摘要
背景
先前的研究确定了影响健康相关生活质量(HRQoL)评分的个体特征因素。然而，大多数研究采用了单变量或多变量回归分析，这些方法在处理混杂变量和多个因变量的测量误差方面存在局限性。因此，本研究旨在评估心理测量特性，使用世界卫生组织生活质量简表(WHOQOL-BREF)和欧洲五维度五水平问卷(EQ-5D-5L)调查泰国普通人群影响HRQoL的因素，并使用结构方程模型(SEM)进行分析，同时与传统回归分析结果进行比较。
方法
本研究利用2023年泰国人口规范调查的二次数据。对2,000名成年人进行了面对面访谈。然而，在排除73名个体以满足正态性假设后，对1,927名参与者的数据进行了SEM分析。本研究调整了Ferran模型以适应可用数据，并评估了测量特性（即内部一致性和收敛效度与区分效度）。同时，采用偏最小二乘SEM(PLS-SEM)通过预测相关性(Q²)，效应大小(f²)和模型拟合度(GOF)来检验结构关系和模型特性。
结果
年龄对WHOQOL-BREF评分有显著影响(β = -0.264, f² = 0.037)。对于EQ-5D-5L，年龄(β = -0.304, f² = 0.071)、职业(β = -0.422, f² = 0.036)和药物使用(β = -0.288, f² = 0.052)是关键因素。然而，传统回归分析对WHOQOL-BREF和MCS评分的药物和职业因素得出了不同的结果。对于两个模型，总体健康感知是HRQoL最强的预测因子，且模型表现出可接受的可靠性和有效性。对于模型解释的大多数因变量，预测能力为中等到大，除了精神成分汇总，其显示较小的预测值(Q² = 0.115)。两个模型均显示出高拟合度(GOF: WHOQOL-BREF和EQ-5D-5L分别为0.539和0.521)。
结论
不同的统计方法会产生不同的结果，因为SEM表明年龄、职业和药物使用显著影响HRQoL评分，而传统回归分析则发现药物和职业因素没有显著效应。然而，这些发现可以指导政策制定者分配资源，以针对HRQoL水平较低的人群。
引言
健康相关生活质量(HRQoL)是一种患者报告结果，反映了整体健康状况，无需医疗专业人员进行临床解释。它已成为人口健康调查和监测慢性疾病(如终末期肾病和糖尿病)的关键指标。此外，HRQoL可以用效用值表示，用于计算质量调整生命年，这是成本-效用分析中的关键结果，也是全球卫生技术评估指南所推荐的。
HRQoL强调健康状况对整体生活质量(QoL)的影响。Wilson和Cleary提出了HRQoL的概念框架，并将几个因素与HRQoL联系起来，包括生物功能、症状、功能状态、总体健康感知(GHP)、非医疗因素以及个体和环境的特征。然而，Ferrans等人通过省略非医疗因素并将它们重新归类为个人或环境特征来改进了这一模型。这一修订后的模型能够生成更广泛的假设，超越临床表现，使其适用于真实世界环境。因此，一项系统综述建议在Ferran模型的指导下确定因果关系并指导有针对性的医疗干预。
为了评估HRQoL，通常在普通人群和临床人群中应用多维测量工具，从而捕捉身体、心理和社会健康领域。虽然通用工具通常被采用以实现跨人群比较，但它们可能对特定临床变化不够敏感。这些工具报告跨健康维度的健康概况或作为单一指数(效用)分数。效用分数可用于计算经济分析中的质量调整生命年。值得注意的是，效用分数特别源自基于健康偏好的工具，这是测量HRQoL的通用工具之一。因此，通用工具经常用于进行大规模健康调查。
HRQoL在泰国的普通人群和患者群体的健康监测中越来越常用。先前的研究通常应用通用工具，如针对普通人群的欧洲五维度五水平问卷(EQ-5D-5L)、慢性乙型肝炎患者的EQ-5D-5L、服用华法林患者的世卫组织QoL-简表(WHOQOL-BREF)，以及HIV患者的SF-12v2健康调查。这些研究还确定了影响HRQoL水平的各种社会人口学因素，包括性别、年龄、体重指数(BMI)、共病数量(NOC)、教育水平和职业等。研究采用单变量和多变量回归分析探索这些关联。然而，这两种方法都存在某些局限性。单变量分析无法控制混杂变量，而多变量回归分析假设一个观测因变量和多个自变量之间存在简单的线性关系。此外，如果对多个观测因变量进行单独的回归分析，多变量回归分析可能会增加测量误差，并可能忽略潜在变量。
结构方程模型(SEM)在各个研究领域提供了稳健的统计方法。它能够同时分析多个观测变量和潜在变量之间的复杂关系，从而考虑测量误差。此外，它用于进行验证性因子分析并检验测量工具的结构效度和可靠性。因此，SEM有助于测试理论模型并克服多变量回归方法的局限性。
