花 靜，彭 麗，吳擢春，曹 萌，楊丹丹，許建明，耿福海

高溫熱浪可導致人體體溫調節(jié)系統(tǒng)的功能失調，從而誘發(fā)心血管疾病或中暑的發(fā)生。而隨著全球氣候變暖趨勢的不斷持續(xù)，高溫對于人類健康的危害也日益加劇。上海市氣象局從2004年開始推行了針對熱相關疾病的高溫預警服務，除了對高溫本身進行預報以外，對于不同預警等級還制訂了預防熱相關疾病的相應措施，成為了上海地區(qū)防止中暑等熱相關疾病的綜合預防措施之一。然而該項預警服務措施實施至今對公眾的效果效益如何亟待相關研究進行評價，由于其效果指標的測量涉及了“健康結局”及“服務依從性”等問題，無法單純沿用氣象領域傳統(tǒng)的服務評估指標[1-6]，需要結合衛(wèi)生和氣象領域的特點，采用量化的方法構建測量工具，對該服務進行有效和可靠的評估。因此本研究選擇了曾用于“社區(qū)衛(wèi)生服務效果評估”的“邏輯框架”理論作為基礎，從服務可及性、關注滿意度、依從性、服務效果效益(將“中暑”等熱相關疾病的發(fā)生和相應醫(yī)療費用也作為評價的指標)等方面構建“高溫預警服務公眾評價量表”。通過服務人群的調查對該量表的穩(wěn)定性(信度)和可靠性(效度)進行評價，不僅為高溫預警服務的效果評估提供可靠的工具，也可為進一步建立“上海地區(qū)醫(yī)學氣象服務效果評價體系”提供依據。

1 對象與方法

1.1 調查對象 2011年10月，以攔截式調查方式在上海市9個重點商圈開展問卷調查，共獲問卷684份，其中有效問卷435份。本研究所獲得的樣本量符合量表信效度分析要求的觀測條目(13條)與樣本量比例為1∶5或以上。調查員由具有公共衛(wèi)生專業(yè)背景本科以上學歷的人員組成。正式調查開始前，對調查人員進行統(tǒng)一培訓，使其明確調查的目的和意義、并了解高溫對于人體危害的相關知識，統(tǒng)一指導語，在向被調查者提問和解釋條目意思時采用通俗化、易于理解以及不產生歧義的語言。問卷回收后進行逐條審查。并在數據輸入前對問卷進行“二次”核查。本研究獲得復旦大學公共衛(wèi)生學院倫理學委員會批準，批準號：IRB#2011-10-0320。

1.2 量表設計 本研究首先通過查閱文獻資料了解國內外現有的健康氣象服務效果評價研究現狀，并在廣泛征集一線氣象預報服務人員建議的基礎之上制定了15個條目的初始問卷。隨后以小組討論(8名專家組成)的方式對不適合本國實際情況的條目予以刪減，增加相應適用性更強的條目，或對條目內容進行修改，最后確定了13個條目進行問卷調查。問卷采用里克特五分法，分1～5級計分，其中“沒有”計1分，“輕微”計2分，“一般”計3分，“比較高”計4分，“非常高”計5分，得分越高表明情況越好。問卷中同時包括了年齡、性別、職業(yè)和文化程度等基本信息的調查。

1.2.1 信度分析 采用Guttman折半系數分析量表的內部一致性，將量表題目按照奇偶數分成兩個折半量表，獲得兩個折半量表測驗總分的相關系數即折半系數[7]?？死拾秃障禂?Cronbach′s α)是評價量表內部一致性信度的另一方法，α取值在0～1，測量學上認為，總量表Cronbach′s α系數在0.80以上為佳，0.70～0.80是可以接受的范圍，如果低于0.7為信度不良[5]。

