乳腺癌患者国家综合癌症网络-癌症治疗功能评估-乳腺癌症状指数(NFBSI-16)问卷纸质版和网络版的比较分析:随机交叉研究

简介

乳腺癌在全球女性恶性肿瘤(不包括皮肤癌)中所占比例最高。根据国际癌症研究机构的一份报告[1]， 2018年全球乳腺癌负担为210万例，占女性癌症病例的四分之一。过去几十年乳腺癌筛查、检测和治疗的进步提高了早期乳腺癌患者的治愈机会，而晚期(转移性)疾病患者现在延长了生存期，并在不同程度上控制了症状[2，3.］．然而，全面和长期的治疗会影响患者和幸存者的生活质量，因此需要在康复期间和康复后进行持续的健康管理[4］．

乳腺癌及其治疗已被证明会显著破坏患者与健康相关的生活质量，这已被发现可以预测生存时间，而且对非治愈患者更有意义[5-10］．为了评估治疗效果，患者报告的结果测量(PROMs)从患者的经验中提供了关于癌症症状的独特视角，其中一些可能会被临床医生和实验室测试忽略[11-13］．国家癌症综合网络-癌症治疗功能评估-乳腺癌症状指数(NFBSI-16) PROMs是在慢性疾病治疗功能评估(FACIT)测量系统的基础上规范的，用于评估乳腺癌的高优先症状，强调患者的输入，可用于临床实践和研究中帮助评估乳腺癌治疗的有效性[14-16］．

从纸质版本迁移到网络版本并不能保证保留量表的心理测量特性，因为在适应网络管理时，各种因素都有可能影响问卷量表的表现，如布局、说明或项目和回答的重组。研究人员研究了电子prom的验证方法、给药途径、实际考虑因素和可靠性[17-27］．Gwaltney等人在评估计算机版和纸质版prom的等效性方面的元分析显示，“纸质版和计算机版测量之间的一致性总体水平很高”[28］．该综述涵盖了风湿病学、心脏病学、精神病学、哮喘、酒精中毒、疼痛评估、胃肠疾病、糖尿病和过敏等领域。相比之下，欧洲癌症研究与治疗组织的一项研究发现，与给药方式相关的量表平均分(100分制中3至7分)差异虽小，但具有统计学意义[29］．各种经过验证的肿瘤学网络问卷已被证明是在治疗性临床和研究环境中评估prom的可靠和有效工具[30.-33］．目前在中国，基于微信的临床研究问卷网络版数量迅速增长，多项研究验证了基于微信的健康相关问卷管理[34-36］．为了覆盖中国不断增长的庞大患者群体，我们期望NFBSI-16的网络给药是评估乳腺癌患者疾病、治疗和健康状况影响的可靠方法。此外，它可能是一种更具成本效益和效率的方法，适用于特定人群中越来越多的患者。

本研究的目的是分析基于网络的NFBSI-16问卷(中文)用于测量乳腺癌患者疾病和治疗相关症状和担忧的可靠性，并将其与经过验证的纸质版本进行比较。

方法

研究设计和患者登记

患者于2019年10月至2020年1月期间从中国医科大学沈阳第一附属医院乳腺外科招募。纳入标准为:女性、法定年龄、已确诊乳腺癌、正在接受系统抗癌治疗、能够遵循研究指导、具备足够的中文读写能力和流利程度以理解问卷内容、有能力并愿意完成研究方案、签署同意声明。无法提供知情同意或参与其他研究的潜在参与者被排除在外(参与负担)。参与者有一个初步的诊所访问，评估资格。所有符合条件的参与者都是从医院的中心登记处随机选择的，并被邀请与训练有素的临床研究医生进行面对面的访谈，自愿参加这项研究。获得书面知情同意。研究方案经中国医科大学附属第一医院伦理委员会批准。

