癌症患者满意度测评：层面理论的应用

1 引言

患者满意度包含了医疗效果、服务态度、就医流程和病房环境等综合因素,^[1] 是医院质量高低的一个重要指标。^[2] 癌症患者的身心特点有别于普通患者，而目前对癌症患者的满意度很少有人单独研究。本文应用层面理论研究癌症患者的满意度，构建癌症患者满意度量表。

层面理论（facet theory）主要包括三个元素，即层面（facet）、元素（elements）和映射语句（mapping sentence）。从方法论上讲，层面理论是一种研究策略，它将理论构建、研究设计、变量选择和数据分析等工作系统有机地整合在一起。层面理论的理论建构，最初要确定一个研究者所感兴趣的研究领域，再根据这一领域的子域提出各相互独立的假设层面，每个层面代表一个集合，由若干主要元素组成 ^[3-5]。层面中的各元素组合方式构建映射语句，每个元素组合代表了一个具体的刺激变量。在映射语句中，每个层面表征一个相关的子层概念^[6]。映射语句包括了各个层面的内容，揭示了层面之间和层面内各元素之间的关系。

在实际研究中，层面将一个多维空间分割成一些有意义的、易于说明的区域。此时，层面担任着三种角色，即轴线（axial）、模块（modular）和极化（polar）角色^[3，7]。数据的空间几何模型建构可以是圆锥型、圆柱型或球型的，这主要取决于层面所担任的角色及总体层面在几何空间中的划分^[5，7，8]。

在此，我们借助层面理论构建患者满意度量表，通过调查，检验层面理论用于患者满意度调查的恰当性，以期为癌症病人的临床心理干预提供依据。

2 研究对象与方法

2.1 研究对象

2008年3月底～4月中旬，对贵州省贵阳市三家大型三级甲等医院85例癌症手术术后5天患者进行满意度度调查。患者平均年龄为35.36±26.85岁。其中，男性患者40例（占47.06%），女性患者45例（占52.94%）；乳腺癌患者30例（占35.29%），直肠癌患者30例（占35.29%），其它癌症患者25例（占29.41)；青年组为33例（占38.82%），中老年组为52例（占61.18%）。

2.2 患者满意度的操作性定义

患者满意度是患者根据自身当前寻求救治的医疗机构中医护人员的行为和表现所做出的好或者不好的综合性评价。

2.3 映射语句的确定

层面是一个集合，由研究领域中的主要元素组成，包括目标人群层面、内容层面和反应范围三种类型。目标人群（population）层面，指观察对象（即以下映射语句中的A层面）；内容（content）层面，涉及观察变量，是对研究变量（行为、智力、态度等）进行分类的层面（即以下映射语句中的B、C层面）；反应范围（range）由从完全不确定到完全确定的所有可能的范围构成。每一个层面都包含了若干研究者感性趣的研究元素，从每一个内容层面中各抽出一个元素，然后组合在一起，构成的元素组合称为结构维线（structuple），每一个结构维线代表了一个具体的刺激变量，我们由此设计测验项目，编制测验量表^{［6. 、9、10］}。

本研究根据以往文献中关于患者满意度的定义、患者满意度的主要研究变量的资料记载，以及上述操作性定义，将癌症患者满意度的映射语句确定为以下内容，并可得：

癌症患者（x）根据就诊的医务机构中的 在不同的

所做出的 ，做出 的评价。

3 结果分析

3.1 项目的筛选结果

（1）项目分析

项目的鉴别力（区分度）是其对所测量的心理特性的区分能力。鉴别力指数D是运用极端组计算项目鉴别力的一种简单方法，公式为：D = PH－PL。其中，PH是高分组在项目上的通过率，PL是低分组在项目上的通过率。当D＜0.19时，项目较差，必须淘汰；D在0.20 ~ 0.29之间时，项目尚可，但必须修改；当D在0.30 ~0 .39之间时，项目良好，最好稍做修改；当D.＞0.40时，项目完全可以被接受。对于一般测验，D＞0.30项目就可以接受。本研究获得的鉴别指数结果如表1所示。

表1：问卷各项目的鉴别指数

项目	D	项目	D	项目	D	项目	D	项目	D	项目	D	项目	D
1	0.34	7	0.16*	13	0.44	19	0.32	25	0.24**	31	0.37	37	0.44
2	0.16*	8	0.15*	14	0.32	20	0.17*	26	0.45	32	0.57
3	0.35	9	0.33	15	0.21**	21	0.47	27	0.36	33	0.46
4	0.28**	10	0.33	16	0.26**	22	0.57	28	0.34	34	0.14*
5	0.37	11	0.41	17	0.13*	23	0.19*	29	0.28**	35	0.31
6	0.46	12	0.30	18	0.29**	24	0.21**	30	0.32	36	0.26**
* 直接删除项目 ** 需要进行高低分组t检验的项目

