简版健康素养量表的开发：基于经典测量理论和项目反应理论

孙小楠，陈珂，武运筹，汤靖琪，王飞，孙昕霙，贺苗，吴一波*

1.150081 黑龙江省哈尔滨市，哈尔滨医科大学公共卫生学院

2.230039 安徽省合肥市，安徽大学哲学学院

3.400715 重庆市，西南大学心理学部

4.200062 上海市，华东师范大学心理与认知科学学院

5.100875 北京市，北京师范大学心理学部认知与学习国家重点实验室

6.100191 北京市，北京大学公共卫生学院

7.150081 黑龙江省哈尔滨市，哈尔滨医科大学人文社会科学学院

健康素养系个体获取、理解健康信息以保障、推进自身健康建设的能力［1］。WHO强调，健康素养作为一种认知能力和社会技能水平的象征［2］，是健康的重要决定因素［2-3］。健康素养水平的限制易让公众难以完整地认识、了解疾病，难以实现对医疗资源的高效、充分利用，特别是影响慢性病患者的自我疾病管理，从而导致较差的服药依从性，甚至增加住院率与死亡率［4-6］。我国《“健康中国2030”规划纲要》强调居民的健康素养情况是战略目标的核心内容，提升健康素养水平应成为健康教育、患者管理和健康促进等方面的重要构成［7］，这就要求个人要充分了解并使用健康信息，以便充分管理自身的健康问题，降低社会成本。因此，一个能客观、全面且准确测评健康素养的工具是开展此类研究的前提。

随着健康素养领域得到国内外学者的关注，用于测量公众的健康素养工具研发活跃，目前常用成年人功能健康素养测试（Test of Functional Health Literacy in Adult，TOFHLA）、欧洲健康素养调查（the European Health Literacy Survey Questionnaire，HLS-EU-Q）等问卷［8-9］。结合以上研究，DUONG等［10］在HLSEU-Q47的基础上，编制了适用于评估亚洲国家公众健康素养的12条目健康素养量表（Short-form Health Literacy Survey Questionnaire，HLS-SF12），以良好的信效度支持了HLS-EU-Q47的原始架构。我国学者多使用国家卫生健康委员会制定的“全国居民健康素养监测调查问卷”，随着对健康素养研究的深入，陆续有学者研发了针对特殊人群的健康素养评估工具［11-13］。

目前课题研究中多倾向于多维度、多条目的测评工具，力争全面化评估受测者的临床或心理特质，但随之应用，冗长的工具也出现了一定的不足：问卷中题目过多，使得受访者作答时间较长，作答耐心降低，作答认真度下降，问卷的真实性可靠性难以保障；同时易使受访者产生隐私受侵的心理，增加受访者的心理负担［14］。而简短版量表则能较大程度上规避以上弊端，同时缩减问卷填写时间，利于推广受访人群与应用领域。此外，简短的健康素养评估工具可被纳入患者就诊评估等评估问卷，快速筛查出健康素养有限的群体，便于实施针对性的健康教育，评估干预效果［8，15］。

考虑到我国在健康素养领域缺失简便的测评工具，本研究尝试对HLS-SF12进行简化研究，这将有助于在更大规模的人群或临床环境中对健康素养进行简单而准确的评估，为今后的干预研究提供参考依据。

1 对象与方法

1.1 研究对象

“中国家庭健康指数调查（2021年）”于2021-07-10—09-15开展，采用多阶段抽样的方法，纳入中国23个省和5个自治区的省会、4个直辖市，并用随机数字表法在每个省、自治区的非省会地级行政区中各抽取2～6个城市，共120个城市。每个城市至少招募1位调查员或1支调查团队。调查员需基于“2021年第七次全国人口普查结果”的数据结果，使所获得样本的性别、年龄、城乡分布基本符合人口特征。“中国家庭健康指数调查（2021年）”纳入标准：（1）年龄≥12岁；（2）具有中华人民共和国国籍；（3）中国常住人口（年外出时间≤1个月）；（4）自愿参加研究，填写知情同意书；（5）可自行完成网络问卷调查或在调查员帮助下完成问卷调查；（6）了解问卷每个条目所表达的含义。排除标准：（1）意识不清、精神异常者；（2）正在参加其他类似研究课题者；（3）不愿合作者。问卷回收后由两人背靠背进行逻辑检查和数据筛选。本研究已通过暨南大学伦理委员会伦理审查（JNUKY-2021-018）。“中国家庭健康指数调查（2021年）”共调查居民11 668例，回收有效问卷11 031份，有效回收率为94.54%。从数据中选择≥18岁人群作为本研究的受测对象，最终纳入7 449份数据，并随机分成2个样本集，其中样本集1共3 680份，样本集2共3 769份。

