住院患者病情严重程度分级评估工具的构建研究*

于喜滢，范宇莹，王金格，周文蝶，于丽丽，王佳良

（哈尔滨医科大学护理学院，哈尔滨医科大学附属第二医院，黑龙江哈尔滨，150000）

随着我国医疗改革的不断推进，分级诊疗政策逐步落实，我国于2013年颁布《护理分级》行业标准提出［1］，患者在住院期间，医护人员根据患者病情和（或）日常生活自理能力的评估，给予不同级别的护理。但对于病情方面至今仍无客观、量化、统一的标准，对于复杂多变的病情评估仍仅靠医生的主观判断，导致护理分级结果容易出现差异。因此，构建科学客观的病情分级评估工具用于护理分级是十分紧迫和必要的。目前，国外病情评估量表多集中于急诊、ICU 和各种专科，具有普适性的病情评估量表较少见［2］，目前由丁俊琴等［3］开发的疾病严重程度评价量表（disease severity assessment scale，DSAS）是我国唯一适用于所有住院患者病情评估，并用于护理分级的量表，但其并未经过多中心的验证。简单临床评分（simple clinical score，SCS）由爱尔兰学者KELLETT 等［4］开发，指标简单易获取，已有研究者尝试将其用于住院患者，但仍需进行大规模检验。因此上述两种量表各有优缺点，本研究在DSAS 和SCS 的基础上，依据经典测量理论中的相关系数法、因子分析法和克朗巴赫系数法进行指标筛选重组，以期构建具有普适性的病情分级评估工具，科学评估患者病情并正确划分护理级别，为建立规范、客观、量化的护理分级制度提供数据支持和参考依据，促进我国护理分级制度的发展与完善，有利于分级诊疗政策的有效推进和落实，实现精准治疗与护理，合理分配医疗资源，提高医疗资源利用率，降低医疗费用。

1 对象与方法

1.1 研究对象

采用便利取样法，2020年9月至11月选取在本院普通内外科病区住院患者，包括心血管内科、神经内科、肾内科、内分泌、血液内科、骨科、普外三（结直肠肿瘤、肛门病外科）、普外四（甲状腺外科）、脑外科和心血管外科。纳入标准：①患者均为住院患者；②年龄≥18 岁，有基本的读写能力。排除标准：①精神疾病患者；②急危重症患者。研究采用横断面调查法，选择SCS 和DSAS 两个评估工具，其中SCS共14 个条目，DSAS 共10 个条目，去除相同条目后合计17 个条目，常用的确定样本量标准是：样本量与条目数比例为5∶1～10∶1［5］，再加上20%失访率，因此，最终筛选样本量最少为102 例，验证病情分级评估工具信效度的样本量为72 例。本研究共选择300 例患者，符合样本量标准。本研究经伦理委员会批准，所有患者均知情同意，自愿参与本研究。

1.2 研究工具

1.2.1 一般资料调查表 自行设计一般资料调查表，内容包括患者编号、科室、性别、年龄和护理级别等。

1.2.2 疾病严重程度评价量表（disease severity assessment scale，DSAS） DSAS 是由丁俊琴等［3］开发的适用于所有住院患者的病情评估量表，具有较好的普适性。内容包括体温、收缩压、呼吸、脉搏、血氧饱和度、意识、进食情况、年龄、疾病性质和基础疾病10 个条目，总分0～37 分，根据得分将患者划分为4个级别，其中≥12 分为特级护理；7～11 分为一级护理；2～6 分为二级护理；0～1 分为三级护理。该量表具有一定的科学性和可靠性［6］。

1.2.3 简单临床评分（simple clinical score，SCS）SCS 是由爱尔兰学者KELLETT 等［4］于2006年开发并提出，内容包括年龄、收缩压、脉搏>收缩压、体温、呼吸频率、血氧饱和度、呼吸困难、心电图异常、昏迷、精神异常、糖尿病、新近中风、不能独自站立或需要家庭护理、原有慢性病需要部分时间卧床在家14 个条目，总分为0～33 分，根据得分将将患者风险划分为5 级，其中0～3 分为A 级，微风险；4～5 分为B级，低风险；6～7 分为C 级，中度危险；8～11 分为D级，高风险；≥12 分为E 级，极高风险。目前，已有研究将其应用于住院患者病情评估［7，8］。

1.3 研究方法

1.3.1 住院患者初始病情严重程度分级评估工具的构建 通过课题组讨论和广泛查阅国内外相关文献，最终选定DSAS 和SCS 两种病情评估工具以形成本研究病情分级评估工具的初始条目池，去除两个量表中的相同条目，共有17 项，参考DSAS［3］进行赋分，每项指标赋分为0～4 分，对于如心电图异常等的二分类变量，按照无、有分别赋分0、1，形成初始病情严重程度分级评估工具。