1.2.2 效度分析 采用條目水平內容效度指數(item-level content validity index，I-CVI)評價內容效度，由7名專家對每個測試條目根據符合、修改后符合、不符合三個等級(分別賦值3、2、1)進行評分，最后將評分相加后除以滿分值(即7名專家均評為“符合”的總分)即獲得I-CVI[8]，I-CVI大于0.80提示內容效度較好。量表的結構效度采用探索性和驗證性因素分析兩種方法。探索性分析[9]運用主成分分析法提取公因子，采用因子特征值>1.0作為判斷標準(Kaiser標準)，采用正交旋轉法進行因子旋轉[10]；根據探索性因素分析的結果，構建量表驗證性因素分析(confirmatory factor analysis，CFA)模型，模型的擬合度指標[11-13]除了卡方自由度比(χ2/df)外，還包括了擬合優(yōu)度指數(good-of-fit index，GFI)、調整擬合優(yōu)度指數(adjusted goodness-of-fit Index，AGFI )、正規(guī)擬合指數(normed fit index，NFI)、比較擬合指數(comparative fit index，CFI)等。結構效度中的聚合效度通過所獲得的最終模型的因素載荷和各因子的平均方差抽取量(average variance extracted，AVE)判斷；而結構效度中的區(qū)分效度根據量表總得分區(qū)分出高分組(前27%)與低分組(后27%)，采用兩獨立樣本t檢驗分析高、低分組在每個測試條目的差異；方差不齊者采用調整t檢驗。

1.3 統(tǒng)計學方法 采用Epidata 3.1錄入數據，并進行邏輯核查；一般信效度分析應用SPSS 17.0軟件進行統(tǒng)計分析，驗證性因素分析采用AMOS 17.0軟件。在數據分析前，采用Adhoc法對調查數據的缺失值進行處理[9，14]。檢驗水準為α=0.05。

2 結果

2.1 調查對象的基本情況 435名被調查者中，男242人，占55.6%，女193人，占44.4%。年齡為18～86歲，20歲以下者15人(3.5%)，20～年齡組為191人(43.9%)，30～年齡組為74人(17.0%)，40～年齡組為55人(12.6%)，50～年齡組為54人(12.4%)，60～年齡組為28人(6.4%)，70歲及以上者為12人(2.8%)，未應答者6人(1.4%)。被調查者職業(yè)分布：工人19人(4.4%)，服務業(yè)人員59人(13.5%)，公司職員113人(26.0%)，醫(yī)務人員19人(4.4%)，教師16人(3.7%)，科研人員31(7.1%)，其他職業(yè)或退休在家者169人(38.8%)，未應答者9人(2.1%)。工作類別中，33人(7.6%)為戶外工作者，354人(81.4%)為室內工作者，未應答者48人(11.0%)。被調查者文化程度的構成為，小學及以下者16人(3.6%)，初中文化程度者45人(10.4%)，高中畢業(yè)77人(17.7%)，大專或以上文化程度者284人(65.3%)，未應答者13人(3.0%)。

2.2 內部一致性信度 13個條目的Guttman折半系數為0.521，總Cronbach′s α系數為0.699，提示內部一致性信度不夠理想。去除條目后的Cronbach′s α系數為0.613～0.711(見表1)，其中去除第三個條目(高溫預警信息時效)后，Cronbach′s α系數可提高為0.711，提高值最大。

2.3 內容效度 由具有食品衛(wèi)生、流行病學、氣象學背景的7個專家進行評議，專家對各條目的評分情況見表2，分析結果顯示高溫預警氣象公眾評價量表13個條目的I-CVI為0.75～0.88(見表3)，均達到或接近推薦值0.80；平均I-CVI為0.84，大于0.80，提示該量表的內容效度較好。

2.4 結構效度

2.4.1 探索性因素分析 將13個條目做探索性因素分析，KMO檢驗值為0.702，Bartlett球度檢驗χ2=1 009.12，P=0.000，提示可以進行因子分析。主成分分析提取特征根大于1的5個因子，累積方差貢獻率為55.741%；經最大變異法正交旋轉獲得因子分析成分矩陣?！皩嵯嚓P疾病的了解程度”這一項該因素載荷偏低，接近0.32仍暫時保留，其余條目在各所屬因子(維度)大部分條目的因素載荷均在0.4以上，表明量表聚合效度較好。見圖1、表4。

表1 高溫預警服務公眾評價量表內部一致性信度

Table1 The internal reliability of the public assessment scale on heat emergency meteorological service

