第二章 文獻探討
第六節 建立量表效度方法
本研究目的是為了建立中文版重症照護疼痛觀察工具的效度。效度是指測 量的正確性，測量工具能夠準確測得其所欲測量的構念程度 (邱，2007)。如果
一份疼痛評估量表不能夠測出病患疼痛真實感受，再高的信度也枉然。因此如 何以實證的方法建立量表的效度成為本研究的重點。此外，一份測驗量表必須 具備良好的篩檢準確度，臨床上可藉由ROC 曲線獲得最佳篩檢分數以決定其敏 感度及特異度。以下就與本研究相關的檢測方法說明：
一、內容效度(content validity)
內容效度是指測量工具本身內容範圍與廣度的適切程度，而表面效度與專 家效度和內容效度有相同的概念(邱，2007)。表面效度是指測量工具在外顯形 式上有效的程度，臨床上可透過受試者選取合適的用語，提升表面效度(邱，
2007)。而專家效度是指邀請測量工具該領域專家作項目分析，專家會針對題意 的適切性及重要性進行逐題評分，然後計算各題的平均得分(Lynn, 1986)，以了 解測量項目是否可測量到希望測量的範疇(Polit & Beck, 2004)。雖然專家效度
只是專家間判斷的一致性指標，而非內容效度本身，但卻可作為構念與題項適 切性的參考(吳、涂，2009)。
二、建構效度(construct validity)
建構效度是指測量工具能測得一個抽象概念或特質的程度(邱，2007)，建
立建構效度的方法很多，最常提及的評量技術是多元特質多重方法矩陣法 (multitrait-multimethod matrix, MTMM)及因素分析。MTMM 的設計原理是以不
同方法測量多種不同特質。舉例來說，以兩種不同的方法測同一特質有高度相 關，稱為聚合效度(convergent validity)；以兩種不同的方法測兩種特質有低度相 關，則稱為分歧效度(divergent validity)；但若是以相同方法測不同特質有較低 的相關，則稱為區辨效度(discriminant validity)，在很多疼痛行為量表效度檢測 中(Gélinas, et al., 2006, Gélinas, & Johnston, 2007, Payen et al., 2001, Young et al., 2006)時常利用此一方法進行建構效度的檢定。
三、效標關聯效度(criterion-related validity )
效標關聯效度是將測驗結果與效標，或稱「黃金標準」進行比較後所得的 相關係數，表示測量工具有效性之高低(邱，2007)。測量的工具能有效測出施
測對象某一特質，現有另一個新的工具也能測出此特質，則此一新的工具與原 有工具之相關關係，稱之為同時效度(concurrent validity )，並可進一步測出敏 感度(sensitivity)及特異度(specificity)。而測驗結果與未來有關方面表現相關的 程度，則稱之為預測效度(predictive validity)(姚，1988)。同時效度及預測效度 的差別在於效標測量取得時間選擇的不同(Polit & Hungler, 2004)。建立效標前，
必須選擇具體可接受的效標，做為測量工具有效性及意義度的參照標準(邱，
2007；Polit & Hungler, 2004)。
四、最佳篩檢分數(cutoff point)
最理想的測驗，不但效度要好，在利用量表觀察病患時的篩檢測驗準確度 也要佳，一個良好的測驗應盡量提高敏感度及特異度的機率。以CPOT 為例，
敏感度指的是病患有疼痛而量表也判定有疼痛者的比率；特異度指的是病患無 疼痛而量表也判定無疼痛者的比率。當篩檢結果是連續分數時，不同的篩檢分 數可以得到不同的敏感度及特異度。敏感度及特異度是相對的，敏感度上升則 特異度會降低，ROC(Receivor operating characteristic curve)曲線呈現了敏感度及 特異度互為消長的關係(Polit & Hungler, 2004)。臨床上，ROC 曲線應盡量趨近 左上角，此時量表會獲得最佳的敏感度及特異度(Hully & Cumming, 1988)。量
表準確度指標可利用ROC 曲線下面積((Area under the ROC curve , AUC ))計 算，此面積表示不同篩檢分數下的整體準確率，ROC 曲線下面積愈高，量表準 確率愈高(Polit & Hungler, 2004)。