Epworth 嗜睡量表(ESS)在驾驶员群体中的应用及信效度检验

安宁，孙龙

(辽宁师范大学 心理学院，辽宁 大连 116029)

1 引言

在交通心理学研究中，疲劳和嗜睡经常被混用[1]。嗜睡反映了保持清醒的困难。另一方面，疲劳通常被认为是一个累积的过程，与一个持续的任务有关。疲劳在休息一段时间后会消失，而嗜睡只有在睡眠后才会消除。很多因素与驾驶员疲劳和嗜睡有关。例如，驾驶员年龄、性别、药物使用历史和慢性身心疾病等[1]。驾驶环境因素，如驾驶时长[2]、交通状况[3]和道路场景单调性[4]等会提高嗜睡或者疲劳水平。

由于Epworth 嗜睡量表(Epworth Sleepiness Scale,ESS)在医学领域被广泛地应用于诊断个体的嗜睡水平，因此很多国外研究者试图将其介绍到交通心理学研究中。截止目前，ESS在不同驾驶群体中的信度和效度已经得到了证实。例如，大货车驾驶员[5-6]，私家车驾驶员[7-8]，公交车驾驶员[9-10]等。ESS 共8个题目，用以评估个体白天嗜睡程度的量表。

国外研究者已经将ESS应用于考察驾驶员嗜睡流行率及其与驾驶行为和事故之间的关系[5-7]。就嗜睡流行率来说，研究发现在4774名法国驾驶员中，28%的驾驶员在上一年至少经历过一次严重困倦驾驶；11%的司机在上一年至少报告过一次未遂事故(46%与睡眠有关)；5.8%的司机报告至少发生过一次事故，其中5.2%与睡眠有关[7]。Radun研究发现，在1121名芬兰驾驶员中，五分之一的驾驶员(19.5%)报告说，他们曾经在驾驶时睡着了，15.9%的驾驶员报告说，在过去的12个月里驾驶时几乎睡着或难以保持清醒[8]。

就驾驶行为来说，大量研究发现，驾驶员驾驶中嗜睡会导致更多的分心驾驶行为[11]，车道维持和速度变异增大[12-13]，对道路危险的反应时也更慢[14]。例如，Epworth嗜睡量表得分与两种类型的嗜睡相关驾驶行为相关(车辆越线行驶，车辆压线行驶)，而睡眠质量仅与后者相关[8]。就交通事故来说，ESS得分可以预测驾驶员发生的未遂交通事故和实际交通事故数目。驾驶员ESS得分每增加1分，驾驶员被告的发生交通事故的概率增加4.4%。与那些没有发生过因嗜睡驾驶导致的未遂事故的驾驶员相比，如果驾驶员报告在过去驾驶中存在1次应为嗜睡驾驶导致的未遂事故，他们发生真实交通事故的概率会增加1.13倍。此外，驾驶员发生过1次真实交通事故，那么他们报告的因嗜睡导致的未遂事故次数是没有报告因嗜睡导致未遂事故驾驶员的4倍[15]。Sagaspe 使用ESS进行研究发现，驾驶员未遂事件的最佳预测因素是过去一年中至少发生一次严重嗜睡。事故的最佳预测因素是年轻人(18-30岁)和至少有一次严重嗜睡驾驶员。开车时嗜睡是与年龄一样重要的交通事故风险因素[7]。

鉴于国内缺乏专业的测量驾驶员嗜睡的量表，本研究经过量表原作者同意对ESS进行修订。本研究通过检验ESS总分与危险驾驶行为频率，自评事故风险以及交通事故次数之间的关系来验证其信度和效度。

2 研究方法

2.1 被试

在辽宁省大连市、沈阳市、抚顺市，四川省成都市、绵阳市，河南省周口市、广东省东莞市和上海市随机选取630名驾驶员参加测试，去除答案填写不完整的31份问卷，最终得到599份问卷。其中，男性355人，占比59.3%，女性244，占比40.7%。年龄在21～55岁，平均为34.94岁(SD=8.52)，驾龄在1到21年之间，平均为7.82年(SD=4.43)。初中及以下学历125人，高中194人，大中专180人，本科及以上100人。

2.2 测量工具

2.2.1 Epworth 嗜睡量表

量表共8个题目，采用4点评分，从0分(从不打瞌睡)到3分(很可能打瞌睡)[16]。嗜睡评分标准：评分大于6分代表嗜睡，评分大于11分则代表过度嗜睡，评分大于16分代表有危险性嗜睡。

2.2.2 危险驾驶行为量表

量表分为危险驾驶行为自我报告量表(RD-SR，14个题目)和危险驾驶行为自我评估量表(RD-SA，14个题目)两部分[17]。RD-SR 采用Likert 5点评分，1分代表从不，5分代表总是。RD-SA采用Likert 4点评分，1分代表根本不可能，4代表非常可能。RD-SA的信度为0.94，RD-SR的信度为0.95。

2.3 研究程序

采用纸笔测验方式，于2020年10月1日到30日期间在我国8个城市随机选取630名驾驶员参加测试。被试首先完成一个人口学信息统计表，然后被试根据在过去一个月驾驶中的实际情况，依次完成ESS和驾驶行为量表。

3 结果

3.1 量表题目描述性统计分析

对量表8个题目进行描述性统计分析，包括平均数、标准差、题总相关、峰度和偏度。由表1，ESS各个题目与总分相关显著，峰度和偏度均在正常范围内，由此保留8个题目进行其他分析。

