【摘要】 背景 健康素养与健康状况密切相关，目前国内研究多倾向于运用多维度、多条目的健康素养测评工具， 尚缺少简便且有效的健康素养测评工具。目的 简化健康素养量表并在中国人群中进行心理测量学检验。方法 从“中 国家庭健康指数调查（2021 年）”数据中选择 18 岁及以上人群作为本研究的调查对象，依据纳入与排除标准，最终 纳入 7 449 份数据，并随机分为 2 个样本集，其中样本集 1 共 3 680 份，样本集 2 共 3 769 份。对调查对象进行一般资 料问卷、12 条目健康素养量表（HLS-SF12）、领悟社会支持量表（PSSS）、家庭健康量表（FHS-SF）调查。应用经 典测量理论以及项目反应理论中的 Mokken 模型对 HLS-SF12 原条目进行筛选，并对精简后的量表进行信效度等验证 性分析。结果 使用经典测量理论和 Mokken 模型分别简化出 1 个 9 条目版本的量表（HLS-SF9）和 1 个 4 条目版本 的量表（HLS-SF4）。HLS-SF9 与 HLS-SF4 均无天花板效应、地板效应，二者的 Cronbach's α 系数分别为 0.913 和 0.842， 折半信度分别为 0.871 和 0.815。HLS-SF4 经探索性因子分析提取出 1 个公因子，累积方差贡献率为 67.813%，各条目 的因子载荷量均 >0.81。HLS-SF9 经验证性因子分析结果显示 χ2 /df=10.844、拟合优度指数（GFI）=0.985、调整拟合 优度指数（AGFI）=0.971、规范拟合指数（NFI）=0.986、比较拟合指数（CFI）=0.987 和近似误差均方根（RMSEA） =0.051。相关性分析结果显示，HLS-SF9、HLS-SF4 与 PSSS 呈正相关（r=0.367、0.292，P<0.001），与 FHS-SF 呈正 相关（r=0.340、0.237，P<0.001）。HLS-SF9 对 HLS-SF12 的效标效度的一致性水平（ICC）（95%CI）为 0.989（0.988~0.999）， HLS-SF4 效标效度的 ICC（95%CI）为 0.892（0.886~0.899）。结论 简化后的健康素养量表具有良好的信效度，是能 够快速测评中国人群健康素养的有效工具，研究者可根据研究精度（HLS-SF9）或测评时间（HLS-SF4）的需求采取 针对性选择。
【关键词】 健康素养；条目筛选；经典测量理论；Mokken 模型；12 条目健康素养量表
健康素养系个体获取、理解健康信息以保障、推进 自身健康建设的能力［1］。WHO 强调，健康素养作为一 种认知能力和社会技能水平的象征［2］，是健康的重要 决定因素［2-3］。健康素养水平的限制易让公众难以完整 地认识、了解疾病，难以实现对医疗资源的高效、充分 利用，特别是影响慢性病患者的自我疾病管理，从而导 致较差的服药依从性，甚至增加住院率与死亡率［4-6］。 我国《“健康中国 2030”规划纲要》强调居民的健康 素养情况是战略目标的核心内容，提升健康素养水平应 成为健康教育、患者管理和健康促进等方面的重要构 成［7］，这就要求个人要充分了解并使用健康信息，以 便充分管理自身的健康问题，降低社会成本。因此，一 个能客观、全面且准确测评健康素养的工具是开展此类 研究的前提。 随着健康素养领域得到国内外学者的关注，用于 测量公众的健康素养工具研发活跃，目前常用成年人功能健康素养测试（Test of Functional Health Literacy in Adult，TOFHLA）、欧洲健康素养调查（the European Health Literacy Survey Questionnaire，HLS-EU-Q） 等 问 卷［8-9］。 结 合 以 上 研 究，DUONG 等［10］ 在 HLSEU-Q47 的基础上，编制了适用于评估亚洲国家公众 健康素养的 12 条目健康素养量表（Short-form Health Literacy Survey Questionnaire，HLS-SF12）， 以 良 好 的 信效度支持了 HLS-EU-Q47 的原始架构。