SEM已在组织绩效、交通、患者护理和自杀行为等各个学科中得到应用。由于SEM能够处理HRQoL测量中固有的相互关联因素和潜在结构的复杂性，它已被认为是研究HRQoL的有价值的分析方法。多项研究已使用SEM检查影响HRQoL的各种因素，并更全面地捕捉类风湿关节炎、帕金森病、冠心病以及青少年物质使用障碍和年轻与老年成年人等特殊人群中HRQoL的多维结构。鉴于这一不断增长的证据，SEM使研究人员能够同时检查因变量和自变量之间的复杂关系，从而对理论概念产生更准确的估计。例如，先前关于中国类风湿关节炎、韩国糖尿病患者、泰国结直肠癌和慢性阻塞性肺病(COPD)患者的研究表明，SEM可以同时检查并充分捕捉影响HRQoL因素的直接和间接效应。此外，SEM通过多种模型拟合指标提供具体证据，证明实证数据是否符合假设模型，而传统回归分析则无法提供这些指标。因此，SEM被认为是健康结果研究中HRQoL多维结构的首选方法。本研究中我们使用SEM与这一方法学趋势一致，旨在提供对影响HRQoL因素之间结构关系的更深入见解，这在泰国尚未进行过。
根据Ferran的模型，HRQoL由五个核心要素组成：生物功能、症状、功能状态、GHP以及个体和环境的特征。先前的研究已经证明了个体特征、功能状态和HRQoL水平之间的因果关系。在Ferran的模型中被归类为生物功能的多病共存，在欧洲和中国的中老年人群中已直接与功能限制增加和HRQoL水平下降相关，也与普通社区居住人群相关。一些先前的泰国研究发现，女性性别、年龄较大、肥胖和不良健康感知与泰国普通人群中HRQoL降低相关。综合起来，这些直接关联的模式为在泰国普通人群中应用Ferran模型探索这些因素之间的关系提供了理论依据。虽然学者们建议在患者群体中使用Ferran模型，但它也适用于其他人群，如儿童、社区居住的老年人和健康女性。然而，尚未有研究在泰国普通人群中应用SEM来检查社会人口学因素与它们的潜在变量之间的关系，使用Ferran模型。因此，本研究旨在(a)使用Ferran模型探索将生物因素、功能状态和GHP与HRQoL联系起来的路径，(b)评估当前背景下HRQoL测量工具的结构效度和可靠性，以及(c)使用SEM确定与HRQoL相关的个体特征，并将结果与传统回归分析进行比较。
方法
研究设计和参与者
本研究使用了名为"EQ-5D-3L和EQ-5D-5L泰国人口规范"项目的数据，该项目通过对2,000名泰国成年人进行面对面访谈进行了横断面调查。研究使用四阶段分层随机抽样来选择用于数据收集的省份、地区、次地区和村庄。所选省份的详细信息在其他地方有所说明。对于每个层，根据年龄组、性别和居住区域选择参与者。纳入标准为：年龄≥18岁、泰语流利、能够完成数据收集过程。排除标准包括基于自我报告的医疗史的急性或危及生命的状况或认知障碍迹象，以及研究者(KK)或训练有素的面试官在访谈期间观察到的参与者是否能够适当地理解和回答问题。采用配额抽样方法按年龄、性别和居住区域(大都市和农村)的比例选择参与者，以确保代表泰国普通人群。所有符合条件的方便样本个体都被邀请参加由训练有素的面试官进行的面对面访谈，访谈在2023年5月至6月间在参与者家中进行。所有训练有素的面试官至少完成了公共卫生或管理科学学士学位，并拥有超过5年的实地调查研究专业经验。在数据收集之前，研究者(KK)为所有面试官提供了具体培训，介绍如何使用纸笔方法一致地记录参与者的反应，以最小化面试官偏差。
概念模型
本研究采用并调整了Ferran模型来构建变量之间的关系并调查影响HRQoL的因素。如图1a所示，Ferran模型将生物因素、症状、功能状态和GHP与整体HRQoL联系起来，同时还纳入了可能影响每个组成部分的个体和环境特征。在本研究中，我们调整Ferran模型以适应收集的数据如下：(1)未使用Ferran模型中的症状，(2)功能状态通过将身体成分汇总(PCS)和精神成分汇总(MCS)视为功能状态的同时测量进行了部分修改，以检验它们对GHP的中介效应，(3)未调查影响GHP的个体特征，以及(4)未使用环境特征(见图1b)。还检查了Ferran模型的每个元素与参与者特征(包括年龄、BMI、每日用药数量(药物)、性别和职业)之间的关联(见图1b)。调整后的Ferran模型的每个组成部分与等效变量使用泰语标准化工具进行测量，这些工具已在泰国普通人群中得到验证，包括SF-12v2、WHOQOL-BREF和EQ-5D-5L。值得注意的是，使用了两个概念模型来调查与WHOQOL-BREF和EQ-5D-5L问卷测量的HRQoL相关的因素，因为它们可以报告不同类型的HRQoL分数(见图2)。WHOQOL-BREF提供跨其四个领域的特定领域健康概况分数，而EQ-5D-5L生成基于单一指数的健康效用分数。