條目去除該條目后平均得分去除該條目后得分方差該條目與總分的相關系數去除該條目后Cronbach'sα系數獲取高溫預警信息的渠道38.35229.5000.2910.636獲取高溫預警信息的頻率37.49730.0710.2570.641高溫預警信息時效38.53833.1150.0680.711高溫預警的關注程度37.24829.3160.3790.624高溫預警信息準確性的評價37.05331.3910.2630.642高溫預警服務的總體評價36.97930.4950.3660.630對熱相關疾病的了解程度37.21130.5080.3060.635高溫預警服務的依從程度37.00030.9450.3080.637室內活動采取的防范措施37.82127.7280.3560.624戶外活動采取的防范措施38.14927.4590.3890.618高溫預警對中暑發(fā)生的影響36.96328.8100.3480.627高溫預警對醫(yī)療開支的影響37.59327.9840.4260.613高溫預警對日常生活的影響37.48529.0570.3210.631

表2 高溫預警服務公眾評價量表各條目專家評分情況

Table2 The professionals＇s assessing scores of the public assessment scale on heat emergency meteorological service

條目專家1專家2專家3專家4專家5專家6專家7獲取高溫預警信息的渠道3333332獲取高溫預警信息的頻率3333333高溫預警信息時效3333332高溫預警的關注程度3313333高溫預警信息準確性的評價3333233高溫預警服務的總體評價3333333對熱相關疾病的了解程度3333333高溫預警服務的依從程度3333333室內活動采取的防范措施3323333戶外活動采取的防范措施3323333高溫預警對中暑發(fā)生的影響3323333高溫預警對醫(yī)療開支的影響3323313高溫預警對日常生活的影響3323133

表3 高溫預警服務公眾評價量表I-CVI

Table3 The item-level content validity of the public assessment scale on heat emergency meteorological service

條目I-CVI獲取高溫預警信息的渠道0.83獲取高溫預警信息的頻率0.88高溫預警信息時效0.83高溫預警的關注程度0.79高溫預警信息準確性的評價0.83高溫預警服務的總體評價0.88對熱相關疾病的了解程度0.88高溫預警服務的依從程度0.88室內活動采取的防范措施0.83戶外活動采取的防范措施0.83高溫預警對中暑發(fā)生的影響0.83高溫預警對醫(yī)療開支的影響0.75高溫預警對日常生活的影響0.83

注：I-CVI=條目水平內容效度指數

圖1 探索性因素分析碎石圖

表4 高溫預警服務公眾評價量表探索性因素分析成分矩陣

Table4 The exploratory factor analysis of the public assessment scale on heat emergency meteorological service

條目因子1因子2因子3因子4獲取高溫預警信息的渠道0.646獲取高溫預警信息的頻率0.679高溫預警信息時效0.641高溫預警的關注程度0.542高溫預警信息準確性的評價0.780高溫預警服務的總體評價0.800對熱相關疾病的了解程度0.291高溫預警服務的依從程度0.649室內活動采取的防范措施0.805戶外活動采取的防范措施0.815高溫預警對中暑發(fā)生的影響0.757高溫預警對醫(yī)療開支的影響0.782高溫預警對日常生活的影響0.793

注：萃取方法為主成分分析，旋轉方法為最大方差法

2.4.2 驗證性因素分析 采用驗證性因素分析模型評價高溫預警服務公眾評價量表的結構效度，根據“邏輯框架”理論，參照條目信度分析(去除第三個條目)和探索性因素分析結果構建初始模型(見圖2)，擬合結果χ2/df=2.689，GFI 0.959和AGFI 0.927，均大于0.9。NFI為0.880，CFI為0.921，達到和接近0.9。RMSEA為0.062，高于接受值0.05，提示模型擬合不夠理想。將初始模型進行修正(共修正5次，將不具有統(tǒng)計學意義的路徑逐一去除后重新擬合)，最終模型(見圖3)的擬合結果為χ2/df=2.838，GFI為0.965，AGFI為0.934，均大于0.9；NFI為0.906，CFI為0.936，超過0.9；RMSEA為0.045，提示該模型較為理想；最終模型各條目的因素載荷均大于0.32，有統(tǒng)計學意義 (P<0.001)，且MI均小于3.65，提示該模型可以接受；模型參數估計結果為各條目的因素載荷均大于0.32，有統(tǒng)計學意義(P<0.001)；四個因子的AVE分別為0.533、0.481、0.519、0.512，修正后的量表(最終模型)聚合效度較好。