我国学者多 使用国家卫生健康委员会制定的“全国居民健康素养监 测调查问卷”，随着对健康素养研究的深入，陆续有学 者研发了针对特殊人群的健康素养评估工具［11-13］。 目前课题研究中多倾向于多维度、多条目的测评工 具，力争全面化评估受测者的临床或心理特质，但随之 应用，冗长的工具也出现了一定的不足：问卷中题目过 多，使得受访者作答时间较长，作答耐心降低，作答认 真度下降，问卷的真实性可靠性难以保障；同时易使受访者产生隐私受侵的心理，增加受访者的心理负担［14］。 而简短版量表则能较大程度上规避以上弊端，同时缩减 问卷填写时间，利于推广受访人群与应用领域。此外， 简短的健康素养评估工具可被纳入患者就诊评估等评估 问卷，快速筛查出健康素养有限的群体，便于实施针对 性的健康教育，评估干预效果［8，15］。 考虑到我国在健康素养领域缺失简便的测评工具， 本研究尝试对 HLS-SF12 进行简化研究，这将有助于在 更大规模的人群或临床环境中对健康素养进行简单而准 确的评估，为今后的干预研究提供参考依据。 1 对象与方法 1.1 研究对象 “中国家庭健康指数调查（2021 年）”于 2021- 07-10—09-15 开展，采用多阶段抽样的方法，纳入中 国 23 个省和 5 个自治区的省会、4 个直辖市，并用随 机数字表法在每个省、自治区的非省会地级行政区中各 抽取 2~6 个城市，共 120 个城市。每个城市至少招募 1 位调查员或 1 支调查团队。调查员需基于“2021 年第 七次全国人口普查结果”的数据结果，使所获得样本 的性别、年龄、城乡分布基本符合人口特征。“中国 家庭健康指数调查（2021 年）”纳入标准：（1）年龄 ≥ 12 岁；（2）具有中华人民共和国国籍；（3）中国 常住人口（年外出时间≤ 1 个月）；（4）自愿参加研 究，填写知情同意书；（5）可自行完成网络问卷调查 或在调查员帮助下完成问卷调查；（6）了解问卷每个 条目所表达的含义。排除标准：（1）意识不清、精神 异常者；（2）正在参加其他类似研究课题者；（3）不 愿合作者。问卷回收后由两人背靠背进行逻辑检查和数 据筛选。本研究已通过暨南大学伦理委员会伦理审查 （JNUKY-2021-018）。“中国家庭健康指数调查（2021 年）”共调查居民 11 668 例，回收有效问卷 11 031 份， 有效回收率为 94.54%。从数据中选择≥ 18 岁人群作为 本研究的受测对象，最终纳入 7 449 份数据，并随机分 成 2 个样本集，其中样本集 1 共 3 680 份，样本集 2 共 3 769 份。 1.2 方法 1.2.1 一般资料问卷：由研究者编制，内容包括调查对 象的性别、年龄、民族、户口类型、居住地类型、最高 学历情况、婚姻状况、家庭人均月收入等。 1.2.2 HLS-SF12：DUONG 等［10］编制的适用于公众健 康素养测量的 HLS-SF12 分为 3 个维度，分别是卫生保 健、疾病预防、健康促进，共 12 个条目，采用 4 级评 分（1= 非常困难，2= 困难，3= 容易，4= 非常容易）， 使 用 公 式 计 算 标 准 化 健 康 素 养 指 数（health literacy index，HL 指数），指数范围为 0~50，指数越高代表健 康素养水平越高。计算公式为 HL 指数 =（平均值 -1） ×（50/3），其中平均值是每个个体所有参与项目的平 均值，1 是平均值的最小可能值（此时指数的最小值为 0），3 是平均值，50 是指数的最大值。DUONG 报告 HLS-SF12 的 Cronbach's α 系数 >0.70，卫生保健分量 表的 Cronbach's α 系数为 0.49~0.72，疾病预防分量表 的 Cronbach's α 系数为 0.64~0.77，健康促进分量表的 Cronbach's α 系数为 0.59~0.81，内部一致性指标良好。 经原作者授权，施测时采用汉化后的 HLS-SF12 中文 版［16］。本研究中该量表在数据集 1 的 Cronbach's α 系 数为 0.932，数据集 2 的 Cronbach's α 系数为 0.933，总 数据集的 Cronbach's α 系数为 0.932。 