这项研究是一项随机交叉设计，所有参与者都完成了一份标准的纸质问卷和一份基于网络的NFBSI-16 (多媒体附件1)．A组的患者被分配从纸质版本开始，然后在同一疗程中使用智能手机上的网页版本。B组患者完成了基于网络的版本，然后是纸质版本。根据首先要完成的给药模式，使用计算机生成的随机列表，根据指定的种子和块大小为6，参与者在注册后立即按1:1的比例随机分为A组或B组。从纸质会议到网络会议，再从网络会议到纸质会议，在每个会议之间，参与者都有15分钟的休息时间，在此期间，他们被邀请参加一个快速的患者教育研讨会，这也是我们部门的常规活动，作为一种分散注意力的任务，以降低潜在的遗留效应。在进行问卷调查之前，所有参与者都得到了书面指导，要求他们完成纸质或网络问卷。在完成两种版本的NFBSI-16问卷后，参与者被邀请陈述他们对纸质或基于网络的NFBSI-16问卷的偏好。

问卷调查

NFBSI-16包含了由患者和临床医生根据他们的优先考虑选择的原始FBSI和FACIT测量的项目[15，这是反映晚期乳腺癌治疗有效性的更直接的工具。NFBSI-16包括16个项目，4个维度的易用性和评分:疾病相关症状亚量表-物理(DRS-P)，疾病相关症状亚量表-情绪(DRS-E)，治疗副作用亚量表(TSE)，功能和健康亚量表(FWB)。因此，临床医生和研究人员在关注特定类别的症状时，可以单独查看和评估子量表评分。问卷是自行完成的，并对网页版的设计和布局给予了仔细的关注。为了减少在提出、解释、记录和编码回答时的错误风险，以及潜在的评分者之间的差异，作者遵循了基于理论的自我管理问卷设计指南(多媒体附件1) [37］．基于web的用户界面和纸质问卷的纸张不包含任何其他信息，如徽标、口号、广告等。完成基于web和纸质问卷的说明分别包含在论文的web界面和标题的开头。简而言之，在参与基于网络的评估时，患者必须使用智能手机扫描重新指定的快速响应代码。这个动作会自动把他们带到一个基于网络的测试中，用户必须选择16个项目的强度或严重程度。在完成第16道题后，界面变成空白屏幕，表示测试结束。另一方面，纸质问卷测试使用白纸和铅笔进行。文字是用12号字体打印出来的。

仪器的测试

在预测试和试点测试期间，3名肿瘤学专业的同事和3名非专家评估了基于网络的问卷的可用性、可访问性和用户界面的清晰度。本次测试仅针对网络问卷的功能性进行，因为网络问卷的格式、结构和项目顺序与经过验证的纸质问卷相同。

子量表分数的计算

来自纸质问卷的数据由作者手动输入电子患者管理系统，来自网络问卷的数据在参与者完成在线问卷并下载到电子患者管理系统后自动捕获。所有数据都是匿名的。我们以单项和问卷为基础评估数据的完整性。总分的计算方法为:将完成项目的平均分乘以项目数16(按官方指引计算)[15］．所有子量表的总分范围从0到4,0分代表患者同意“完全不同意”，4分代表“非常同意”。分别计算每个参与者和每种管理模式的分量表得分和总分。个别项目、子量表和总分的比较分析是本研究的主要目标。

统计分析

所有统计分析均使用SPSS Statistics, version 25 (IBM Corp)进行。进行频率分析以确定患者的描述性社会人口学特征。参考ISPOR ePRO良好研究规范专责小组的建议[21]，我们进行了测量等效性评价。评估了可靠性、内部一致性、响应差异以及纸质和网络响应之间的一致性。根据NFBSI-16指南计算了16个单项的信度，以及4个子量表(DRS-P、DRS-E、TSE和FWB)的得分和NFBSI-16总分[15］．主要研究结果是评估网络问卷的单项信度和总分。使用Wilcoxon检验来确定平行形式可靠性测试中可能存在的统计学显著差异，无论是单个项目之间还是由于数据的序数性质而导致的分数之间。次要结果测量是评估网络问卷与纸质问卷的一致性和一致性。计算了纸质和网络测量的平均值，通过计算斯皮尔曼等级相关系数(Spearman ρ)进行一致性分析，并使用每个量表的等级相关(Kendall τ)评估每个项目的一致率。作为测试-重测信度的第二个衡量标准，我们计算了林一致性相关系数(CCC) [38］．最后，对“偏好”问卷的所有答案进行网络版和纸质版NFBSI-16的χ比较²测试。在所有的分析中，P< . 05(2尾)被认为具有统计学意义的差异(α=.05)。由于这样的分析被认为是一项探索性研究，所有报道P值可以被视为纯粹的描述性的。所有图表(箱形图和相关图)均在SPSS Statistics中生成。