根据表1结果，直接删除7个项目，即2、8、11、17、20、23、34。

0.20 ≤D＜0.30的项目共有8个，分别是项目4、15、16、18、24、25、29、36。t检验结果见表2，可见余下的项目都保留。

表2：项目的t检验结果

项目	F值	P值	t	p
4	1.332	0.203	-4.811	0.000***
15	5.062	0.017	-5.463	0.003**
16	8.483	0.009	-4.762	0.000***
18	1.898	0.182	-4.819	0.000***
24	0.338	0.563	-4.467	0.003**
25	1.659	0.221	-3.816	0.001**
29	7.140	0.008	-5.376	0.000***
36	7.253	0.013	-4.819	0.000***
*** p<0.001，** p <0.01，下同

（2）探索性因素分析

本样本的KMO值为0.729， Bartlet球形检验的值为2914.736（df = 666，p<0.001）。经前述项目分析后，已删除不合格项目7项，剩余30个项目。采用主成分分析法加方差最大旋转后，得到特征根大于1的因子有7个，累计方差解释率为75.925%。删除在各成分上载荷低于0.3且因子项目数少于3个的项目，这些题目为4、6、14、18、25、33。再根据这六个题目所进行的SSA输出空间中的关系，考察余下项目间及项目与总分间的相关性，将过于同质与过于异质的项目删除。此阶段共删除了4项，分别是4、18、25、33。至此，最终确定量表的项目数为26项。

项目归属如下：

A1 = 1、2、4、6、8、10、12、14、16、17、21、23、24、25

A2 = 3、5、7、9、11、13、15、18、19、20、22、26

B1 = 1、2、3、4、5、23、24

B2 = 6、7、8、9、12、13、16、17、18、19、21、22

B3 = 10、11、14、15、20、25、26

C1 = 4、5、6、7

C2 = 2、3、14、15、17、21、22

C3 = 8、9、10、11、12、13、18、20

C4 = 1、16、19、23、24、25、26

3.2 信效度检验

（1）问卷的信度分析

同质性信度：整个问卷的Cronbach a系数为0.955。

分半信度：Spearman-Brown分半信度为0.916，Guttman分半信度为0.911，奇数部分项目的Cronbach a系数0.938，偶数部分的Cronbach a系数为0.935。

（2）问卷的效度分析

项目鉴别力的相关系数指标：ρ，即各个项目分与总分的相关系数。结果如表3所示，问卷的26个项目ρ范围为0.41-0.75，证明了该问卷能较好的区分高分组（倾向满意）与低分组（倾向不满意），可以认为总问卷的效度较高。

表3：项目鉴别力的相关系数

项目	ρ	项目	ρ	项目	ρ	项目	ρ	项目	ρ
1	0.58	7	0.41	13	0.44	19	0.42	25	0.63
2	0.48	8	0.41	14	0.63	20	0.47	26	0.45
3	0.59	9	0.68	15	0.48	21	0.47
4	0.63	10	0.53	16	0.57	22	0.57
5	0.68	11	0.74	17	0.75	23	0.43
6	0.47	12	0.62	18	0.64	24	0.61
* 直接删除项目 ** 需要进行高低分组t检验的项目

各层面元素间的相关分析结果如表4、5、6所示。

表4：A层面各元素项目总分和问卷总分的相关矩阵

	总分	A1	A2
总分	1
A1	0.976**	1
A2	0.954**	0.886**	1

表5：B层面各元素项目总分和问卷总分的相关矩阵

	总分	B1	B2	B3
总分	1
B1	.947**	1
B2	.977**	.907**	1
B3	.937**	.839**	.859**	1

表6：C层面各元素项目总分和问卷总分的相关矩阵

	总分	C1	C2	C3	C4
总分	1
C1	.681**	1
C2	.936**	.508**	1
C3	.951**	.610**	.856**	1
C4	.953**	.550**	.878**	.862**	1

表6显示，从每列自上而下，相关系数基本呈系统性递增，正好映证此层面是轴线层面。而其它两层面没有这一特点。此外，从表4～6可以看出，三层面各元素项目总分与问卷总分呈高度正相关。

3.3 二次分析结果

（1）数据来源

对贵州省贵阳市三家大型综合医院同时收集的85例外科癌症患者进行测试后，本研究对原本含有37个项目量表的数据初步检测，检验并确定了含26个项目的满意度调查表。然后，将量表中37个项目中不合格数据进行剔除，保留合格的26个项目的数据，进行再次分析。

（2）数据分析

应用NewMDSX、SYSTAT11.0和SPSS15.0软件分析数据。其中，采用NewMDSX中的最小空间分析法（Smallest Space Analysis）分析癌症患者满意度的多维性，用异化系数（coefficient of alienation）判断维度数的选择。异化系数反映了原始输入数据与输出到多维空间中的数据的不一致的程度，异化系数不超过0.20是可以接受的^[9，10]。在本研究中，癌症患者满意度数据在三维空间分布图的异化系数为0.164，即可以接受。

