偏头痛筛查问卷：基于分类数据方法的进一步心理测量学证据

DOI: https://doi.org/10.1186/s12955- 020- 01361- 9

摘要总结 需要对用于偏头痛筛查的工具（包括偏头痛筛查问卷，MS-Q）进行心理测量学调查，并采用适当的统计方法。

我们使用分类数据方法评估了偏头痛筛查问卷（MS-Q）的心理测量学特性。

累积方差规则（> 40%）、Kaiser准则（特征值> 1）、Scree检验和平行分析（最小秩）均识别出MS-Q的单因子模型，因子载荷范围为0.78–0.84。

拟合指数支持MS-Q的单因子模型，比较拟合指数（0.993）、加权均方根残差（0.048）、近似均方根误差（0.067）、拟合优度指数（1.00）和非范数拟合指数（0.987）均支持这一结果。

判别效度得到了支持——在有注意力问题的人群中，总分及除一项外的所有MS-Q条目得分均显著更高。

分类方法支持MS-Q在研究人群中的心理测量学效度。

扩展内容：判别效度通过Mann-Whitney U检验进行评估。本研究的结果以及先前在临床人群中发表的诊断准确性研究结果，为其在临床和研究环境中筛查偏头痛的使用提供了强有力的证据。

引言 一个简短、可靠且有效的问卷将有助于初级保健医生筛查偏头痛，并减少其漏诊率。

偏头痛筛查问卷（MS-Q）是一种简短的偏头痛筛查工具，具有良好的诊断效度、重测信度和内部一致性——由Cronbach's alpha确定[171]。

偏头痛和头痛工具的心理测量学特性研究一直倾向于检验重测信度、同时效度和内部一致性[170, 171, 271–274]。

鉴于MS-Q作为潜在且具有临床实用价值的筛查工具的价值，需要进一步研究其测量特性，包括内部一致性、

526

3 诊断

因子效度和判别效度，特别是考虑到MS-Q条目得分的分类性质。

本研究根据分类数据假设，检验了MS-Q在大学生中的因子效度、内部一致性和判别效度。

材料与方法 MS-Q条目与总分之间的Spearman相关表明了同质性和条目区分度。

样本量充分性及MS-Q得分适合因子分析的适宜性由Bartlett球形检验、行列式、Kaiser-Meyer-Olkin（KMO）抽样适度检验（95%置信区间）、公因子方差和条目间四分相关确定。

由于MS-Q的条目间得分是二分变量，因此使用四分相关（通过Bootstrap抽样估计）进行因子分析。

H-latent是因子与连续潜在反应得分之间相关性的量度，该潜在反应得分被认为构成了MS-Q条目观察分类得分的基础。

H-observed是因子与观察条目得分之间相关性的量度，且必然低于H-latent[275]。

它是MS-Q条目得分在最小秩因子分析第二个因子上绝对载荷的量度。

结果 所研究大学生的MS-Q得分满足了因子分析的条件。

MS-Q条目得分之间存在充分的线性组合，正如Bartlett球形检验结果所示（< 0.001）[276]。

MS-Q条目得分中不存在多重共线性和奇异性的问题，正如行列式得分（0.282）所示[276]。

这通过证实不存在多重共线性和奇异性问题，进一步支持了MS-Q得分的可因子化性[277]。

以注意力二分变量（无问题/注意力问题）为状态变量、MS-Q总分为检验变量的ROC曲线分析显示，曲线下面积为0.66，95%置信区间为0.58–0.74。

讨论 证据表明，MS-Q的单维模型在大学生中具有充分的因子效度、优秀的内部一致性、较强的内部同质性以及充分的判别效度和条目区分度。

所有五个条目均与MS-Q在研究人群中的构念效度相关，正如公因子方差准则所暗示的[278]。

这是第一项检验MS-Q因子效度和模型拟合的研究；因此无法与先前研究的人群进行直接比较。

3.3 临床诊断

527

总分及除一项外的所有MS-Q条目得分显著更高，支持了MS-Q在研究人群中的已知组别判别效度。

本研究通过报告MS-Q因子验证的结果填补了偏头痛筛查领域的这一空白。另一个优势是遵循单变量分布的要求，使用McDonald's omega评估内部一致性[279]。

结论 研究结果通过提供充分的因子效度、优秀的内部一致性、较强的内部同质性以及充分的判别效度和条目区分度的证据，提供了进一步的心理测量学验证。

本研究的结果以及先前在临床人群中发表的诊断准确性研究结果，为其在临床和研究环境中筛查偏头痛的使用提供了强有力的证据。

致谢 本摘要基于Manzar, Md. Dilshad; Hameed, Unaise Abdul; Salahuddin, Mohammed; Khan, Mohammad Yunus Ali; Nureye, Dejen; Wakene, Wakuma; Alamri, Majed; Albougami, Abdulrhman; PandiPerumal, Seithikuruppu R.; Bahammam, Ahmed S. 2020年发表于Health and Quality of Life Outcomes的工作，由机器生成。

表现为发作间期广泛性压力痛觉过敏（通过压痛点计数识别）的偏头痛患者特征：一项横断面研究