1.3.2 条目的筛选 本研究采用临床调查数据分析方法中的经典测量理论（classical test theory，CTT）进行条目的筛选。选择相关系数法、因子分析法和克朗巴赫系数法分别从代表性、独立性和内部一致性多角度进行条目的筛选［9］。条目入选标准根据3 种统计学方法汇总的结果，保留两种方法或以上选定的条目为最终量表条目。参考DSAS 对其赋分，形成终版病情严重程度分级评估工具，并验证其信效度。

1.4 资料收集方法

根据纳入和排除标准，由研究者每天根据形成的初始病情分级评估工具对患者进行评估，然后采用经典测量理论中的相关系数法、因子分析法和克朗巴赫系数法进行指标筛选重组，形成终版病情分级评估工具并继续收集资料对其进行信效度验证。同时收集患者的一般资料如性别、年龄、护理级别等。

1.5 统计学方法

所有数据采用SPSS25.0 统计软件进行统计学分析。计量资料采用均数±标准差描述；计数资料采用率、百分比描述。采用Cronbach’s α 系数检验工具的内在一致性。采用Spearman-Brown 系数检验工具的分半信度（采用奇偶分组方法，将各条目按照序号的奇偶分成对等的两部分，考查两部分得分的一致性）。采用探索性因子分析检验工具的结构效度。

2 结果

2.1 患者一般资料

本研究共选取了10 个普通内外科病区，总计300 例患者，男186 例（62.0%），女114 例（38.0%），年龄19～87 岁，平均（58.6±13.3）岁；一级护理患者115 例（38.3%），二级护理患者185 例（61.7%）。

2.2 住院患者病情严重程度分级评估工具的条目筛选结果

2.2.1 相关系数法筛选结果 该方法从代表性和独立性角度筛选条目［10］。采用Spearman 相关分析计算每个条目与量表总分的相关系数，保留的条目与量表总分的相关系数较大，且有统计学意义。删除相关系数较小（r＜0.3）的条目，或无统计学意义的条目。最终删除体温、脉搏＞收缩压、心电图有异常、糖尿病、原有慢性病需部分时间卧床在家和新进中风（见表1）。

2.2.2 克朗巴赫系数法筛选结果 该方法从内部一致性的角度筛选条目［10］。如果某个条目删除后计算总表的Cronbach’s α 系数，比较删除某一条目后Cronbach’s α 系数的变化。Cronbach’s α 系数有较大上升，说明该条目的存在降低了量表的内部一致性，则删除该条目，反之保留。经计算总表Cronbach’s α 系数为0.687，结果删除年龄、体温、脉搏＞收缩压、心电图有异常、糖尿病和新进中风（见表1）。

表1 克朗巴赫系数法和相关系数法结果 （n=150）

2.2.3 因子分析法筛选结果 该方法从代表性角度筛选条目［10］。根据每个条目在公因子的载荷大小进行筛选。多数采用因子载荷＞0.4，删除在各因子上载荷系数较小（＜0.4）的条目。Kaiser-Meyer-Olkin（KMO）值为0.622＞0.6，Bartlett’s 检验卡方值为732.097（P＜0.001），资料适合做因子分析。采用主成分分析法，取特征值（λ）＞1，共提取6 个因子，累计贡献率为66.607%。采用凯撤正态化最大方差法进一步旋转，旋转经8 次迭代后收敛，得到旋转后各因子载荷矩阵，其中呼吸在每个因子中的载荷系数均＜0.4，予以删除。见表2。

表2 住院患者病情严重程度分级评估工具旋转后各因子载荷矩阵（n=150）

2.2.4 住院患者病情严重程度分级评估工具条目筛选统计结果 3 种方法筛选结果不尽相同，本研究保留两种方法或以上选定的条目为最终量表条目。最终保留收缩压、呼吸、脉搏或心率、血氧饱和度、意识、进食情况、年龄、疾病性质、基础疾病、呼吸困难、不能独自站立或需要家庭护理和原有慢性病需部分时间卧床在家；删除体温、脉搏＞收缩压、心电图有异常、糖尿病和新进中风，见表3。参考DSAS 对其赋分，每项指标赋分为0～4 分，对于如呼吸困难等的二分类变量，按照无、有分别赋分0、1，形成终版病情严重程度分级评估工具，并验证其信效度。

表3 住院患者病情严重程度分级评估工具条目筛选统计结果

2.3 验证住院患者病情严重程度分级评估工具

2.3.1 住院患者病情严重程度分级评估工具信度 采用Cronbach’s α 系数检验工具的内在一致性。Cronbach’s α 系数为0.660＞0.6。采用Spearman-Brown 系数检验工具的分半信度，系数为0.686。

2.3.2 住院患者病情严重程度分级评估工具效度 采用因子分析检验工具的结构效度。因子分析前，应用KMO 检验和Bartlett’s 检验判断因子分析的可行性。本研究中的病情分级评估工具的KMO 值为0.695＞0.6，Bartlett’s 检验卡方值为408.483（P＜0.001），表示资料适合因子分析。采用主成分分析法，取特征值（λ）＞1，则最终提取4 个因子，累计贡献率为62.541%（见表4）。采用凯撒正态化最大方差法进一步旋，旋转经5 次迭代后收敛，得到旋转后各因子载荷矩阵，见表5。