1.2.3 领 悟 社 会 支 持 量 表（Perceived Social Support Scale，PSSS）由 ZIMET 等［17］开发，PSSS 分为家庭支 持、朋友支持和他人支持 3 个维度，每个维度含 4 个条 目，共 12 个条目。量表选项从“极不同意”至“极同意” 赋分为 1~7 分，得分越高领悟到的社会支持越丰富。本 研究中该量表在数据集 2 的 Cronbach's α 系数为 0.947， 总数据集的 Cronbach's α 系数为 0.948。 1.2.4 家庭健康量表（Family Health Scale Short-Form， FHS-SF）由 CRANDALL 等［18］编制，用于测评家庭健 康功能，由 WANG 等［19］汉化翻译。该量表分 4 个维度， 共 10 个条目。题项为“非常不同意”至“非常同意”（1~5 分），其中第 6、9、10 题为反向计分。总量表得分越 高表示家庭健康水平越好。本研究中该量表在数据集 2 的 Cronbach's α 系数为 0.845，总数据集的 Cronbach's α 系数为 0.846。 1.3 简化方法 1.3.1 通过经典测量理论（classical test theory，CTT） 在项目分析时常用的 4 种方法：项目间残差相关法、相 关系数法、项目 - 总体相关系数法（corrected item-total correlation，CITC）、独立样本 t 检验法对原量表的每个 条目进行分析。 （1）项目间残差相关法计算各项目与其余项目残 差相关之和，保留项目之间残差相关最小的，表现为项 目残差的 MI 值相加［20］。 （2）相关系数法是计算各条目与量表总得分的皮 尔逊相关系数，选取量表中单个条目得分与量表总分的 相关系数的绝对值较大的且存在显著的统计意义的条 目［21］。 （3）CITC 法根据量表的内部一致性筛选条目，通 过计算总量表或单个维度的 Cronbach's α 系数，比较 删除某一条目后 Cronbach's α 系数的变化。如果某条 目去掉后总量表或单个维度的 Cronbach's α 系数有明 显升高，表明应当删除，因为该条目的存在会降低量表 或维度的内部一致性，反之则保留［22］。 （4）独立样本 t 检验法首先将量表总分由高到低 排列，高分组为总分最高的 27%，低分组为总分最低的27%，随后进行独立样本 t 检验，若结果显示高低分两 组被试在某条目上平均得分不存在显著性差异，则应当 删除该条目［23］。 1.3.2 项目分析理论（item response theory，IRT）的简 化方法——Mokken 模型［24］，Mokken 模型属于非参数 项目反应理论，与参数项目反应理论相比，其提出更适 应实际情景、更有弹性的框架，还更适宜短量表使用［25］。 利用 R 语言的“Mokken”包对健康素养量表全量表进 行分析，包括对所有条目的单维性检验、局部独立性检 验、单调性检验。 （1） 利 用 自 动 项 目 选 择 算 法（automated item selection procedure，AISP）检验量表单维性，AISP 实施时， 从 c=0 开始，到 c=0.55 结束，步长 0.05。当 c 值越大时， 如果测验是单维的，可能会出现以下 3 个阶段：绝大部 分或全部条目合并为 1 个量表；形成 1 个容量较小的量 表；形成 1 个或几个小量表，同时许多项目被删除［26］。 （2） 利 用 同 质 性 系 数（homogeneity coefficients） 检查条目设置是否合理。同质性系数分为 3 类：项目 对（Hij）、项目（Hi ）和量表（Hs）。同质性系数 H 值 越高，测验所得总分对被试潜在特质的排序越准确， Mokken 依据自身经验，认为 Hij 必须 >0，Hi 和 H 不能 <0.3。更具体的 H 值规定为：当 H<0.3 时，量表不合格； 当 0.3 ≤ H<0.4 时，量表的准确程度较弱；当 0.4 ≤ H<0.5 时，量表的准确程度中等；当 H ≥ 0.5 时，量表的准确 程度强［27］。 （3）局部独立性检验利用条件关联程序完成，由 3 个条件关联指数 W（1）、W（2）、W（3）检验，被标记的 项目要逐一删除，删除的原则是：具有最多 W 标志的 项目被删除，直到剩下没有标志的项目。