1.2 方法

1.2.1 一般资料问卷：由研究者编制，内容包括调查对象的性别、年龄、民族、户口类型、居住地类型、最高学历情况、婚姻状况、家庭人均月收入等。

1.2.2 HLS-SF12：DUONG等［10］编制的适用于公众健康素养测量的HLS-SF12分为3个维度，分别是卫生保健、疾病预防、健康促进，共12个条目，采用4级评分（1=非常困难，2=困难，3=容易，4=非常容易），使用公式计算标准化健康素养指数（health literacy index，HL指数），指数范围为0～50，指数越高代表健康素养水平越高。计算公式为HL指数=（平均值-1）×（50/3），其中平均值是每个个体所有参与项目的平均值，1是平均值的最小可能值（此时指数的最小值为0），3是平均值，50是指数的最大值。DUONG报告HLS-SF12的Cronbach'sα系数＞0.70，卫生保健分量表的Cronbach'sα系数为0.49～0.72，疾病预防分量表的Cronbach'sα系数为0.64～0.77，健康促进分量表的Cronbach'sα系数为0.59～0.81，内部一致性指标良好。经原作者授权，施测时采用汉化后的HLS-SF12中文版［16］。本研究中该量表在数据集1的Cronbach'sα系数为0.932，数据集2的Cronbach'sα系数为0.933，总数据集的Cronbach'sα系数为0.932。

1.2.3 领悟社会支持量表（Perceived Social Support Scale，PSSS）由ZIMET等［17］开发，PSSS分为家庭支持、朋友支持和他人支持3个维度，每个维度含4个条目，共12个条目。量表选项从“极不同意”至“极同意”赋分为1～7分，得分越高领悟到的社会支持越丰富。本研究中该量表在数据集2的Cronbach'sα系数为0.947，总数据集的Cronbach'sα系数为0.948。

1.2.4 家庭健康量表（Family Health Scale Short-Form，FHS-SF）由CRANDALL等［18］编制，用于测评家庭健康功能，由WANG等［19］汉化翻译。该量表分4个维度，共10个条目。题项为“非常不同意”至“非常同意”（1～5分），其中第6、9、10题为反向计分。总量表得分越高表示家庭健康水平越好。本研究中该量表在数据集2的Cronbach's α系数为0.845，总数据集的Cronbach's α系数为0.846。

1.3 简化方法

1.3.1 通过经典测量理论（classical test theory，CTT）在项目分析时常用的4种方法：项目间残差相关法、相关系数法、项目-总体相关系数法（corrected item-total correlation，CITC）、独立样本t检验法对原量表的每个条目进行分析。

（1）项目间残差相关法计算各项目与其余项目残差相关之和，保留项目之间残差相关最小的，表现为项目残差的MI值相加［20］。

（2）相关系数法是计算各条目与量表总得分的皮尔逊相关系数，选取量表中单个条目得分与量表总分的相关系数的绝对值较大的且存在显著的统计意义的条目［21］。

（3）CITC法根据量表的内部一致性筛选条目，通过计算总量表或单个维度的Cronbach's α系数，比较删除某一条目后Cronbach's α系数的变化。如果某条目去掉后总量表或单个维度的Cronbach's α系数有明显升高，表明应当删除，因为该条目的存在会降低量表或维度的内部一致性，反之则保留［22］。

（4）独立样本t检验法首先将量表总分由高到低排列，高分组为总分最高的27%，低分组为总分最低的27%，随后进行独立样本t检验，若结果显示高低分两组被试在某条目上平均得分不存在显著性差异，则应当删除该条目［23］。

1.3.2 项目分析理论（item response theory，IRT）的简化方法——Mokken模型［24］，Mokken模型属于非参数项目反应理论，与参数项目反应理论相比，其提出更适应实际情景、更有弹性的框架，还更适宜短量表使用［25］。利用R语言的“Mokken”包对健康素养量表全量表进行分析，包括对所有条目的单维性检验、局部独立性检验、单调性检验。

（1）利用自动项目选择算法（automated item selection procedure，AISP）检验量表单维性，AISP实施时，从c=0开始，到c=0.55结束，步长0.05。当c值越大时，如果测验是单维的，可能会出现以下3个阶段：绝大部分或全部条目合并为1个量表；形成1个容量较小的量表；形成1个或几个小量表，同时许多项目被删除［26］。