表4 主成分总方差解释表

表5 住院患者病情严重程度分级评估工具旋转后各因子载荷矩阵（n=150）

3 讨论

3.1 住院患者病情严重程度分级评估工具的构建的意义与作用

我国护理分级制度于1956年由张开秀和黎秀芳两位护理前辈首次提出并沿用至今［11］。护理分级制度是我国医疗卫生事业中不可缺少的重要角色，其作用影响深远。我国现行护理分级制度经过不断改革，但在应用过程中出现了诸多不适应症，削弱了护理分级制度在临床护理实践中的指导性，如护理分级制度的决策主体仍然存在争议；病情评估缺乏客观、量化、统一的指标，分级存在经验性和主观性；仅考虑患者的病情，忽略患者的实际需求等，导致医疗资源浪费和护患不匹配等问题。研究表明［12］，临床医生普遍对护理分级相关知识了解甚少，其划分级别与根据Barthel 指数确定护理分级相比存在差异。杜艳玲等［13］研究表明，临床医生对分级依据不熟悉，分级时大多只考虑病情，忽视了患者的自理能力和心理状况。目前，我国病情评估并无统一标准，仅凭医生的主观判断。国内外病情评估工具的开发研究大多集中于部分专科如急诊、ICU、或各种专科疾病，具有普适性的病情评估工具较少［2］。随着我国医疗改革的不断推进，各级医院作为国家分级诊疗政策落实的重要场所，准确快速判断患者的病情严重程度并进行分级则至关重要。因DSAS 是我国唯一适用于所有住院患者病情评估的研究工具；SCS 指标简单易获取，已有研究者尝试将其用于住院患者，因此，本研究在DSAS 和SCS 的基础上，通过指标的筛选、重组与检验，形成住院患者病情严重程度分级评估工具，使病情评估有了客观标准，避免分级的主观性和经验性，为护理分级提供客观、量化、统一的指标，为护理分级制度进一步改革完善提供参考。并且该工具可由护士进行评估，能够调动护理人员的主观能动性，实现自我价值，并提高护理人员的综合素质。

3.2 住院患者病情严重程度分级评估工具构建的科学性

研究表明［14］，条目的合理筛选是构建量表的重要步骤，可根据数据源的类型（文献、专家咨询、临床调查数据）进行选择。DSAS 采用了专家头脑风暴法确定量表条目，具有一定的科学性。SOS 病情分级能力和校准能力较高，可简单快速地对患者进行病情评估。专家咨询筛选条目存在一定的主观性，本研究在其基础上选择DSAS 和SCS 作为初始分级评估工具的条目池，通过收集临床数据，综合运用临床调查数据分析法中的相关系数法、因子分析法和克朗巴赫系数法，从代表性、独立性和内部一致性多角度进行条目的筛选，并做出最终判断，将主观和客观结果相结合，使得病情分级评估工具的构建更加科学。

3.3 住院患者病情严重程度分级评估工具的信效度评价

本研究采用Cronbach’s α 系数检验工具的内在一致性。本研究的病情分级评估工具的Cronbach’s α 系数为0.660＞0.6，分半信度系数为0.686，表明该工具信度较好。评价量表结构效度最常用、最有效的方法为探索性因子分析［15］。本研究中病情分级评估工具的KMO 值为0.695＞0.6，Bartlett’s 检验卡方值为408.483（P＜0.001），资料适合因子分析。取特征值（λ）＞1，则最终提取4 个因子，累计贡献率为62.541%，采用凯撒正态化最大方差法进一步旋转后，由表5 可知，所有条目在其相应的公因子上的载荷系数为0.470～0.852，均＞0.4，多数条目＞0.6，表明该工具有良好的结构效度。因此，本研究构建的病情分级评估工具具有良好的信效度，可用于临床评估患者病情，为护理分级构建客观统一的病情评估标准提供参考。

3.4 住院患者病情严重程度分级评估工具构建的实用性

首先，病情分级评估工具共计12 项指标，且所有指标均简单、容易理解和获取，在临床工作中有利于收集和掌握，具有较强的可行性。其次，病情分级评估工具适用于普通病房患者，具有较好的普适性。最后，病情分级评估工具具有良好的信效度，可准确评估患者的病情，及时预测患者风险，使护理分级的病情评估有据可依，提高护理质量，减少医患纠纷。下一步将基于“互联网+护理”，根据多中心、大样本的原则，将互联网与护理紧密的联系起来，以期构建科学动态的住院患者病情严重程度分级评估工具，有利于临床推广和使用。

4 结论

本研究基于经典测量理论在SCS 和DSAS 两种评分的基础上进行指标的筛选重组，并参考DSAS进行赋分，构建了住院患者病情严重程度分级评估工具。该分级评估工具有良好的信效度，具有一定的科学性和实用性，可用于评估患者的病情，科学客观划分护理级别，为临床护理分级进一步改革提供参考，以达到保障患者安全，提高护理质量的目的。