如果项目具有 相同数量的标志，则同质性系数 Hi 更小的项目将被删 除［28］。 （4）检验每个项目的单调性。单调性将最小紊乱 系数（#vi/#ac）、显著性（#zsig）和 Crit 的数值作为评 价标准，当以上 3 个指标等于 0 时，说明符合单调性假 设。但在实际应用中，最小紊乱系数 <0.3 可接受［29］， 显著性 <1.96 可接受［30］。当 Crit>80 时，违背单调性假 设；当 40 ≤ Crit ≤ 80 时，应按照条目内容和量表使用 目的考虑是否删除；当 Crit<40 时，则可认为该条目基 本满足单调性，个别违反单调性假设的情况可以看作是 被试抽样误差所致［31］。 1.4 统计学方法 采用 SPSS 24.0、AMOS 24.0 和 R 4.2.1 软件进行数 据处理，使用描述性统计分析、验证性因子分析、CTT 精简条目、Mokken 模型精简条目、验证性分析等分析 方法。为了保障简版量表的有效性，以及避免出现样本 量不足造成的研究能力降低的情况，本研究对研究需 要的最低样本量进行了计算［32］：假设使类内相关系数 （intra-class correlation coefficient，ICC）达到 0.90，Ⅰ 型错误概率 α 为 0.05，此时实现 95% 的统计功效需要 223 名被试者。本研究收集了 7 449 份有效数据（包括 条目筛选和验证分析两份数据集在内），说明样本量足 以进行后续数据分析。 研究首先对数据集 1 和数据集 2 的社会人口学信息 进行描述性统计，显示变量各分类的人数及百分比。 在利用数据集 1 检验了 HLS-SF12 的各心理测量学 指标后，分别利用 CTT 和 IRT 的方法简化其条目，得 到了 HLS-SF9 和 HLS-SF4，然后基于数据集 2 的数据 进行验证性分析。在探索性分析的基础上，对得到的简 版量表进行验证性分析，分为地板和天花板效应检验、 信度检验和效度检验简版量表。地板和天花板效应分别 反映了得分最低和最高的参与者的反应，建议最低或最 高水平的百分比为 15% 或更低。如果超过 15% 的受访 者分别获得了可能的最低或最高分数，则认为存在地板 或天花板效应［33］。若存在天花板效应，则该量表在实 际使用中，由于顶端水平上选择数量增多从而导致后续 数据分析中各指标的有效性受到影响。地板效应与之相 反。信度指标若均 >0.7 表明可接受［34］。效度检验分 为结构效度分析和实证效度分析。结构效度检验中，由 于 HLS-SF4 已经打破了 HLS-SF12 的三维度结构，所 以不能采用验证性因子分析，需要探索性因子分析；而 HLS-SF9 仍保持原有的三维度结构，所以直接进行验证 性因子分析即可。然后通过比较 12 条目的原量表和开 发的简版量表与 2 个相关概念的相关性，进行实证效度 检验。根据数据类型，使用 Pearson 相关检验计算相关 性。为检验简版量表与完整版量表所测内容的一致性程 度，本研究利用 RStudio 中的“lpSolve”和“irr”包计 算 ICC，ICC 可以反映测量之间的相关程度和一致性。 ICC 的评价标准为：当 ICC<0.50 时，被解释为一致性 差；当 0.50 ≤ ICC<0.74 时，被解释为一致性中等；当 0.75 ≤ ICC ≤ 0.90 时，被解释为一致性好；ICC>0.90 时， 被解释为一致性优秀［35］。
2 结果 2.1 研究对象的社会人口学信息 在 样 本 数 据 集 1 的 3 680 名 受 访 者 中， 男 1 608 名（43.7%）， 汉 族 3 449 名（93.7%）， 常 住 城 镇 者 2 700 名（73.4%），农业户口 1 524 名（41.4%）。在 数据集 2 的 3 769 名受访者中，男 1 678 名（44.5%）， 汉族 3 544 名（94.0%），常住城镇者 2 749 名（72.9%）， 农业户口 1 599 名（42.4%），完整的人口统计细节见表 1。 2.2 完整版量表的心理测量学检验 基于数据集 1 的数据，对 HLS-SF12 的心理测量 学指标进行验证性因子分析，如图 1 所示。