验证DigiHEALTHQUAL用于测量德国门诊医疗中数字健康对服务质量的影响

Validating DigiHEALTHQUAL for measuring digital health effects on service quality in outpatient care in Germany

作者信息Dominik Rigo, Leonard Fehring, Achim Mortsiefer, Sven Meister

PMID42827101

期刊NPJ Digit Med

发布时间2026-10

DOI10.1038/s41746-026-03302-0

来源查看原文

实验完整度

中

横断面在线调查(n=1085)，进行EFA和CFA验证因子结构，但无功能验证或机制验证，也无动物或体外模型。

主要模型

德国成年患者在线调查队列（n=1085）使用在线预约的患者使用数字问诊的患者使用视频咨询或电子健康记录的患者

重点核对

样本量：1085名成年患者完成分析四种DHS使用经验：在线预约、数字问诊、视频咨询或电子健康记录参与者限德国居民且过去一年使用过所选DHS 6点Likert量表评分DigiHEALTHQUAL 51个条目验证性因子分析使用N=843子样本

摘要

门诊医疗中数字健康解决方案（DHS）的采用受到其非临床效应不确定性和缺乏标准化评估验证工具的阻碍。医疗服务质量（HCSQ）为评估这些效应提供了理论基础框架，但尚无经HCSQ验证的工具。本研究旨在定量验证DigiHEALTHQUAL，并比较理论推导模型结构与数据推导替代模型。我们对1085名德国成年患者进行了横断面在线调查，这些患者具有使用四种DHS之一（在线预约、数字问诊、视频咨询或电子健康记录）的经验。心理测量验证包括内部一致性分析、验证性因子分析（CFA）、探索性因子分析（EFA）和比较模型评估。排除总体满意度后的精炼理论推导七因子模型显示出良好的模型拟合和强内部一致性，尽管维度间区分效度有限。EFA得出一个更简约的四因子结构，具有一个主导的过程相关因子。高因子间相关性支持高阶HCSQ结构。总体而言，DigiHEALTHQUAL在评估德国门诊医疗中DHS对HCSQ的非临床效应方面显示出效度，并支持研究和实践中标准化的DHS评估。

工具翻译与预测试

确保DigiHEALTHQUAL德语版本的清晰性和概念一致性。

将原始英文版DigiHEALTHQUAL翻译成德语并由研究团队审查。通过10名患者的结构化预测试评估表面效度，根据反馈修改引言文本、条目措辞和部分回答选项。

横断面在线调查实施

收集患者对四种DHS使用经验及其对HCSQ感知影响的数据。

通过LimeSurvey于2025年1月至3月进行自愿、开放获取的在线调查。参与者为≥18岁、居住在德国且在过去一年使用过在线预约、数字问诊、视频咨询或电子健康记录之一的患者。使用便利抽样通过多种数字渠道招募，无激励。

数据清洗与质量保证

确保分析数据的质量和隐私保护。

应用预定义数据清洗程序，排除未提供同意、无使用经验、不完整回答、重复条目、控制问题错误、直线回答、超过10%条目未答、完成时间处于最快5%或不符合k≥5匿名标准的回答。使用k-匿名原则匿名化。

探索性因子分析（数据推导模型）

考察假设维度在当前实证背景下是否得到支持。

在SPSS中使用主因子法和直接斜交旋转对条目相关矩阵进行EFA，基于特征值≥1和碎石图保留因子。采用预定义迭代条目删除规则：移除非载荷（≤0.30）、交叉载荷（≥0.30于≥2因子且载荷差≤0.20）、低载荷（≤0.40）条目，每次删除一个。

验证性因子分析（模型比较）

评估理论推导模型和数据推导模型的拟合度及心理测量质量。

在AMOS中对六个模型进行CFA：理论推导八因子模型、排除总体满意度的理论推导七因子模型、数据推导四因子模型、数据推导高阶模型、理论条目单维模型和数据条目单维模型。使用最大似然估计，模型识别通过固定潜变量方差为1。