图1 健康相关生活质量的概念模型：(a)Ferran模型，(b)带有使用的变量的调整Ferran模型
图2 WHOQOL-BREF和EQ-5D-5L健康相关生活质量分数的概念模型
测量工具
如图1b所示，模型的每个组成部分与等效变量使用泰国人口和泰语中已验证的工具进行测量。这些组成部分被视为SEM中的内生变量，包括NOC、身体成分汇总(PCS)、精神成分汇总(MCS)、总体健康感知(GHP)、WHOQOL和EQ-5D-5L。
生物功能
在Ferran的模型中，生物功能是通过实验室测试、身体评估和医疗诊断来评估的。然而，在本研究中，使用NOC来表示生物功能部分，因为研究是在临床环境之外进行的。因此，数据是自我报告的，而不是从医疗记录中获取的。
功能状态
SF-12v2用于评估功能状态和幸福感。该工具包含12个项目，涵盖八个领域，即身体功能(PF: 2个项目)、身体问题导致的角色限制(RP: 2个项目)、身体疼痛(BP: 1个项目)、总体健康感知(GH: 1个项目)、活力(VT: 1个项目)、社会功能(SF: 1个项目)、情绪问题导致的角色限制(RE: 2个项目)和心理健康(MH: 2个项目)。参与者使用三或五点李克特量表对其过去四周(回忆期)的HRQoL进行评分，具体取决于子量表。此外，12个项目进一步归类为两个汇总组件，即PCS(源自PF、RP、BP和GH)和MCS(源自VT、SF、RE和MH)。由于SF-12v2是评估HRQoL和功能状态的有效工具，PCS和MCS分数被用作功能状态的身体和精神方面的指标。这种方法与Ferran模型一致，该模型将功能状态与GHP和整体QoL区分开来。它还允许分析功能状态如何介导生物因素和GHP之间的关系。
GHP
我们从WHOQOL-BREF中提取了反映健康满意度(项目1)和整体QoL(项目26)的主观感知的相关项目。这种方法与Ferran模型一致，在该模型中，GHP代表个体对其整体健康状况的主观感知。每个项目使用五点李克特量表进行评分，回忆期为两周。
HRQoL
在本研究中，HRQoL使用两种通用工具进行测量，包括WHOQOL-BREF和EQ-5D-5L。每种通用工具的详细信息如下。
WHOQOL-BREFWHOQOL-BREF的泰语版本有26个项目，其中24个项目归类为四个领域，即身体健康(7个项目)、心理健康(6个项目)、社会关系(3个项目)和环境(8个项目)。对于每个项目，参与者使用五点李克特量表(1 = 完全不，5 = 完全)对其两周回忆期内的健康状况进行评分。WHOQOL-BREF领域分数基于相应领域的项目计算。随后，应用序数到区间转换表将每个WHOQOL-BREF领域的序数量表分数转换为区间量表分数。每个维度分数通过汇总相应领域内的项目分数计算，分数越高表示HRQoL越好。
EQ-5D-5LEQ-5D-5L是用于获取效用分数的基于健康偏好的工具。它由五个项目组成；每个项目检查以下维度之一：行动能力(MO)、自我照顾(SC)、日常活动(UA)、疼痛/不适(PD)和焦虑/抑郁(AD)。受访者使用五点量表(1 = 没有问题，5 = 极端问题/无法执行)通过这五个维度评估其当前健康状况。使用特定于泰国的算法从对EQ-5D-5L问卷的回答中获取效用分数，其中泰国效用分数范围从-0.4212到1.000。较高的效用分数也表示更好的HRQoL，其中1.00分表示完美健康，0.00分表示最差的可能健康状态或死亡。值得注意的是，负效用分数表示被认为比死亡更糟的健康状态。
参与者特征
从每位参与者收集了一系列人口统计变量，包括性别(男性/女性)、年龄、职业(有工作/无工作)、体重和身高(用于计算BMI)以及每日用药数量(药物)。这些因素在先前在泰国进行的研究中被确定为HRQoL的影响决定因素。
数据收集
数据收集在2023年5月至6月间进行。符合条件的参与者获得了解释研究标题、目标、数据收集过程和好处的信息表，包括参与者数据的保密性。此外，他们被告知有权拒绝参与或在任何时候以任何理由退出研究。之后，他们提供了书面知情同意，并由训练有素的面试官在没有解释性协助的情况下进行访谈。来自庄甲盛叻察帕大学的机构审查委员会(IRB1-031/2566)在遵循赫尔辛基宣言的情况下提供了伦理批准。
数据分析