结果显示 规范拟合指数（NFI）=0.960，拟合优度指数（GFI）=0.957， 调 整 拟 合 优 度 指 数（AGFI）=0.934， 比 较 拟 合 指 数（CFI）=0.962， 近 似 误 差 均 方 根（RMSEA） =0.068，各拟合指标表明原量表模型拟合良好。计算内 部一致性系数得出 Cronbach's α=0.932，量表信度良好。 2.3 探索性分析 2.3.1 基于经典测量理论的条目精简：首先，采用项目 间残差相关法进行项目分析，MI 值的门槛值使用默认 值。结果显示，各维度中残差 MI 值最大的条目分别为 条目 3、条目 5 和条目 11，说明这几个条目对本维度的 解释力在每个维度的所有条目中是最小的，故考虑剔除。 其次，采用相关系数法进行项目分析。结果表明， 完整版健康素养量表与各条目之间的相关系数均 >0.710 （r=0.716~0.797），说明这些条目与量表的一致性良好，均考虑保留。 再次，采用 CITC 对量表进行分析，发现删除每项 后的 Cronbach's α 系数在 0.924~0.928，删除条目后内 部一致性系数均有所下降，因此量表中没有条目需要 删除。 最 后， 以 健 康 素 养 量 表 HL 指 数 最 高 的 27% （≥ 37.500 分）和最低的 27%（≤ 30.556 分）划分高 分组与低分组，进一步做独立样本 t 检验，结果显示， 量表的高、低分组在各条目上的得分均存在显著性差异 （P<0.001），因此量表中没有对应的条目需要删除。 综上所述，运用 4 种经典测量理论的方法对 HLSSF12 进行精简，结果表明条目 3、条目 5 和条目 11 在 项目间残差相关法中考虑删除，因此将这 3 个条目删除， 形成 1 个 9 条目的三维简版量表。基于经典测量理论简 化后的健康素养量表（HLS-SF9）共包括 9 个条目：条 目 1、条目 2、条目 4、条目 6、条目 7、条目 8、条目 9、 条目 10 和条目 12，具体条目分析结果见表 2。 表 2 基于经典测量理论的 4 种条目分析方法结果汇总 Table 2 Summary of the results of 4 item analysis methods based on the classical test theory 条目 项目间残 差相关法 相关 系数 CITC 极端值法 （P 值） 被入选 次数 删除 条目 HLS1 215.869 0.730 0.928 <0.001 4 HLS2 129.501 0.791 0.925 <0.001 4 HLS3 517.124 0.745 0.927 <0.001 3 √ HLS4 230.189 0.725 0.927 <0.001 4 HLS5 361.478 0.737 0.927 <0.001 3 √ HLS6 210.054 0.760 0.926 <0.001 4 HLS7 18.808 0.785 0.925 <0.001 4 HLS8 123.271 0.785 0.925 <0.001 4 HLS9 8.414 0.770 0.925 <0.001 4 HLS10 5.270 0.797 0.924 <0.001 4 HLS11 41.051 0.762 0.926 <0.001 3 √ HLS12 5.978 0.716 0.928 <0.001 4 注：CITC= 项目 - 总体相关系数。 2.3.2 基于 Mokken 模型的条目精简：首先，对 HLSSF12 进行 Mokken 模型分析。利用 AISP 检验量表单维性， 从 c=0 开始，到 c=0.55 结束，步长设置为 0.05。结果表明， AISP 当 c 设置在 0~0.55 时，均只能得到 1 个维度，且 所有项目在该维度中。 然后，计算量表的各同质性系数。结果表明，本 研 究 中，Hij 均 大 于 0.43，Hi 均 大 于 0.53（ 表 3）， H=0.609。这说明本研究使用同质性系数不能删除条目。 再进行局部独立性检验，即进行条件关联分析。第 一轮分析中，指标 W（1）表明第 11 项有 6 个标记，第 2 项和第 8 项各有 4 个标记，第 10 项有 1 个标记，故先 将条目 11 删除。