信度与效度评估

评估各因子的内部一致性、收敛效度和区分效度。

计算Cronbach's α、平均条目间相关、校正条目-总分相关和组合信度（CR）评估内部一致性；使用平均方差提取（AVE）评估收敛效度；使用Fornell-Larcker准则和HTMT评估区分效度。

实验环节	名称	品牌	货号
数据清洗	Microsoft Excel	Microsoft Corporation	--
统计分析	IBM SPSS 29.0版	IBM Corporation	--
结构方程建模	IBM SPSS AMOS	IBM Corporation	--
在线调查	LimeSurvey	LimeSurvey GmbH	--

实验环节

名称

品牌

货号

数据清洗

Microsoft Excel

Microsoft Corporation

统计分析

IBM SPSS 29.0版

IBM Corporation

结构方程建模

IBM SPSS AMOS

IBM Corporation

在线调查

LimeSurvey

LimeSurvey GmbH

环节	核对要点
在线调查实施	调查时间范围：2025年1月至3月；平台：LimeSurvey；参与者纳入标准：≥18岁、德国居民、过去一年使用过四种DHS之一；无激励提供；便利抽样。阅读提示：Methods中“Participants and recruitment”和“Survey structure and measures”小节。
数据清洗与匿名化	排除标准：未提供同意、无使用经验、不完整回答、重复条目、控制问题错误、直线回答、超过10%条目未答、完成时间处于最快5%、不符合k≥5匿名标准；GS2反向计分。阅读提示：Methods中“Data cleaning and missing data handling”小节。
探索性因子分析	因子保留标准：特征值≥1和碎石图；旋转方法：直接斜交旋转；条目删除规则：非载荷≤0.30、交叉载荷≥0.30于≥2因子且载荷差≤0.20、低载荷≤0.40；Bartlett球形检验和KMO；列表删除。阅读提示：Methods中“Exploratory factor analysis”小节。
验证性因子分析	样本量N=843；六个测试模型；最大似然估计；列表删除；模型识别固定潜变量方差为1；模型拟合指标阈值：χ²/df≤3.00，CFI≥0.90，TLI≥0.90，RMSEA≤0.10，PCLOSE≥0.05。阅读提示：Methods中“Confirmatory factor analysis”小节。
信效度评估	Cronbach's α≥0.70可接受；平均条目间相关≥0.15且≤0.50；校正条目-总分相关≥0.30；CR≥0.70；AVE≥0.50；HTMT≤0.85良好、≤0.90可接受；Fornell-Larcker准则。阅读提示：Methods中“Reliability and validity assessment”小节。

环节

核对要点

在线调查实施

调查时间范围：2025年1月至3月；平台：LimeSurvey；参与者纳入标准：≥18岁、德国居民、过去一年使用过四种DHS之一；无激励提供；便利抽样。

阅读提示：Methods中“Participants and recruitment”和“Survey structure and measures”小节。

数据清洗与匿名化

排除标准：未提供同意、无使用经验、不完整回答、重复条目、控制问题错误、直线回答、超过10%条目未答、完成时间处于最快5%、不符合k≥5匿名标准；GS2反向计分。

阅读提示：Methods中“Data cleaning and missing data handling”小节。

探索性因子分析

因子保留标准：特征值≥1和碎石图；旋转方法：直接斜交旋转；条目删除规则：非载荷≤0.30、交叉载荷≥0.30于≥2因子且载荷差≤0.20、低载荷≤0.40；Bartlett球形检验和KMO；列表删除。

阅读提示：Methods中“Exploratory factor analysis”小节。

验证性因子分析

样本量N=843；六个测试模型；最大似然估计；列表删除；模型识别固定潜变量方差为1；模型拟合指标阈值：χ²/df≤3.00，CFI≥0.90，TLI≥0.90，RMSEA≤0.10，PCLOSE≥0.05。

阅读提示：Methods中“Confirmatory factor analysis”小节。

信效度评估

Cronbach's α≥0.70可接受；平均条目间相关≥0.15且≤0.50；校正条目-总分相关≥0.30；CR≥0.70；AVE≥0.50；HTMT≤0.85良好、≤0.90可接受；Fornell-Larcker准则。

阅读提示：Methods中“Reliability and validity assessment”小节。

大家都在搜

大家都在搜