结果

患者登记

最终分析包括354例接受系统治疗的乳腺癌患者，他们完成了纸质版和网络版NFBSI-16问卷。最初，对380名患者进行了资格评估。排除26例患者，如研究流程图(图1)．由于A组和B组在人口统计学上没有内在差异，最终将两组合并。平均年龄49.5岁(SD 10.44)。患者的其他基本特征显示在表1．

‎ 查看此图

平行形式可靠性

Wilcoxon符号秩检验分析了NFBSI-16中单个项目的并行信度，见表2．除了第5项(GP3问题)外，连续变量在两个版本的问卷(纸质版和网络版)之间没有系统的位置差异。患者回答的项目中有很大一部分在两种版本的问卷中有相同的反应(联系)，这表明在单项比较中只有一个显著差异(总共16个)，具有很高的并行可靠性。统计学上的显著差异只能在问题GP3中发现，“由于我的身体状况，我很难满足我的家庭需求。”在纸质问卷中，GP3报告略高(平均值2.07,SD 0.98)，而在网络版本中，同样的参与者平均得分为2.00 (SD 0.91)。此外，纸质和网络问卷GP3项的中位数是相同的(中位数2;差1 - 3)。虽然网络考试的总平均分略高于纸质考试的0.08分，但两者之间没有统计学上的显著差异。图2在一个箱形图中说明了基于纸张和基于网络的总分的分布。略高的网络总分可以归因于盒状图中显示的一些异常值。基于网络的箱形图IQR的胡须在更广泛的基于纸张的版本的IQR之内。此外，在计算和比较4个维度(DRS-P、DRS-E、TSE和FWB)的项目得分时，纸质问卷和网络问卷之间存在小于0.50分的轻微差异。但4个维度的得分比较均无统计学差异(表3)．

‎ 查看此图

内部一致性测验

表4显示了来自纸质和网络问卷的各个项目之间的斯皮尔曼ρ相关值。所有16个项目在纸质和基于网络的项目之间表现出高相关性(>0.8)。采用Kendall τ分析对两个版本进行单项内部一致性检验。在所有项目中，由于Kendall τ系数在0.787和0.877之间，且均具有统计学显著性，因此等级相关性较高。每个数据点都反映了单个患者的NFBSI-16总分，图3描述了基于纸的总分和基于网络的总分之间的正相关关系。总体而言，基于纸张和基于网络的问卷的项目得分之间的CCC一致性都相当高，为0.94(公平:0.21-0.40;中度:0.41 - -0.60;实质:0.61 - -0.80;几乎完美:0.81-1.00)，如表5．

‎ 查看此图

病人的偏好

表6显示，大多数参与者更喜欢以网络形式而不是纸质形式回答相同的问题。偏好的差异在统计上是不同的。

估计遗留效应

为了评估遗留效应，我们让年代_一个表示A组的和(来自网络项目的总分加上来自纸质项目的总分)，令年代_B表示来自B组的和。我们使用和值的Wilcoxon检验来估计两组(A和B)的转移效应年代_一个而且年代_B，在5%显著性水平下，不同序列间可能的结转效应差异不显著(P= 0.84)。