研究使用描述性统计来总结参与者的人口统计学特征。使用峰度和偏度系数(可接受范围为-2.00至2.00)评估数据分布。使用马氏距离方法排除异常值，以确保变量跨变量的正态分布。使用卡方或独立样本t检验比较完整样本和SEM样本。在SEM之前，一个变量(药物)的峰度和偏度值超过±2；因此，从数据集中排除73名参与者，以实现药物变量的正态分布。随后对1,927名参与者(SEM参与者)进行SEM。
根据SEM的先验样本量估计，所需的样本量取决于模型中观察到的和潜在变量的数量，以及预期的效应大小、所需的统计功效和显著性水平。在本研究中，模型包括4个潜在变量(PCS、MCS、GHP、WHOQOL-BREF)和25个观察变量(来自SF-12v2的12个项目用于PCS和MCS，来自WHOQOL-BREF的项目1和项目26用于GHP，WHOQOL-BREF的四个领域，NOC、年龄、BMI、药物、性别、职业和来自EQ-5D-5L的效用分数)，如表2和表3所示。我们将预期效应大小设定为0.3，统计功效为0.8，显著性水平为0.05。基于这些参数，所需的最小样本量为241名参与者。我们的最终样本包括1,927名参与者，超过了这一要求，并支持所进行分析的样本量充足性，包括涉及多个观察变量的路径分析。
由于复杂的模型结构和次要数据集的限制(缺乏Ferran模型某些部分的信息，特别是生物功能，因为我们没有收集客观评估的相关数据)，使用了偏最小二乘SEM(PLS-SEM)。在本研究中，NOC是唯一被视为代表生物功能的方面。进行验证性因子分析，以验证任何项目是否达到因子载荷<0.70。如果是这种情况，则将它们保留在模型中，并考虑其他指标，如Cronbach's alpha(CA)、组合可靠性(CR)和平均方差提取(AVE)，如果它们满足可接受的阈值。使用CA和CR(可接受值：≥0.70)评估内部一致性。使用AVE(可接受值：≥0.50)评估收敛效度，如果变量间相关性达到小于AVE的平方根，则确认区分效度。如果观察到令人满意的区分效度，则研究推断自变量之间不存在多重共线性。还检查了方差膨胀因子(VIF)以确认自变量之间不存在多重共线性。小于5的VIF值被认为是可接受的。
使用几个标准评估结构模型：内生变量的决定系数(R²)、效应大小(f²)、预测相关性(Q²)和模型拟合度(GOF)。大于0.25、0.50和0.75的R²值分别表示小、中和大效应。类似地，f²和Q²值高于0.02、0.15和0.35分别被认为是小、中和大效应。GOF使用平均AVE的平方根乘以平均R²计算。大于0.10、0.25和0.36的值分别表示低、中和高模型拟合度。路径系数、结构模型、显著值和所有指数通过PLS算法和5,000个自举样本计算。研究假设与同龄人相比，女性、年龄较大和失业参与者以及那些BMI较高、每日用药数量或共病数量较多的人报告的HRQoL(WHOQOL-BREF和效用分数)水平较低。为了测试调整后的Ferran模型的稳健性，我们还探索了个体特征和GHP之间的相关性，以查看是否与没有这些参数之间相关性的模型相比有显著不同的发现。
进行多元线性回归以调查社会人口学因素与来自WHOQOL-BREF和EQ-5D-5L的HRQoL分数以及来自SF-12v2的PCS和MCS分数之间的关联，以便将结果与SEM的结果进行比较。还进行多元线性回归以调查NOC和GHP之间关系中PCS和MCS的中介效应。
使用SmartPLS 4 Professional-Free Trial(v.4.1.1.2, SmartPLS GmbH, Bönningstedt, Germany)进行SEM，而描述性统计通过IBM SPSS版本23(IBM Corporation, Armonk, NY, USA)执行。
结果
参与者特征
表1描述了总参与者(n = 2000)和SEM参与者(n = 1927)的特征。对于SEM参与者，大多数为女性(52.3%)、有工作(79.9%)、没有报告共病(65.4%)以及没有每日用药(66.2%)。平均年龄和BMI分别为45.5(SD = 16.57)和22.75(SD = 3.50)。参与者特征还表明，总样本也发现了相同的趋势，并且两组样本之间没有观察到显著差异。
测量模型评估
表2展示了WHOQOL-BREF模型第一个构念的可靠性和收敛效度。CA和CR表明每个构念的可靠性范围从0.538到0.906和从0.812到0.928。确定每个构念收敛效度的AVE超过了阈值0.50(0.535-0.714)，而所需的外部因子载荷超过了0.70，除了MH03和VT02(分别为0.568和0.572)。
