图全部替换为中文食品彩图。根据内容效度计算方法，本研究结果显示，条目水平的内容效度指数（Item-Level CVI，I-CVI）为0.800～1.000，量表的内容效度指数（Scale-Level CVI，S-CVI）为0.905。

2.3.2 效标关联效度 以NVS作为金标准，Pearsen相关分析结果显示，CHI-Nlit评分与NVS评分呈正相关（P＜0.05，见表3）。以NVS≤1分表示营养素养水平不足，绘制CHINLit预测营养素养水平的受试者工作特征（ROC）曲线，ROC曲线下面积（AUC）为0.885〔95%CI（0.846，0.924）〕，当CHI-NLit= 21.5分时，约登指数最大为0.623，此时灵敏度为0.884，特异度为0.757（见图2）。

表1 项目拟合指数Table 1 Item fitting index

2.3.3 CHI-NLit的信度分析 分量表的重测信度为（0.895，0.931），KR-21为（0.688，0.721），总量表的重测信度为0.936，KR-21为0.860（见表4）。

3 讨论

本研究结合了CTT和IRT中的Rasch模型分析方法共同评价CHI-NLit的整体质量，探究其在我国人群中的适应性，并提出修订建议。

图1 中文营养素养评价工具怀特图Figure 1 The wright map of CHI-NLit

图2 CHI-NLit预测营养素养水平的ROC曲线Figure 2 The ROC curve of the CHI-NLit to predict nutritional literacy level

表2 项目分析结果Tabel 2 The results of item analysis

表3 CHI-NLit各维度评分与NVS评分相关性Table 3 Correlation coefficients of scale and subscale scores of CHI-NLit with NVS scale score

表4 CHI-NLit的信度分析Table 4 Reliability analysis of CHI-NLit

3.1 CHI-NLit具有良好的效度 一般而言，量表I-CVI＞0.78，S-CVI＞0.90，表明量表内容效度较好［21］。本研究量表的I-CVI为0.8～1.0，S-CVI为0.905，认为该量表具有较好的内容效度。CHI-NLit的结构效度通过Rasch模型分析的残差主成分分析、模型拟合度分析、难度分析等来验证，残差主成分分析结果显示，各分量表的首成分残差特征值均在标准范围内，表明各项目均在所属分量表中，即各分量表分别测量糖尿病患者营养素养的一个方面，不存在特质交叉。总量表的首成分残差特征值不在标准范围内，显示此量表并非单维量表，因此本研究支持原量表中6个维度的划分。依据原量表条目分布进行深层分析，模型拟合分析结果表明除26条目（苹果属于哪一组食物）和29条目（玉米饼属于哪一组食物）不拟合外，其余40个条目的Outfit MNSQ和Infit MNSQ指数为（0.69，1.31），说明数据与Rasch模型拟合良好。绝大部分|T|在参考范围内，说明量表内容能够预测被试者的营养素养水平。除第26、29、31、32条目的PT-measure相关系数不在标准范围内，其他条目的相关系数为（0.51，0.77），显示条目与分量表之间有良好的相关性。继而对量表进行难度分析，从图1可以看出条目难度分布大约为8个Logits，被试能力分布大约为6个Logits，说明难度处于中等水平，部分条目缺乏被试与其对应，过于简单以至于条目很难区分被试能力，如第26、31、32条目。为保证量表质量，需对CHI-NLit量表进行项目分析，有学者认为当某些条目与模型拟合不一致时，表示该条目与其他条目不协调，应将其删除，但并不表示该条目不重要，只是在本次调查中未能有效测出所需要的潜在特质［22］。BOND等［23］则认为不能以拟合指标作为条目删减标准，应根据拟合度指标对异常条目进行分析。本研究通过对相关指标进行综合评价，共删除4个条目，形成38条目的CHI-NLit，具有良好的结构效度。CHI-NLit与NVS相关性结果表明，CHI-NLit具有良好的效标效度，通过ROC曲线确定截断值为21.5，显示CHI-NLit总分＜21.5分的糖尿病患者存在营养素养不足的风险，需要加强相关营养宣教。

3.2 CHI-NLit具有良好的信度 传统测量方法中，对于二分计分方式的量表的内部一致性信度采用KR-21信度表示，量表的稳定性通过重测信度表达，KR-21系数在0.6以上，重测信度系数（ICC）在0.7以上，表明问卷的信度较好［24］。本研究中，总量表KR-21和重测信度分别为0.860和0.936，分量表KR-21和重测信度分别为0.688～0.721和0.895～0.931。在Rasch模型分析中，可对项目信度和样本信度进行测量，其数值在0.6以上代表信度尚可。本研究结果显示，总量表项目信度为0.919，样本信度为0.838，分量表的项目信度为0.902～0.968，样本信度为0.601～0.690。总量表信度低于原量表信度（整体信度为0.960），但仍在接受范围内，可能与信度指标不同有关。两种测量方法均表明CHI-NLit具有良好的信度。

3.3 小结 通过传统信效度分析和Rasch模型分析结果表明，CHI-NLit拟合度良好，信效度较好，条目难度与患者能力水平分布合理，整体质量较好。条目内容简单易懂，并确定截断值为21.5，可用于糖尿病患者的营养素养调查，为临床快速筛查低营养素养患者并及时提供营养教育指导提供依据。本研究的局限性在于受条件限制，样本均选自同一地点，量表的普适性有待进一步验证；原量表中被试人群为营养相关慢性病患者（糖尿病、肥胖、高血压等），而本研究中仅选取糖尿病患者进行验证，因此未来研究可纳入多种营养相关慢性病患者，增加其适用性。

作者贡献：陈圆圆、宋颖进行文章的构思与设计；杨春军、王冬梅进行研究的实施与可行性分析；陈圆圆、王冬梅进行数据收集和整理；陈圆圆进行统计学分析，结果的分析与解释，撰写论文；杨春军、宋颖进行论文的修订；宋颖负责文章的质量控制及审校，对文章整体负责，监督管理。

本文无利益冲突。