（3）患者满意度的结构模型分析

层面各元素相关矩阵：见上节中表4～表6。结构分布示意图如图1～6所示。

图1：癌症患者A层面（医护人员）的结构分布图

图2：癌症患者B层面（医疗场景）的2～3维结构分布图

图3：癌症患者C层面（沟通与表现）的2～3维结构分布图

图4：癌症患者三个层面构建出的总体结构分布图

图5：实际距离和拟合距离的散点图

图6：Shepard图

从图1～3可以看出， A层面（医护人员）呈两边区域颁布，B层面（医疗场景）呈楔形分布，而C层面（沟通与表现）呈轴线形分布。图4可见，癌症患者满意度图结构呈柱状分布。由MDS（Multidimensional Scaling）分析可得图5，表明经过9次迭代后，压力指数Stress＝0.153，观察距离的变异中可以由模型距离解释的百分比RSQ=0.848，表明此三维模型对观察数据的拟合较好，另外，通过Hudap软件可得Shepard图。一般认为，图形越趋近于线性，拟合越好^[11]，图6显示，Shepard图趋于一条线形，因此可以接受癌症患者满意度的三维空间分布图。

4 讨论

层面理论的本质特征是处理多元变量，探讨人类态度与行为的多维结构。透过层面理论，研究者可以根据待研究内容设定映射语句，形成一个研究的理论框架（framework），设计问卷和项目并提出模型假设。其主要优点在于利用不够精确的数学假设对数据进行分析，主要功能在于为由该假设而建立的一套精确而规则的理论体系与实践观察数据之间建立了稳定的关系。层面理论提供了一套用于研究认知、精神运动、情感行为的通用方法，其本身可以任意确定研究内容，且适用于任何研究领域^[3]。

就目前对患者满意度的研究中，许多医疗机构使用当地自制的量表进行测量，然而有效性并不显著。这些问卷要么过长，要么太复杂，很难在日常生活使用。国家全科医生联合协会（NAGPC）早已提议制定标准化量表来进行可靠的调查，以获取有价值的研究结果。

本研究通过将层面理论应用于癌症患者满意度调查研究中，发现：（1）层面理论可以用于患者满意度调查；（2）患者满意度结构呈柱状分布；与假设相符。

5 结论

初步完成了癌症患者心理评定量表的设计和编制，共26个项目。结果显示，层面理论可用于患者满意度调查。然而，在某种程度上仍存在代表性不充分的问题，这有待在今后的研究中进一步探讨。

参考文献

[1] 周谦, 钟胜, 李倩. 面向医院管理改进的医疗服务顾客满意度模型研究. 中国医院管理, 2006, 26(5): 35-36

[2] Cleary P D, McNeil B J. Patient satisfaction as an indicator of quality care. Inquiry, 1988, 25(1): 25-36

[3] Edmundson E W & Koch W R.. A facet analysis approach to content and construct validity. Educational and Psychological Measurement, 1993, 53: 351～367

[4] Maslovaty N. Teachers’ perceptions structured through facet theory: smallest space analysis versus factor analysis. Educational and Psychological Measurement, 2001, 61 (1): 71～84

[5] Hildebrandt L. A facet theoretical approach for testing measurement and structural theories: an application of confirmatory MDS. Advances in Consumer Research, 1986, 13 (1): 523～528

[6] Guttman R, Greenbaum C W. Facet theory: its development and current status. European Psychologist, 1998, 3 (1): 13～36

[7] Hackett W. Orthodontic treatment: a facet theory approach to the study of personal reasons for the up take of treatment formal occlusion. Social Behavior and Personality, 1993, 21 (1): 55～62

[8] Donald I. Facet theory: defining research domains. In G. M. Breakwell, S Hammond, Fife-Schaw C, Eds. Research Methods in Psychology. London: Sage Publications, 1995: 116-137

[9] 赵守盈, 江新会. 行为科学研究设计与理论建构的一种重要策略-层面理论述评. 贵州师范大学学报（自然科学版）, 2006, 24 (2): 113~118

[10]Siu O L, Leung T W. A Comparative study on value of money among university students in China and Hong Kong: a facet approach. Education Journal, 1999, 27 (2): 12~20

[11]骆文淑, 赵守盈. 多维尺度法及其在心理学领域中的应用. 中国考试研究, 2005,(4): 27~30.

The satisfaction of cancer patients：

Facet theory'use

LI hong¹ ZHAO Shou-ying¹ YE Hao-sheng ²

（¹ Academy of Education Science, Guizhou Normal University, Guiyang 550001；² Institude of psychology, Nanjing Normal University, Nanjing 210097）

Abstract

Objective: Probe into the satisfaction of cancer patients and construct the relevant scale in order that Clinical staff could give cancer patients suitable psychological intervene according to this investigation. Method : A total of 85 cases of cancer patients were investigated via filling out the questionnaire on satisfactory based on facet theory. Statistical analyses were performed by SPSS software package. Results: (1) The facet theory can be used in the investigation of the satisfactory of cancer patients (2) The configuration of the satisfactory of cancer patients is a columniation distribution. Conclusion：The study basically finished the design and construction about assessing the satisfaction of cancer patients.

Keywords: cancer, patients, satisfaction, facet theory

温馨提示：文章、帖子、评语仅代表个人观点，不代表平台