3.2 探索性因素分析

对8个题目进行主成分因子分析(极大方差法)，产生特征根大于1的因素2个。两个因子可以解释62.50%的变异率(KMO=0.85，Bartlett's Test of Sphericity =1761.22，P<0.01))。由于题目6单独成为一个新维度，因此，题目6删除后再次进行主成分因子分析。本次得到特征根大于1的因子一个，共可以解释52.14%的变异(KMO=0.85，Bartlett's Test of Sphericity=1499.65，P<0.01))。各个题目的负荷量见表1。

表1 量表各题目描述性统计分析(n=599)

3.3 量表的信度和效度

信度分析发现，ESS的内部一致性信度为0.846。通过计算量表总分，各个题目与危险驾驶行为自我评估量表RD-SA和RD-SD之间的关系来验证其相容效度，结果见表2。ESS总分及各题目与RD-SR，RD-SA和交通违规次数之间呈正相关。

由表2，进一步对比分析有无交通违规和交通事故驾驶员在量表各题目上的得分差异，来验证其实证效度，结果见表3。

表2 量表与RD-SR,RD-SA以及交通违规/事故次数的相关(n=599)

由表3，有交通违规(事故)的驾驶员在量表7个题目和总分上的得分均高于无交通违规(事故)的驾驶员。这说明量表的实证区分效度较好。

表3 量表实证效度检验

3.4 量表总分对SD-SR和SD-SA的预测作用

采用分层回归分析进一步考察人口学各因素和ESS总分对SD-SR和SD-RA的影响，结果见表4。由表4，ESS总分可以解释SD-SR 9.2%的变异率，并解释SD-RA 10.5%的变异率。这进一步说明，修订后的ESS可以用于对驾驶员的嗜睡情况进行评估。

表4 SD-SR和SD-RA的预测变量回归分析(n=599)

3.5 ESS的初步应用

3.5.1 驾驶员嗜睡情况分析

根据被试在ESS上的得分并参考其临床诊断标准，进一步分析我国驾驶员在过去一个月驾驶中的嗜睡情况。结果发现，6分以下的驾驶员有266人，占比44.4%。这部分驾驶员没有嗜睡情况，6-10分驾驶员有212人，占比35.3%。这部分驾驶员有嗜睡情况。11到16分驾驶员有121人，占比20%。这部分驾驶员存在过度嗜睡情况。16分以上驾驶员30，占比5%。这部分驾驶员存在危险性嗜睡。

3.5.2 人口学因素对ESS得分的影响

采用单因素协方差分析考察人口学因素对ESS得分的影响，性别的效应不显著，F(1,594) =2.23,P>0.05；年龄，F(1,594) =32.10,P<0.01，驾龄，F(1,594) =7.20,P<0.01和受教育程度，F(1,594) =40.24,P<0.01的效应显著。相关分析发现，ESS得分与年龄(r=-0.32,P<0.01)、驾龄(r=-0.19,P<0.01)和受教育程度(r=-0.22,P<0.01)呈负相关。

4 讨论

本研究是首次证实ESS在我国驾驶员群体中的信效度较好。修订后的ESS包含7个题目，题目“我坐下与人谈话时”由于单独成为一个因子被删除。ESS的信度为0.846。ESS效度从以下三方面得到验证：

第一，ESS总分与驾驶员自我评估的危险驾驶行为和事故风险呈正相关，说明其相容效度较好。以往研究发现，嗜睡驾驶的影响主要与车道位置、速度和方向盘运动变化较大以及反应时间较慢有关[1]。这导致驾驶员卷入危险驾驶行为和事故中的风险增高。例如，嗜睡驾驶降低了驾驶员对车辆的控制能力，呈现出更高的速度变异，方向盘的转向波动更大，车辆横向行驶范围显著增大[18]。此外，驾驶嗜睡对驾驶员保持车辆横向位置的能力有重要影响，导致直线段和弯道的横向位置标准差(SDLP)均增加[19]。

第二，ESS的实证效度较好，可以有效地区分有无交通违规的驾驶员。以往研究发现，从未或很少获得足够的睡眠，在停车休息是没有任何机会打盹(嗜睡驾驶得分高)是预测驾驶员在过去三年中发生交通事故的有效预测因子[20]。其他研究发现，有交通事故的驾驶员报告有更多的嗜睡驾驶次数，他们的ESS得分也显著高于无交通事故的驾驶员[7,15]。未来研究应在控制人口学因素，工作环境等变量后，进一步考察嗜睡驾驶与事故风险之间的关系，提高研究的外部效度。

第三，本研究初步探讨了我国驾驶员嗜睡的流行率。在过去一个月驾驶中，45.6%的驾驶员存在嗜睡现象，尤其是5%的驾驶员存在危险性嗜睡情况。这一比例分布于国外研究结论相似[7-8]。这一方面说明了ESS的有效性，另一方面也说明我国驾驶员驾驶中嗜睡情况相对比较普遍。虽然驾驶时间、光线照明等因素会引起驾驶员自我报告的嗜睡情况发生变化，但是研究者未来应加强相关研究，从而更好地提高我国驾驶安全。

5 结论

修订后的ESS的信效度较好，是测量我国驾驶员驾驶嗜睡情况的一个有效工具。