表3还展示了EQ-5D-5L模型第一个构念的可靠性。每个构念获得的CA和CR值超过了阈值(0.7)，除了GHP(CA = 0.538)。AVE大于阈值0.50(0.536-0.682)。与WHOQOL-BREF模型类似，大多数项目达到了大于0.7的所需外部因子载荷，除了MH03和VT02(分别为0.561和0.566)。WHOQOL-BREF和EQ-5D-5L模型表明所有项目在统计上都是显著的(所有p值< 0.05)。
表4展示了使用Fornell-Larcker准则对WHOQOL-BREF和EQ-5D-5L模型的区分效度结果。结果表明，两个潜在变量(构念)之间的相关系数小于每个潜在变量的AVE平方根，VIF值小于5，这表明两个模型的区分效度令人满意，并且自变量之间不存在多重共线性。
结构模型评估
使用调整后的R²、f²、Q²和模型拟合度(GOF)评估结构模型。表5表明，内生潜在变量的调整后R²值在WHOQOL-BREF和EQ-5D-5L模型中分别从0.149到0.726和从0.150到0.726。
两个模型的内生构念的效应大小(f²)显示了类似的结果。对于WHOQOL-BREF模型，最高值是药物对NOC的影响(1.276)，其次是GHP对WHOQOL的影响(0.903)和年龄对PCS的影响(0.139)。然而，对于以下因果关系对，未检测到效应大小(f² = 0)：药物/WHOQOL、职业/WHOQOL、性别/WHOQOL、BMI/PCS、药物/MCS和性别/MCS(补充材料1)。对于EQ-5D-5L模型，最高值是药物对NOC的影响(1.276)，其次是年龄对PCS的影响(0.139)和GHP对效用的影响(0.135)。在多对因果关系中也未观察到效应大小(f² = 0)：性别/效用、BMI/PCS、药物/MCS和性别/MCS(补充材料2)。
如补充材料3所示，预测相关性(Q²值)对NOC获得最高值(0.722)，对MCS获得最低值(0.115)，适用于两个模型。
表5还显示了两个模型的模型拟合度(GOF)。WHOQOL-BREF和EQ-5D-5L模型的GOF值分别为0.539和0.521，表明两个模型的拟合度都很高。
路径分析和假设检验
表6展示了WHOQOL-BREF模型的总效应和假设检验。大多数假设被发现具有统计显著性，除了那些关于性别与所有内生构念之间的相关性以及BMI与PCS之间的相关性的假设，所有这些假设的p值都大于0.05。
表7展示了EQ-5D-5L模型的总效应和假设检验。大多数假设得到了支持，因为显著性水平小于0.05。然而，代表BMI、性别和所有内生变量之间相关性的假设未得到支持，除了BMI和NOC(p = 0.003)。
此外，路径分析表明，NOC通过PCS和MCS的并行中介影响HRQoL(WHOQOL-BREF和EQ-5D-5L)，这被确定为因为在WHQOOL和EQ-5D-5L模型中，NOC和GHP之间的总间接效应是显著的(β = -0.169, p < 0.001)。值得注意的是，补充材料4、5、6和7显示了以WHOQOL-BREF和EQ-5D-5L为因变量的直接和总间接效应。
值得注意的是，带有个体特征和GHP之间相关性的调整Ferran模型(补充材料10)对于两个模型都没有完全收敛。
比较SEM和多元线性回归分析对WHOQOL-BREF、EQ-5D-5L、PCS和MCS分数影响的个体特征
如补充材料8所示，在比较SEM和多元线性回归方法时，关于影响WHOQOL-BREF、EQ-5D-5L和MCS分数的因素存在一些不同的结果。具体来说，变量"药物"显示与WHOQOL-BREF、EQ-5D-5L和MCS分数的关联不同，而"职业"被发现是影响WHOQOL-BREF和MCS分数的不同因素，在两种分析方法之间。然而，多元线性回归确认了并行中介的存在，因为从NOC到GHP通过并行中介PCS和MCS的所有路径在统计上都是显著的(p < 0.001)，如补充材料9所示。
讨论
这是第一项旨在探索基于Ferran模型将生物因素、功能状态和GHP与HRQoL联系起来的路径、评估HRQoL测量工具的心理测量特性以及在泰国普通人群中识别和比较与HRQoL相关的个体特征的SEM和传统回归分析的研究。研究结果部分支持Ferran模型解释各种因素与HRQoL的关系，并在泰国普通人群中展示了可接受的心理测量特性。讨论已按照研究目标进行结构化。
HRQoL测量工具的结构效度和可靠性
GHP未能达到CA的满意水平，但达到了CR的可接受水平。这种差异可以归因于CA假设项目贡献相等，而CR考虑了不同的因子载荷，并与SEM一起使用。因此，在此背景下，CR更为合适，因为两个GHP项目对构念的贡献并不相等。
