褚紅玲,周云仙,倪凱文,李鳳衛(wèi),趙一鳴*
定性研究通過現(xiàn)場觀察、體驗或訪談等資料收集方法,對社會現(xiàn)象進行分析和深入研究,可以更深刻地了解醫(yī)生和患者的態(tài)度、觀點、期望,觀察醫(yī)療行為、醫(yī)患關系,探索醫(yī)療服務、預防保健過程中的障礙,以及患者的治療期望和結(jié)局評價等問題,更好地體現(xiàn)全科醫(yī)學以患者為中心的醫(yī)療模式,有助于獲得具有全科醫(yī)學特色的研究成果,促進基層醫(yī)療衛(wèi)生服務發(fā)展。在國外,定性研究在全科領域的應用已經(jīng)比較成熟,國內(nèi)尚處于早期發(fā)展階段,在定性研究開展過程中還有很多困擾研究者的問題。而樣本量是很多研究者在撰寫研究計劃階段就開始思考的問題。本文介紹基于信息效能模型考慮定性訪談的樣本量,為定性研究者初步擬定訪談對象的數(shù)量提供參考依據(jù)。
在較早期,有研究根據(jù)定性研究樣本量估計指導文獻來確定樣本量,CRESWELL[1]1998年出版的關于定性研究設計的書籍中提到一般20~30人的樣本量可以滿足大多數(shù)定性研究的需要。另外,還有一些研究通過參考既往文獻來初步預估研究的樣本量[2]。
目前更常用理論飽和、信息飽和來說明定性研究的樣本量選擇是否足夠。理論飽和通常用于扎根理論,理解為“沒有新的類屬或相關主題出現(xiàn)時”。只有當研究者已經(jīng)在一定深度上探究每個類屬/主題,找出了不同條件下其各種屬性和維度,研究者才能說該研究已經(jīng)達到了理論飽和。事實上,研究者可以繼續(xù)不斷地收集資料,為類屬增加新的屬性和維度。盡管絕對的飽和可能永遠無法達到,但是如果研究者認為主要類屬已顯示出深度和變化,為理解一個現(xiàn)象已經(jīng)提供了相當豐富的信息,而且與其他類屬之間的關系已經(jīng)被澄清,那么研究者就可以說理論抽樣已經(jīng)充分,研究已經(jīng)達到理論飽和。當然,研究者最終應該表述為就該研究的目的來說,這個概念已經(jīng)發(fā)展得很充分,并且將沒有涵蓋的部分視為研究局限性之一[3]。信息飽和通常作為除外扎根理論的定性研究確定樣本量的判斷標準。潘綏銘等[4]提出,就某個研究目標而言,無論是單獨一次訪談還是連續(xù)對多人的訪談,都不存在任何一種客觀上的信息飽和。因為人類目前還無法對生活世界中的原始信息進行測量與計算。信息飽和其實是訪談雙方共同構(gòu)建出來的結(jié)果,因此必須從研究者和被訪者兩個角度來判定。從被訪者的角度,如果被訪者已經(jīng)把話說完或者已經(jīng)沒有可表述的相關內(nèi)容,那么對于被訪者,已經(jīng)信息飽和。從研究者的角度來說,如果研究者認為所獲得的信息已經(jīng)達到其對某一問題認知的兩端,或者足夠分析自己的研究目標,那就認為信息飽和。但是,飽和并不適用于所有類型的定性研究,如對于探索性研究,通常不打算對研究現(xiàn)象的所有方面進行完整描述。
鑒于飽和標準的不確定性,以及在研究設計階段考慮樣本量時對飽和難以估計,MALTERUD等[5]于2016年提出了指導定性研究樣本量估計的信息效能(information power)模型,非常值得借鑒。信息效能的意思是樣本能夠提供的信息的豐富程度,即樣本提供的信息越豐富,與研究內(nèi)容越相關,那么需要的樣本量越少。因此,信息效能取決于:(1)研究目的;(2)樣本的特異性;(3)是否使用了既有理論;(4)訪談的對話質(zhì)量;(5)分析策略。這5個與信息效能相關的維度構(gòu)建成了一個信息效能與樣本量關系的模型(見圖1)。下面將具體介紹這一用于估計定性研究樣本量的實用模型,以此為參考依據(jù)來分析一定樣本量下的信息效能。
圖1 信息效能條目和維度Figure 1 Information power:items and dimensions
2.1 研究目的 定性研究樣本量的信息效能與研究目的息息相關。在選擇研究對象時,研究者應仔細考慮哪些因素與自己計劃研究的問題及所要達到的目的關系最為密切。研究目的越寬泛,為達到足夠的信息效能,需要的樣本量越多。因此,結(jié)合研究目的和可行性,可以通過增大樣本量或者聚焦研究目的來保持足夠的信息效能。
