臨床評估的信度、效度與標準化：不能只看一致性

來源及範圍： Jill M. Hooley、Matthew K. Nock，《Psychopathology: A Clinical Science Approach》第十九版，第 4 章選段；Source ID PKB-S-D90C4A660F95；原始 Markdown SHA-256 d90c4a660f95b4c21eb0975cb50b79eaa4f5a03bb752bb7307565e575eb09daa。實讀 L11200–11259、L11316–11345；多欄排版轉換令 L11258 的句子續於 L11316，行號是此版本定位，並非紙本頁碼。這是局部編輯初稿，未經專家審閱；教材引用或暗含的研究與診斷預後例子均未獨立核證，不代表全章完成。

三個不同問題

概念	【作者原書主張】	【整理者分析】下一步要問
信度（reliability）	測量同一事物時結果的一致性。重測信度（test–retest）比較不同時間的結果；評分者間信度（inter-rater）關注不同臨床人員判斷是否一致。作者指出訓練、評估時間和獲取資料方法的差異可能影響診斷一致性。［L11207–11233］	預期被測特徵在兩次測量間穩定嗎？不同評估者是否取得相同資料？不一致可能反映真實變化或情境差異，不能自動歸咎測量工具。
效度（validity）	工具是否衡量其意圖衡量的事物；在分類情境中，作者亦關注診斷能否提供額外有意義資訊或預測病程。作者認為有效解釋通常預設一定信度，但一致本身不保證有效。［L11234–11259、L11316–11330］	要說明對甚麼用途、哪個群體及哪項結果有多少支持。即使評估者一致，也可能一致地使用未能回答問題的指標。
標準化（standardization）	施測、計分及解釋採一致程序；有些測驗以常模樣本（normative sample）比較個人分數在分布中的位置。［L11331–11345］	先查常模的來源、年代、語言與人口是否適合當事人；標準程序及常模比較不能單獨證明臨床判斷正確。

從測量到判斷

【整理者推論】 可把評估視作一連串需分別檢查的問題：明確要回答的問題 → 選擇測量及資訊來源 → 核對程序與一致性 → 檢視對該用途的效度證據和常模適用性 → 結合背景作暫定判斷。箭嘴是編者整理，並非原書已驗證的因果路徑。單一分數或一致的標籤都不能替代對症狀、功能與背景的理解。

【待核證】 教材以不同診斷的預後和社交線索困難作效度例子［L11242–11254］；本次未查原始研究、樣本或現行診斷資料。群體層面的預測亦不能視為個人必然病程。書中稱一致施測較公平［L11331–11337］；公平性仍需檢查不同群體的語言、文化及使用條件，不能僅由程序一致推定。

假設情境及自測

【整理者假設】 兩位評估者按同一程序給一名成人相同量表分數，但常模來自另一語言及年齡群。這支持甚麼？仍缺甚麼？

答案： 一致結果提供這次評分一致性的有限線索；一次一致不能量化整體評分者間信度。仍須考慮翻譯、常模適配、預定用途的效度及其他資料，不能直接由分數推斷診斷或預後。

後續核證： 查量表手冊的信度估計、常模和指定用途的效度資料；獨立核對教材有關診斷預後例子的研究與現行資料。此處沒有完成文獻評價。