（2）利用同质性系数（homogeneity coefficients）检查条目设置是否合理。同质性系数分为3类：项目对（Hij）、项目（Hi）和量表（Hs）。同质性系数H值越高，测验所得总分对被试潜在特质的排序越准确，Mokken依据自身经验，认为Hij必须＞0，Hi和H不能＜0.3。更具体的H值规定为：当H＜0.3时，量表不合格；当0.3≤H＜0.4时，量表的准确程度较弱；当0.4≤H＜0.5时，量表的准确程度中等；当H≥0.5时，量表的准确程度强［27］。

（3）局部独立性检验利用条件关联程序完成，由3个条件关联指数W（1）、W（2）、W（3）检验，被标记的项目要逐一删除，删除的原则是：具有最多W标志的项目被删除，直到剩下没有标志的项目。如果项目具有相同数量的标志，则同质性系数Hi更小的项目将被删除［28］。

（4）检验每个项目的单调性。单调性将最小紊乱系数（#vi/#ac）、显著性（#zsig）和Crit的数值作为评价标准，当以上3个指标等于0时，说明符合单调性假设。但在实际应用中，最小紊乱系数＜0.3可接受［29］，显著性＜1.96可接受［30］。当Crit＞80时，违背单调性假设；当40≤Crit≤80时，应按照条目内容和量表使用目的考虑是否删除；当Crit＜40时，则可认为该条目基本满足单调性，个别违反单调性假设的情况可以看作是被试抽样误差所致［31］。

1.4 统计学方法

采用SPSS 24.0、AMOS 24.0和R 4.2.1软件进行数据处理，使用描述性统计分析、验证性因子分析、CTT精简条目、Mokken模型精简条目、验证性分析等分析方法。为了保障简版量表的有效性，以及避免出现样本量不足造成的研究能力降低的情况，本研究对研究需要的最低样本量进行了计算［32］：假设使类内相关系数（intra-class correlation coefficient，ICC）达到0.90，Ⅰ型错误概率α为0.05，此时实现95%的统计功效需要223名被试者。本研究收集了7 449份有效数据（包括条目筛选和验证分析两份数据集在内），说明样本量足以进行后续数据分析。

研究首先对数据集1和数据集2的社会人口学信息进行描述性统计，显示变量各分类的人数及百分比。

在利用数据集1检验了HLS-SF12的各心理测量学指标后，分别利用CTT和IRT的方法简化其条目，得到了HLS-SF9和HLS-SF4，然后基于数据集2的数据进行验证性分析。在探索性分析的基础上，对得到的简版量表进行验证性分析，分为地板和天花板效应检验、信度检验和效度检验简版量表。地板和天花板效应分别反映了得分最低和最高的参与者的反应，建议最低或最高水平的百分比为15%或更低。如果超过15%的受访者分别获得了可能的最低或最高分数，则认为存在地板或天花板效应［33］。若存在天花板效应，则该量表在实际使用中，由于顶端水平上选择数量增多从而导致后续数据分析中各指标的有效性受到影响。地板效应与之相反。信度指标若均＞0.7表明可接受［34］。效度检验分为结构效度分析和实证效度分析。结构效度检验中，由于HLS-SF4已经打破了HLS-SF12的三维度结构，所以不能采用验证性因子分析，需要探索性因子分析；而HLS-SF9仍保持原有的三维度结构，所以直接进行验证性因子分析即可。然后通过比较12条目的原量表和开发的简版量表与2个相关概念的相关性，进行实证效度检验。根据数据类型，使用Pearson相关检验计算相关性。为检验简版量表与完整版量表所测内容的一致性程度，本研究利用RStudio中的“lpSolve”和“irr”包计算ICC，ICC可以反映测量之间的相关程度和一致性。ICC的评价标准为：当ICC＜0.50时，被解释为一致性差；当0.50≤ICC＜0.74时，被解释为一致性中等；当0.75≤ICC≤0.90时，被解释为一致性好；ICC＞0.90时，被解释为一致性优秀［35］。

2 结果

2.1 研究对象的社会人口学信息

在样本数据集1的3 680名受访者中，男1 608名（43.7%），汉族3 449名（93.7%），常住城镇者2 700名（73.4%），农业户口1 524名（41.4%）。在数据集2的3 769名受访者中，男1 678名（44.5%），汉族3 544名（94.0%），常住城镇者2 749名（72.9%），农业户口1 599名（42.4%），完整的人口统计细节见表1。