MCS构念下的MH03和VT02表现出低于0.70的因子载荷；然而，这两个因子载荷在统计上仍然显著。在新加坡多民族人群中进行的一项研究显示了类似的结果。这一结果可能是由于两项研究都从普通人群中招募参与者，这主要与慢性身体状况有关，因此可能对心理健康项目不敏感。
Ferran模型将生物因素、功能状态和GHP与HRQoL联系起来
在Ferran框架内，本研究将NOC归类为生物功能，这与先前在泰国COPD男性中的研究结果一致，在该研究中，生物功能障碍(加重和FEV-1分数)的间接效应与使用SF-12测量的功能状态较差相关。
功能状态(PCS和MCS)也与GHP呈正相关，这支持了Ferran的概念模型。先前的研究报告称，在HIV/AIDS和COPD患者中，功能状态更好与更积极的GHP相关，而在心力衰竭患者中，功能限制增加与GHP降低相关。此外，本研究发现GHP和HRQoL之间存在直接正相关，从而强化了GHP作为整体QoL关键因素的作用。对包括HIV/AIDS、COPD和ESRD在内的各种患者人群的研究支持了这一现象。因此，本研究使用Ferran模型证实了泰国普通样本中这些因素与HRQoL之间的因果关系，尽管该模型最初是为解释患者群体中与HRQoL相关的几个因素之间的联系而开发的。
本研究还发现，NOC间接影响GHP，但PCS和MCS对这种关系产生了并行中介效应，因为NOC和GHP的总间接效应对于两个模型都显著不同。这些发现支持Ferran的功能状态作为生物功能和GHP之间关系中介变量的模型。
使用SEM识别与HRQoL相关的个体特征及与传统回归分析的结果比较
影响WHOQOL-BREF和EQ-5D-5L分数的因素存在细微差异。例如，BMI与WHOQOL-BREF分数显著相关，而与EQ-5D-5L则没有观察到这种关联。这种差异可能是由于两种工具的不同概念框架和评分方法造成的。虽然WHOQOL-BREF提供HRQoL的特定领域分数(身体、心理、社会和环境领域)，但EQ-5D-5L提供效用分数。因此，结果的差异可能源于这两种工具的不同概念和对健康变化的敏感性。此外，在比较SEM和传统多元线性回归分析的结果时，发现与WHOQOL-BREF、EQ-5D-5L和MCS分数相关的因素存在一些不一致。这些差异突显了多元线性回归的一个关键限制，即它分别处理每个因变量，可能更容易出现测量误差——特别是当分析具有与HRQoL等构念相关的几个组件的复杂结构时。相比之下，SEM允许同时建模多个观测变量和潜在变量之间的关系，同时考虑测量误差。因此，SEM可能提供更准确和一致的估计，用于影响HRQoL的因素。尽管认识到使用多元线性回归分析HRQoL等复杂结构的局限性，但许多学者更可能使用SEM来研究影响HRQoL的因素，因为它可以识别各种人群组中变量的直接、间接和总效应。此外，可以使用几种GOF指数来确定结构模型的拟合度。
与先前的泰国研究相比，当前的研究结果部分一致，因为它们确定女性、年龄较大和失业参与者以及那些BMI较高、NOC较高和GHP较差的人报告的效用分数较低。与韩国和新加坡的研究类似，他们还报告称，患有共病的年龄较大的参与者与身体功能降低、GHP降低以及通过SF-36和EQ-5D-5L测量的HRQoL降低相关。我们的研究结果强化了公共卫生战略的必要性，以更好地将医疗资源分配给老年人和多病共存个体，以在人群层面改善身体、心理功能和整体HRQoL。
相反，本研究未将性别和BMI报告为两个模型和EQ-5D-5L的显著预测因子。这一结果可能是由于方法学差异，因为先前的研究采用了单变量和多元回归分析，而本研究应用了SEM，可以解释复杂关系。此外，许多先前的研究是在COVID-19大流行爆发之前进行的，而本研究应用了大流行后的数据，此时感染的急性期已经过去。此外，其他先前的研究报告称，COVID-19大流行对身体和心理健康的影晌可能导致影响HRQoL分数的因素出现某些差异。
值得注意的是，NOC和MCS在潜在变量中具有最高和最低的调整R²。这些发现表明，作为外生变量的参与者特征可以充分解释NOC构念，而这些特征可能不足以解释MCS构念。我们解释说，所有收集的参与者特征可能与泰国普通样本的心理健康不相关，而健康状况受损主要与身体健康相关。因此，未来的研究应进一步包括涵盖身体和心理健康损害广泛范围的参与者。
当研究人员旨在调查变量之间的关系时，他们应考虑概念模型内因果关系的特征。SEM可用于同时调查由大量内生和外生变量组成的复杂关系，包括中介变量和潜在变量，以同时估计这些变量之间的关系。它被认为是一种获得理论模型更精确测量的方法。相反，传统回归分析只能解释因变量和自变量之间的简单因果关系。SEM可用于处理大量内生和外生变量，以同时估计概念模型内变量之间的关系。此外，当招募更大数量的样本时，SEM可以精确增加估计，因为复杂的模型估计。值得注意的是，SEM有两种子类型：基于协方差的SEM(CB-SEM)和PLS-SEM。CB-SEM通常需要比PLS-SEM更大的样本量；然而，先前的研究表明，当样本量超过250时，PLS-SEM和CB-SEM可以产生类似的结果。