圖2 驗證性因素分析初始模型標準化參數路徑圖

Figure2 The standardized coefficients of the initial model of the confirmatory factor analysis

圖3 驗證性因素分析最終模型標準化參數路徑圖

Figure3 The standardized coefficients of the final model of the confirmatory factor analysis

2.4.3 區(qū)分效度分析 將量表總得分前27%者納入高分組，將后27%者納入低分組，分別將高分組和低分組每個條目的得分進行比較，結果顯示兩組間各條目的得分差異均有統(tǒng)計學意義(P<0.05)，13個條目均具有鑒別度，提示量表區(qū)分效度良好。見表5。

3 討論

為實現對上海地區(qū)高溫預警服務的評價，本研究采用了量化的方法，收集并確定了高溫預警氣象服務公眾評價量表的內容。并通過在服務人群中實證調查獲取數據，從內部一致性信度、外部一致性信度、內容效度、結構效度等方面對量表的應用性進行評價，為進一步開展上海地區(qū)高溫預警服務效果評價提供有效、可靠的測量工具。

Table5 Comparison of scores of each the publie assessment scale on heat emergency meteorological service iterm between high achievers and low achievers group

測試條目高分組(n=117)低分組(n=115)檢驗統(tǒng) 計量值 P值獲取高溫預警信息的渠道2.60±1.011.94±0.995.251 <0.001獲取高溫預警信息的頻率3.44±0.992.95±1.003.915 <0.001高溫預警信息時效2.23±1.411.88±1.282.071 <0.038高溫預警的關注程度3.98±0.722.88±0.9510.448*<0.001高溫預警信息準確性的評價3.97±0.443.30±0.798.397*<0.001高溫預警服務的總體評價4.19±0.543.28±0.7011.580*<0.001對熱相關疾病的了解程度3.85±0.703.01±0.838.575 <0.001高溫預警服務的依從程度4.11±0.493.32±0.7510.060*<0.001室內活動采取的防范措施3.74±1.032.06±0.9213.556*<0.001戶外活動采取的防范措施3.39±0.961.67±0.8315.245 <0.001高溫預警對中暑發(fā)生的影響4.32±0.692.93±1.1211.945*<0.001高溫預警對醫(yī)療開支的影響3.81±0.802.27±0.8714.607 <0.001高溫預警對日常生活的影響3.79±0.882.47±0.9511.451*<0.001

注：*為t′值，余檢驗統(tǒng)計量值為t值

3.1 量表題目的質量 在題目收集與篩選過程中，研究者首先對相關文獻進行了深入的分析與研究，發(fā)現以評價服務績效的“邏輯框架”模型為理論基礎，內容涉及服務內容、滿意度、效果效益等指標體系，具有較廣泛的涵蓋面和較強的操作性，適合進行氣象服務的評估研究。因此，高溫預警氣象服務公眾評價量表的構建以“邏輯框架”模型為理論基礎，同時借鑒了國內外部分學者有關氣象服務評估的研究成果，在征求一線氣象預報服務人員建議的基礎之上確定了15個初始題目反映高溫預警服務的可及性、服務關注滿意度、服務依從性和服務效果效益。為了確保題目內容的表意符合研究目的需求。之后，通過小組討論和專家咨詢，從題目的語義學層面對每個問題進行了反復的推敲和修改，并在服務可及性方面減少了兩個題目，而在服務依從性和效果效益方面各增加了一個問題，保證了量表題目的質量。

3.2 量表的信度 本研究首先對13個條目的內部一致性進行了評價，研究結果顯示該量表折半系數為0.521，提示該量表的內部一致性信度尚可接受。然而，正如Crocker等[15]指出：Cronbach′s α系數是估計信度的最低限度，是所有可能折半系數的平均數，在反映量化工具一致性方面優(yōu)于折半系數，因此本研究又采用了Cronbach′s α系數進行內部一致性的評價，結果顯示該量表總Cronbach′s α系數較高，提示各條目具有較為相同的特質，各條目之間的相關性較高，內部一致性信度較為理想。而從去除各條目后的Cronbach′s α系數的結果來看，“高溫預警信息時效”這一題目的去除可相對提高量表的總Cronbach′s α系數，可考慮將該條目進行修正，進一步提高該量表的信度。