2.2 樣本的特異性 樣本的特異性是指樣本本身的特點,與其人口學特征、經(jīng)驗、知識及其能提供的信息的豐富程度緊密相關。一般來說,研究者希望選擇那些在被研究的環(huán)境中生活了比較長時間、了解研究環(huán)境內(nèi)部實情、具有一定觀察和反思能力、性格比較外向、善于表達的人。這種情況需要較少的樣本量即可達到足夠的信息效能。反之,如果對特異性比較弱的對象進行訪談,則需要較多的樣本量。因此,當樣本特異性無法預測時,可以通過適當?shù)某闃硬呗詠肀M快得到足夠的信息效能[6],如采取效標抽樣,即事先為抽樣設定一個標準或一些基本條件,然后選擇所有符合這個標準或這些條件的個案進行研究;或者最大差異抽樣,使被抽中的樣本所產(chǎn)生的研究結(jié)果能最大限度地覆蓋研究現(xiàn)象中的各種不同情況;或者分層目的抽樣等抽樣策略。建議研究者根據(jù)研究目的,采用合適的抽樣策略來提高樣本的特異性,從而實現(xiàn)選擇較少樣本量達到足夠的信息效能。
2.3 既有理論支持程度 樣本量的信息效能與研究的理論背景水平有關。與應用既有理論指導研究設計和分析相比,無既有理論支持的研究需要更多的樣本才能獲得足夠的信息效能。既有理論框架可以引領研究比較全面地解釋不同維度經(jīng)驗資料的關系和作用。例如,雖然過程評價比較復雜,涉及較多維度,但目前過程評價已有成熟的理論框架可供借鑒,因此,也無需太多樣本量即可獲得足夠的信息效能。
2.4 對話質(zhì)量 信息效能還與訪談的對話質(zhì)量有關,與含糊不清或沒有重點的討論情況相比,清晰明確的高質(zhì)量訪談對話則需較少的參與者即可提供足夠的信息效能。在定性研究中,研究資料是研究者與參與者之間通過互動溝通構(gòu)建的。研究資料的分析價值也取決于訪談者的技能、參與者的口才及研究者和參與者之間的互動,因此訪談者的經(jīng)驗積累、訪談者的培訓及現(xiàn)場訪談的互動引導對提高訪談的對話質(zhì)量很重要。高質(zhì)量的對話只需較少的參與者即可提供豐富的資料,達到足夠的信息效能。
2.5 分析策略 信息效能與分析策略有關。與對少量案例進行深入的敘事分析或細致的話語分析相比,探索性的跨案例分析需要更多的參與者才能達到足夠的信息效能。
信息效能模型為評估定性研究的樣本量提供了參考依據(jù)。如果研究目的較窄,參與者提供的信息具有高度的特異度,有成熟的既有理論支持,訪談對話質(zhì)量較高,并且采用深入的敘事分析或詳細的話語分析策略,則需要較少的參與者即可達到足夠的信息效能。反之,如果研究目的寬泛,參與者的特異性較弱,理論支持不充分,訪談對話質(zhì)量較弱,并且采用跨案例描述分析,則這樣的研究會需要更多的樣本量來達到足夠的信息效能。當然,模型中5個維度的重要性因研究項目而異,且各維度之間動態(tài)交互。例如,一個經(jīng)驗豐富的研究人員,其研究目的較窄,訪談對話質(zhì)量很高,即使樣本量很小,也能夠進行跨案例分析,并且結(jié)果也會有較好的信息效能。同樣,盡管研究目的很明確且訪談對話質(zhì)量較好,但理論知識有限的新手研究者也可能需要較多的參與者來提供足夠的信息效能。
這一模型除了用于預估自己研究項目的樣本量,還可用于評估他人的定性研究文章。因此,研究者最好能在定性研究文章中描述關于信息效能的思考。不過,這一模型主要是針對個體訪談的定性研究,其中樣本量的問題通常指參與者的數(shù)量。對于其他定性研究的資料收集方法,例如焦點小組訪談(小組數(shù)量、參與者數(shù)量或訪談者數(shù)量)、觀察法(要記錄的事件數(shù)量、參與人數(shù)),樣本量估計的概念更為含糊。
結(jié)合上述信息效能模型和定性研究文獻解構(gòu)常用的SPIDER模型[7]涉及的維度,表1解構(gòu)了8篇全科醫(yī)學領域中定性研究的應用文獻[8-15],以幫助大家更好地理解定性研究在全科醫(yī)學的應用及其文中對于樣本量的選取。
表1 基于信息效能模型的全科定性研究文獻樣本量解析Table 1 Analysis of the sample size of qualitative studies in general practice based on information power
信息效能模型將信息效能視為內(nèi)部有效性的一個方面,反映資料提供有價值的信息和知識的潛力。從這個角度來說,樣本信息的充分性/豐富程度、資料的質(zhì)量比參與者的數(shù)量更為重要。無論是通過相關文獻和樣本量指導在研究開展前預估20~30例的樣本量,還是參考飽和和信息效能來擬定定性研究的樣本量,都需要在研究過程中不斷評估樣本量是否足夠。在最終研究文章的結(jié)果部分說明實際樣本量是否具有足夠的信息效能/達到飽和來得出研究結(jié)論。
作者貢獻:褚紅玲、趙一鳴負責文章的構(gòu)思與設計、文章的可行性分析,并對文章整體負責,監(jiān)督管理;褚紅玲、周云仙、倪凱文、李鳳衛(wèi)負責文獻/資料收集;周云仙、倪凱文、李鳳衛(wèi)負責文獻/資料整理;褚紅玲撰寫論文;褚紅玲、周云仙、倪凱文、李鳳衛(wèi)、趙一鳴負責論文的修訂;褚紅玲、周云仙、倪凱文負責英文的修訂;倪凱文、李鳳衛(wèi)負責文章的質(zhì)量控制及審校。
本文無利益沖突。