Ferran模型的研究启示
本研究的结果应在泰国独特的文化和环境背景中进行解释。它与许多HRQoL研究和工具最初进行和开发的西方国家不同。这些背景差异可能影响泰国人口对HRQoL的感知。在泰国，医疗保健系统主要在全民健康覆盖(UHC)下运行，泰国人口的大部分可以获取所有所需的药物和医疗服务。这被认为是影响HRQoL维度感知的重要因素，特别是对身体健康和心理健康，因为UHC可以减少某些危险行为并促进一些健康行为，从而增加预期寿命并减少传染病导致的死亡率。与许多高收入国家不同，在那里获得医疗服务更加统一或私有化，泰国系统可能以不同的方式塑造期望和应对策略。此外，文化和宗教价值观在个体如何感知HRQoL构念和维度方面可能发挥重要作用，与西方国家不同。在泰国，佛教是大多数泰国人信仰的宗教，佛教在泰国生活方式和文化中发挥着重要作用。佛教的核心信仰是因果报应，指的是有意行为与其未来结果之间的相关性，因此因果报应是影响泰国人对健康和疾病概念的驱动力。一般来说，良好的健康被视为前世善行的结果，而疾病则是前世恶行或恶行的结果。积累功德通常被视为可以积累功德以避免不幸并为泰国人带来健康的行为。它可能塑造QoL的主观评估，特别是与心理健康相关的领域。因此，佛教可以使泰国人以与西方人不同的方式独特地概念化HRQoL概念和维度。
这些发现为应用Ferran模型阐明影响泰国普通人群中HRQoL的各种因素之间的相互关系提供了宝贵的见解。该模型结合使用SF-12v2和WHOQOL-BREF来表示其组成部分，从而证明可以联合使用多种通用工具来提供对HRQoL的全面评估。结果还表明，某些心理健康项目(特别是MH03和VT02)可能不足以捕捉泰国普通人群的心理健康状况。为了提高这些项目的敏感性，未来的研究应在更具多样性的泰国样本中进行新的健康调查，包括具有广泛身体和心理健康状况的个体。此外，研究结果表明，各种社会人口学因素可能影响项目反应并导致不同人群亚组之间的HRQoL差异。这些见解可以帮助政策制定者更有效地将医疗资源分配给HRQoL水平较低的人群。
虽然Engel的生物心理社会(BPS)模型旨在通过三个因素(包括生物、心理和社会因素)之间的相关性提供理解健康的广泛框架，但其一般性质最初并非为测量HRQoL等复杂构念而开发，因为它主要是为精神障碍设计的，并适用于解释患者群体内这三个因素之间的相关性。相反，Ferrans的模型被采用和调整，以说明与HRQoL相关的多种因素之间的相互关系。它提供了一个综合框架，整合了生物、身体、心理和社会功能，以及影响整体HRQoL的个体感知和特征。使用Ferrans模型的一个关键优势是它能够展示具有不同健康状况的个体如何为特定生活领域分配不同的重要性水平，以及这些领域如何反过来影响他们的HRQoL。此外，当在普通和患者人群中使用全球功能状态和总体健康感知测量(如SF-12v2或WHOQOL-BREF)时，Ferran模型可以支持跨人群比较。因此，该模型可以促进对个人、环境和社会经济因素如何共同塑造QoL的更细致理解，并且适用于我们研究的目标和数据，从而为普通人群支持更以人为中心和公平的公共卫生政策方法。
模型建议和未来研究方向
虽然调整后的Ferran模型可以提供对泰国普通样本中因素与HRQoL之间关系的理解，但一些问题可能出现在研究结果的有限使用、稳健性和可推广性方面。
尽管此调整后的Ferran模型对于调查影响HRQoL的因素很有用，但它仅限于泰国普通人口的某些群体内使用，因为本研究未包括具有特定慢性疾病的个体或少数民族。因此，此调整后的模型及其发现可能无法充分代表泰国人口的多样性。
关于研究结果的稳健性，我们主要从每个元素的自我报告测量中获取数据。由于在居住在家中的泰国普通样本中进行，未收集实验室测试的数据。这可能由于缺乏来自实验室测试的客观数据来验证自我报告数据而导致一些响应偏差。进一步的研究应收集来自实验室测试的客观数据，以验证与HRQoL构念的关系。
可推广性方面存在限制，研究结果可能无法充分反映泰国普通人口的异质性。此外，调整后的Ferran模型中未包含的一些元素可能会对其他人群的可推广性带来一些限制。因此，未来的研究应旨在在不同人群中调查具有完整元素的模型，以加强外部有效性。