在之后的几轮分析中，根据指标 W（1）、 W（2）和 W（3）的结果，依次删除条目 8、条目 2、条目 12、条目 6、条目 9、条目 4、条目 10。经过条件关联分析， 保留 4 个条目，分别是条目 1、条目 3、条目 5、条目 7。 随后对这 4 个条目进行单调性检验，条目 1、7 均 未违反单调性，条目 3 的最小紊乱系数为 0.02，显著性 为 1，Crit 值为 13，且条目 5 的最小紊乱系数为 0.02， 显著性为 1，Crit 值为 19，均在可接受范围内，考虑保留， 详见表 3。 综上所述，基于 Mokken 模型简化后的健康素养量 表（HLS-SF4）共包括 4 个条目：条目 1、条目 3、条目 5、 条目 7。 表 3 基于 Mokken 模型的条目分析结果 Table 3 Results of item analysis based on Mokken model 条目 Hi （SE） #vi/#ac #zsig Crit HLS1 0.571（0.012） 0 0 0 HLS2 0.622（0.011） HLS3 0.630（0.012） 0.02 1 13 HLS4 0.593（0.013） HLS5 0.611（0.012） 0.02 1 19 HLS6 0.605（0.012） HLS7 0.618（0.011） 0 0 0 HLS8 0.635（0.012） HLS9 0.610（0.012） HLS10 0.629（0.011） HLS11 0.633（0.013） HLS12 0.558（0.013） 注：#ac 表示进行是否违反单调性假设的检验次数；#vi 表示违反 了单调性假设的次数；#vi/#ac 表示最小紊乱系数；#zsig 表示违反单 调性的显著系数。 2.4 验证性分析 2.4.1 天花板和地板效应检验：HLS-SF9 和 HLS-SF4 的可靠性可通过最小的地板 / 天花板效应而得到加强。 表 4 显示其在数据集 2 中的天花板和地板效应，均未超 过 15%，说明得分最低或最高的被试可以相互区分，利 于信度的测量。 表 4 两个精简版量表的 HL 指数得分情况 Table 4 HL index scores for the two short versions of the scales 量表 最小值 （分） 最大值 （分） 得分 （分） 地板效应 （%） 天花板效 应（%） HLS-SF9 0 50 35.08±7.96 0.2% 9.2% HLS-SF4 0 50 33.05±9.05 0.5% 10.2% 2.4.2 信度验证：使用数据集 2 检验两个简化后的健康 素养量表的信度，分析显示，HLS-SF9 和 HLS-SF4 的 Cronbach's α 系数为 0.913 和 0.842、折半信度为 0.871 和 0.815，各条目删除后的信度均≤ 0.910 和 0.810，信 度分析指标良好。2.4.3 效度检验 2.4.3.1 结 构 效 度： 在 数 据 集 2 中 对 HLS-SF4 进 行 Bartlett 球 形 检 验 和 KMO 度 量。HLS-SF4 的 Bartlett 球 形检验值为 5 915.883（P<0.01），KMO 度量为 0.807， 可以进行因子分析。随后探索性因子分析提取出 1 个特 征根大于 1 的因子，从 CTT 的角度验证了其单维性， 累积方差贡献率为 67.813%，各条目的因子载荷量均大 于 0.81。 对 HLS-SF9 的 9 个条目进行验证性因子分析（图 2），HLS-SF9 的验证性因子分析模型适配指标的检 验结果显示χ2 /df=10.844、GFI=0.985、AGFI=0.971、 NFI=0.986、CFI=0.987 和 RMSEA=0.051， 除 χ2 /df 外 均达到理想标准，需要说明的是 χ2 /df 消除了自由度的 影响，但没有消除样本容量的影响，由于样本数量为 3 769，属于大样本，而相关研究表明当样本数较大时， 模型整体适配度的卡方值就会随着样本数增大而显著增 大，这时只需要考虑其他重要指标，而这个指标就可以 忽略。