讨论

主要结果

总体而言，网络版本的信度被认为是优秀的，用Wilcoxon符号秩检验和CCC进行测量。此外，Spearman ρ相关和Kendall τ分析表明，平均差异都接近于零，支持网络版NFBSI-16自我管理问卷的良好可靠性。在本研究中，我们使用Wilcoxon符号秩检验和CCC来评估测试的信度。然而，可以使用不同的方法来评估测试-再测试的可靠性，并且在文献中有许多关于最佳可能方法的讨论[39］．类内相关系数(ICC)于1954年首次提出，是对皮尔逊相关系数的修正。然而，现代ICC是通过方差分析(ANOVA)获得的均方(即，基于给定测量集之间的可变性的总体方差的估计)来计算的。ICC在患者组分析中的缺点是，如果组主要是同质的，ICC往往较低，因为ICC将患者之间的方差与总方差进行比较。如果患者群体主要是异质的，ICC往往较高。因此，ICC只适用于相似的人群。此外，单向ICC并不考虑观察结果的先后次序[40］．因此，CCC是一种有用的测量方法，因为它不仅涵盖了第一次和第二次测量之间的平均差异，例如通过单向方差分析计算的icc，而且还考虑了第一次(基于论文的)和第二次(基于网络的)测量之间的方差差异，从而降低了结果测试-重测可靠性估计的量级。综上所述，CCC是一个更好的区分偏差和不精确的工具[39，40］．

限制

这项研究也可能有一些局限性。首先，NFBSI-16的纸质和网络测量在第5项(GP3)上的显著差异(表3)是一个意外的发现。我们认为这种显著差异可能是由于一个异常值造成的。这一假设得到了以下事实的支持:尽管354名患者(总数)中有293名患者在纸上和网络上对第5项(相似度高)有相同的答案，但检测到平均值存在显著差异。其次，根据这项研究的性质，我们的一些发现很难一概而论，因为它受到人口统计背景的限制。

与之前工作的比较

NFBSI-16包括来自原始FBSI的所有8个项目和来自FACIT测量的8个额外项目，这些项目涵盖了肿瘤患者和临床医生认可的最基本的乳腺癌相关症状和担忧[15］．与以前的版本(FBSI)相比，它强调患者的输入遵循食品和药物管理局对prom的指导[41]并且在临床实践和研究中已被验证为评估乳腺癌治疗有效性的全面而强大的工具。此外，4个清晰分离的子量表的布局有利于任何临床医生、患者或研究人员，使他们能够查看他们所关心的特定领域。不过，中文电子版本的可靠性尚未经过测试。本文描述了基于网络版本的NFBSI-16自填问卷的测试-重测信度评估。在设计一份经过验证的纸质问卷的网页版时，必须考虑到一些变量，如文本大小、列格式、对比度、布局、矫正镜的使用等。我们创建了基于web的NFBSI-16，尽可能与原始的保持一致。此外，完成基于网络的问卷调查所需的技术技能可能与完成纸质问卷调查所需的技术技能不同。然而，我们的研究发现，从纸质版和网络版获得的分数之间没有临床显著差异。格沃特尼等人[28]元分析报告纸质评估和电子评估之间的平均相关性为0.90 (95% CI 0.87-0.92;n = 32)。我们的研究结果表明，NFBSI-16问卷具有良好的重测信度，NFBSI-16总分相关性为0.94。

结论

总之，NFBSI-16的网络版本清楚地显示了相当的可靠性，因此在评估接受乳腺癌治疗的患者的研究和监测个体方面是一个有前途的措施。测试-再测试的信度支持了基于网络版本的NFBSI-16在相对中等样本量的临床研究中的价值。此外，在我们的研究中，大多数参与者更喜欢纸质版本;我们建议在临床研究中使用网络版本的NFBSI-16。目前，NFBSI-16的网络版本的纵向有效性和中国其他几个人口群体的有效性正在研究中，为临床医生在评估乳腺癌和其他恶性肿瘤患者的健康相关症状和生活质量时提供了更多的选择。