值得注意的是，由于本研究中收集的数据不可用，"环境特征"和"症状"元素从调整后的Ferran模型中被排除。这些因素的省略可能会引入变量偏差，因为这些因素可能影响功能状态和整体HRQoL，并且可能扭曲与HRQoL的因果关系的解释。
虽然生物功能也被认为是一个重要元素，但其操作化与原始Ferran模型略有不同。在Ferran模型中，生物功能来自客观临床数据，包括通常从医疗记录中收集的实验室测试、身体评估和医疗诊断。在本研究中，我们未收集这些变量；相反，生物功能是通过自我报告的NOC作为代理指标进行研究的，可能无法完全捕捉个体的临床症状，因为本研究是从普通样本中收集的。
鉴于这些限制，我们建议研究人员应从医疗记录中收集临床数据以及环境特征和症状概况。这可能使研究人员能够通过Ferran模型全面调查这些因素与HRQoL构念之间的因果关系，同时在未来的研究中适应临床环境以保持理论概念的严谨性。此外，未来的研究应在相同数据集上比较原始和调整后的Ferran模型，以提供由于调整后的Ferran模型中省略某些变量而导致的偏差幅度。
包含和不包含个体特征和GHP的调整Ferran模型的比较
虽然调整后的Ferran模型揭示了参与者特征与几个元素之间的因果关系，但本研究未检查与GHP的方向性关联，因为在Ferran模型中GHP被概念化为HRQoL构念的中介。具体来说，本研究主要关注个体特征如何影响Ferran模型的每个组成部分，而不使结构模型过于复杂。在参与者特征和GHP之间建立路径将增加模型复杂性，更可能导致过拟合和有偏估计。与在韩国进行的先前研究不同，该研究使用专门为评估GHP而设计的标准化和验证工具，本研究使用了WHOQOL-BREF中的项目。尽管WHOQOL-BREF包括与健康相关的通用项目，并且是泰国人群中HRQoL测量的有效工具，但它可能不被视为GHP评估的特定工具。这通过在测试个体特征和GHP时调整后的Ferran模型的非收敛性得到进一步证实，可能是由于这些变量之间的相关性导致的模型复杂性增加。SEM中的非收敛也表明数据不支持参数估计，并可能导致模型的有偏估计。鉴于这些技术限制，应优先考虑不包含参与者特征和GHP之间相关性的调整Ferran模型，以避免增加模型复杂性和模型参数的有偏估计，并与理论框架保持一致。
为了实现成功的实施，未来的研究应使用更多样化的泰国人口和更具体的工具来评估GHP，以加强模型的稳健性并增强研究结果的外部有效性。
优势和局限性
本研究有几个优势。首先，它比较了从传统回归分析和SEM获得的结果，表明SEM是调查影响HRQoL构念因素的更合适的统计方法。其次，研究证实，所使用的泰国HRQoL工具对泰国普通人口表现出良好的心理测量特性，这是通过SEM分析确定的。第三，识别影响HRQoL的因素可以帮助指导将有限资源有效地分配给泰国HRQoL水平降低的目标人群。
本研究也存在一些局限性。首先，它使用了次要数据，可能遗漏了重要变量，如特定症状或生物疾病标志物。未来的研究可以包括这些因素，以验证目标人群中的Ferran模型。其次，健康状况受损的参与者与身体疾病有关，这可能限制对心理健康项目的敏感性。需要针对心理健康问题人群的未来研究。第三，本研究未捕捉到与泰国背景高度相关的某些元素，如获得医疗设施以及影响泰国人对HRQoL构念感知的宗教和文化差异。未来的研究可以通过在结构模型中纳入此类背景和社会文化变量来促进对泰国HRQoL决定因素更全面的理解。第四，我们未收集每位参与者使用的药物类型数据。因此，未来的研究应包括此信息，以进一步调查哪些类型的药物对HRQoL分数影响最大。第五，研究结果部分支持Ferran模型，因为某些与其元素相关的数据(如生物功能的客观评估)未被收集。这种差异可能导致某些参与者特征和潜在变量的缺失。因此，未来的研究应使用全面涵盖Ferran模型所有组件的综合数据重新检查研究结果。第六，本研究未使用特定工具评估GHP，也未检查参与者特征与GHP之间的关系。因此，未来的研究应使用经过验证的GHP特定工具并更全面地探索这一潜在因果路径。
结论
尽管Ferran模型最初是为患者群体开发的，但本研究证实它可以有效地解释泰国普通人群中关键变量与HRQoL之间的关系。GHP成为两个模型中HRQoL的最强预测因子。WHOQOL-BREF和EQ-5D-5L之间发现的差异可能是由于它们各自的健康维度和回忆期造成的。此外，这些发现可以指导政策制定者更有效地将医疗资源分配给HRQoL降低的个体。为了验证这些发现，未来的研究应在代表性的泰国人口样本上进行，解决身体和心理健康状况，并使用带有标准化GHP评估工具的Ferran模型以及涵盖其所有组件的全面数据。
【全文结束】