因此三维 9 条目的 HLS-SF9 模型拟合结果较好。 图 2 HLS-SF9 验证性因子分析模型 Figure 2 HLS-SF9 confirmatory factor analysis model 2.4.3.2 实证效度：以往研究表明，健康素养与领悟 社会支持、家庭健康均呈显著相关［36-38］。本研究运 用 数 据 集 2 将 PSSS、FHS-SF 和 HLS-SF12、HLSSF9、HLS-SF4 同时进行相关分析，结果显示，HLSSF12 与 PSSS 呈正相关（r=0.361，P<0.001），与 FHSSF 呈 正 相 关（r=0.329，P<0.001），HLS-SF9 和 HLSSF4 与 PSSS 呈 正 相 关（r=0.367，P<0.001；r=0.292， P<0.001），与 FHS-SF 呈正相关（r=0.340，P<0.001； r=0.237，P<0.001）， 表 明 HLS-SF9 和 HLS-SF4 的 实 证效度良好。 2.4.4 测 量 内 容 一 致 性： 基 于 数 据 集 2， 本 研 究 分 析 了 两 个 简 化 版 健 康 素 养 的 效 标 效 度。HLS-SF9 对 HLS-SF12 的 效 标 效 度 的 ICC（95%CI） 为 0.989 （0.988~0.999），HLS-SF4 效标效度的 ICC（95%CI） 为 0.892（0.886~0.899），表明效标效度良好及以上， 即两个精简后的量表与完整版量表所测量的内容有高度 一致性。
3 讨论 3.1 量表简化过程和结果的合理性 HLS-SF12 运用主成分分析法进行简化，在亚洲 6 个国家 / 地区的验证结果显示［10］，较好地反映了 HL 的理论结构，并在健康素养水平亚组人群间存在有效 差异，校标检验显示 HLS-SF12 对亚洲健康素养量表 HLS-EU-Q47 的解释有效性高于欧洲地区量表 HLSEU-Q16。HLS-SF12 量表已被国外学者应用于普通门诊、 骨科及中医科等科室患者的研究［39］，以及在越南农民、 新型冠状病毒感染期间卫生工作者及门诊患者等人群中 得到验证应用［40-42］，均表明该量表具有良好的信效度， 并且在跨文化背景、地域差异以及社会群体差异等方面 具有普适性，可作为应用多群体健康素养的有效衡量 工具。 以往简化的研究中常用经典测量理论和 Mokken 模 型这两个理论模型。一方面，CTT 是历史悠久、发展时 间长、应用最广、最为人们熟知的一种心理测量学理 论［43］，其将测验观察分数表示为真分数和误差分数之 和，并且在其假设的基础上，经过几十年的实践，从理 论上推导出包括信度、效度、条目难度和区分度等十几 个参数的计算公式，建立了完善测验方法体系，明确了 测验标准化程序，使整个测验过程更加客观、科学。除 此之外，CTT 拥有一套较为易懂的数学模型、参数概念 和估计方法，提倡的标准化技术能有效控制测量过程中 产生的误差，更重要的是，其理论和方法体系相对完整， 前提假设比较弱，很容易为实际工作所满足［44］。例如， 于斌斌等［45］采用基于经典测量理论的极端值法、相关 系数法和 CITC 将批判思维倾向量表简化为 28 个项目， 且信效度检验结果显示简化版量表可用性强。另一方面， IRT 的测验模型也被证实具有更多的优点，其采用非线 性模型，建立了被试对项目的反应与其潜在特质之间的 非线性关系，这一点更符合实践领域中的施测情况［46］。 而 Mokken 模型是非参数项目反应理论模型的一种，具 有非参数的特性，同样服从 IRT 的基本原则，可以弥 补参数项目反应理论模型的不足［47］。对所有项目进行 Mokken 模型分析后可以将不符合理论假设的项目加以 删除或修改，进一步提高量表的质量［48］，WANG 等［49］和 WU 等［50］使用 Mokken 模型分别简化了新的一般自 我效能感量表和领悟社会支持量表，信效度良好，可应 用于实践领域。 在简化前，本研究使用验证性因子分析对数据集 1 中原量表的结构效度进行验证，结果表明健康素养量表 （HLS-SF12）的结构效度良好。