3.3 量表的效度 在內容效度方面，本研究通過7位相關學術背景專家的評分，分析高溫預警服務公眾評價量表的I-CVI，結果顯示大部分題目達到或接近推薦值0.8，平均I-CVI甚至超過了0.8，說明了該量表內容效度理想，能夠較好地反映所要評測的內容。而結構效度方面，分析結果顯示無論是探索性因素分析還是驗證性因素分析的最終模型大部分條目的標準化因素載荷均超過0.4，僅“對熱相關疾病的了解程度”這一條目的因素載荷偏??；其次，驗證型因素分析結果顯示三個因子的AVE均超過0.5(僅“服務依從性-知識態(tài)度”這一因子未超過0.5)，均說明了各因子對條目變異量的解釋率較高，量表的聚合效度較好。而從該量表的區(qū)分效度來看，13個條目的高分組和低分組的得分均有差異，說明每個條目均具有一定鑒別度，此外，驗證性因素分析結果也顯示最終模型修正指數小于3.84，均表明該量表具有較好的區(qū)別效度[16]。聚合效度和區(qū)分效度良好充分說明了量表的結構效度理想。

綜上所述，本研究構建的“高溫預警服務公眾評價量表”在本地區(qū)(上海地區(qū))人群的應用中內部一致性信度、內容效度和結構效度均理想，基本達到了心理測量學的要求，可作為開展上海地區(qū)高溫預警服務效果評估研究的調查工具。并且根據人群調查的“簡效”原則，依據信度分析(去除第3個條目)和驗證性因素(去除第1、2個條目)分析結果可將量表調整為10個條目作為下一步高溫(熱相關疾病)預警服務效果評估的調查內容，從而為促進上海地區(qū)熱相關綜合預防模式的推進提供有力的依據。

1 黃治勇，王麗，王仁喬，等.公眾氣象服務質量評價方法研究[J].湖北氣象，2002，21(2)：30-32.

2 王新生，陸大春，汪臘寶，等.安徽省公眾氣象服務效益評估[J].氣象科技，2007，35(6)：853-857.

3 王仕星，雷俊，方英，等.公共氣象服務滿意度調查評估體系初探[J].浙江氣象，2009，30(4)：20-37.

4 李峰，鄭明璽，黃敏，等.山東公眾氣象服務效益評估[J].山東氣象，2007，27(1)：22-24.

5 李有宏，賀敬安，張海珍，等.青海省2006年公眾氣象服務效用定量評估[J].青?？萍?，2009，16(2)：16-19.

6 段欲曉，王玉彬，王迎春，等.好運北京決策氣象服務效益評估[J].氣象軟科學，2008，2(3)：14-19.

7 馬文軍，潘波.問卷的信度和效度以及如何用SAS軟件分析[J].中國衛(wèi)生統(tǒng)計，2000，17(6)：364-365.

8 Polit DF，Beck CT.The content validity index：Are you sure you know what′s being reported? Critique and recommendations[J].Res Nurs Health，2006，29(5)：489-497.

9 Abraham WT，Russell DW.Missing data：A review of current methods and applications in epidemiological research[J].Current Opinion in Psychiatry，2004，17(4)：315-321.

10 孫曉軍，周宗奎.探索性因子分析及其在應用中存在的主要問題[J].心理科學，2005，28(6)：1440-1442.

11 邱皓政，林碧芳.結構方程模型的原理與應用[M].北京：中國輕工業(yè)出版社，2009：73-89，300-304.

12 孫春輝，鄭日昌.《學習適應量表》的驗證性因子分析[J].心理學探新，2001，21(2)：59-64.

13 Cox BJ，Enns MW，Clara IP.The multi-dimensional structure of perfectionism in clinically distressed and college student samples[J].Psychological Assessment，2002，14(3)：365-370.

14 胡紅曉.缺失值處理方法比較研究[J].商場現代化，2007，36(5)：352-353.

15 Crocker L，Algina J.Introduction to classical and modern test theory[M].Philadelphia：Harcourt Brace Jovanovich College Publishers，1986.

16 侯杰泰.結構方程模型及其應用[M].北京：教育科學出版社，2004.