在基于经典测量理论 的量表简化过程中，本研究还根据 4 种常用于项目分析 的经典测量理论的方法对健康素养量表进行精简，其中 每个维度中有一个条目在项目间残差相关性中考虑删 除，将其删除后形成 1 个 9 条目的简版量表（HLS-SF9）。 在根据非参数项目反应理论进行量表简化的过程 中，本研究对完整版量表进行 Mokken 分析。首先对完 整版量表进行分析，单维性检验表明完整版量表只能得 到 1 个维度，同质性系数良好，但在局部独立性检验中， 依次删除了具有条件关联的 8 个条目，再进行单调性检 验，没有删除多余的项目，最终得到了 1 个 4 条目的简 版量表（HLS-SF4）。 以经典测量理论和 Mokken 模型为基础开展简化工 作，得到了两个精简后的版本 HLS-SF9 和 HLS-SF4， 利用数据集 2 的数据进行天花板和地板效应分析，结果 表明两个效应均低，可以较好区分高、低分被试，有 利于进行进一步的信度分析。信度检验表明，两个简 版量表信度良好。然而，HLS-SF9 的各信度优于 HLSSF4。在结构效度检验中首先进行了 Bartlett 球形检验和 KMO 度量，确定 HLS-SF4 可以进行因子分析，然后采 用探索性因子分析验证 HLS-SF4 的简化结构，经过主 成分分析提取出 1 个特征根大于 1 的公因子，结果符合 Mokken 模型分析中 AISP 所检验的量表单维结构的前提 假设；对 HLS-SF9 则采用验证性因子分析，结果显示 其三维模型的各项适配指标均为优秀，说明 9 条目的简 版量表被划分为三个维度是合理的。值得一提的是，两 个简版量表是采用两种不同的结构效度验证方式检验量 表结构，这有两个原因：一是利用经典测量理论简化条 目时，并未涉及维度的增减，维度确定且与原量表保持 一致；二是利用 Mokken 模型简化条目时，打破了原有 的维度，合并成单一维度，且简化后保留的条目只涉及 前两个维度。实证效度检验的结果显示，HLS-SF9 以及 HLS-SF4 均具有较好的实证效度。测量两个精简后的量 表与完整版量表的 ICC 指数，结果表明所要测量的内容 有高度一致性，但 HLS-SF9 高于 HLS-SF4。综上所述， HLS-SF9 条目保留原量表因子结构，信度、实证效度较 优，和原量表的测量内容一致性更高，而 HLS-SF4 条 目少，各项因子载荷量更高，因此保留两个精简版本均 具有合理性。研究人员可根据各自研究的情况选择更具 有针对性的测评量表，如首要目的是获得更精确的测量 结果，则可以采用 HLS-SF9；若首要目的是缩短整体问 卷作答时间（如在大型横截面调研项目中，可通过牺牲 精度以获得更精简的问卷量），则 HLS-SF4 更为适用。 在传染性或非传染性疾病的预防与控制中，健康素 养是不容忽视的重要因素，比如在新型冠状病毒感染的 信息疫情中，健康素养成为公众辨识“谣言”的关键 工具［51］。本研究使用全国范围的大样本研究数据，尽 可能降低地域差异带来的偏倚，以提高研究的可推广 性［52］，并将数据随机生成两个样本群，相互验证研究 结果。精简后的健康素养量表条目相较于国内的常用的 评估问卷，条目数量少、作答时间短、作答难度较低， 更适宜测评全年龄段人群抑或在综合性问卷中使用。 3.2 局限及未来研究 本研究分别采用两种理论为基础，皆严格遵守了量 表简化的理论原则，但仍存在一定局限性。例如本研究 选择全国大样本横截面研究为数据来源，未来需要在纵 向研究中，做简化版量表的有效性与稳定性验证工作； 在多领域实际运用中，也需要更多的适应性验证与调整。 综上所述，本研究运用经典测量理论以及 Mokken 模型筛选 HLS-SF12 条目，经过简化的 9 条目与 4 条 目的健康素养量表在我国公众群体中具有良好的信效 度，可以作为测评我国全人群健康素养的可靠且精简的 工具。 作者贡献：孙小楠、陈珂进行文章的构思与设计， 撰写论文；孙小楠、陈珂、武运筹、王飞、孙昕霙进行 研究的实施与可行性分析；孙小楠、汤靖琪进行数据收 集、整理；孙小楠、陈珂、武运筹进行统计学处理，结 果的分析与解释；孙小楠、陈珂、汤靖琪进行论文的修 订；贺苗、吴一波对文章整体负责，监督管理。
本文无利益冲突。--转载文献
免责声明：仅供科研学习和分享，不做商业用途，如有侵权，请联系我们删除，谢谢