表1 研究对象的一般人口学特征Table 1 General demographic characteristics of the study population

2.2 完整版量表的心理测量学检验

基于数据集1的数据，对HLS-SF12的心理测量学指标进行验证性因子分析，如图1所示。结果显示规范拟合指数（NFI）=0.960，拟合优度指数（GFI）=0.957，调整拟合优度指数（AGFI）=0.934，比较拟合指数（CFI）=0.962，近似误差均方根（RMSEA）=0.068，各拟合指标表明原量表模型拟合良好。计算内部一致性系数得出Cronbach'sα=0.932，量表信度良好。

图1 HLS-SF12的验证性因子分析Figure 1 Confirmatory factor analysis of the version of HLS-SF12

2.3 探索性分析

2.3.1 基于经典测量理论的条目精简：首先，采用项目间残差相关法进行项目分析，MI值的门槛值使用默认值。结果显示，各维度中残差MI值最大的条目分别为条目3、条目5和条目11，说明这几个条目对本维度的解释力在每个维度的所有条目中是最小的，故考虑剔除。其次，采用相关系数法进行项目分析。结果表明，完整版健康素养量表与各条目之间的相关系数均＞0.710（r=0.716～0.797），说明这些条目与量表的一致性良好，均考虑保留。

再次，采用CITC对量表进行分析，发现删除每项后的Cronbach's α系数在0.924～0.928，删除条目后内部一致性系数均有所下降，因此量表中没有条目需要删除。

最后，以健康素养量表HL指数最高的27%（≥37.500分）和最低的27%（≤30.556分）划分高分组与低分组，进一步做独立样本t检验，结果显示，量表的高、低分组在各条目上的得分均存在显著性差异（P＜0.001），因此量表中没有对应的条目需要删除。

综上所述，运用4种经典测量理论的方法对HLSSF12进行精简，结果表明条目3、条目5和条目11在项目间残差相关法中考虑删除，因此将这3个条目删除，形成1个9条目的三维简版量表。基于经典测量理论简化后的健康素养量表（HLS-SF9）共包括9个条目：条目1、条目2、条目4、条目6、条目7、条目8、条目9、条目10和条目12，具体条目分析结果见表2。

表2 基于经典测量理论的4种条目分析方法结果汇总Table 2 Summary of the results of 4 item analysis methods based on the classical test theory

2.3.2 基于Mokken模型的条目精简：首先，对HLSSF12进行Mokken模型分析。利用AISP检验量表单维性，从c=0开始，到c=0.55结束，步长设置为0.05。结果表明，AISP当c设置在0～0.55时，均只能得到1个维度，且所有项目在该维度中。

然后，计算量表的各同质性系数。结果表明，本研究中，Hij均大于0.43，Hi均大于0.53（表3），H=0.609。这说明本研究使用同质性系数不能删除条目。

表3 基于Mokken模型的条目分析结果Table 3 Results of item analysis based on Mokken model

再进行局部独立性检验，即进行条件关联分析。第一轮分析中，指标W（1）表明第11项有6个标记，第2项和第8项各有4个标记，第10项有1个标记，故先将条目11删除。在之后的几轮分析中，根据指标W（1）、W（2）和W（3）的结果，依次删除条目8、条目2、条目12、条目6、条目9、条目4、条目10。经过条件关联分析，保留4个条目，分别是条目1、条目3、条目5、条目7。

随后对这4个条目进行单调性检验，条目1、7均未违反单调性，条目3的最小紊乱系数为 0.02，显著性为 1，Crit 值为13，且条目5的最小紊乱系数为 0.02，显著性为 1，Crit 值为 19，均在可接受范围内，考虑保留，详见表3。

综上所述，基于Mokken模型简化后的健康素养量表（HLS-SF4）共包括4个条目：条目1、条目3、条目5、条目7。

2.4 验证性分析

2.4.1 天花板和地板效应检验：HLS-SF9和HLS-SF4的可靠性可通过最小的地板/天花板效应而得到加强。表4显示其在数据集2中的天花板和地板效应，均未超过15%，说明得分最低或最高的被试可以相互区分，利于信度的测量。

表4 两个精简版量表的HL指数得分情况Table 4 HL index scores for the two short versions of the scales

2.4.2 信度验证：使用数据集2检验两个简化后的健康素养量表的信度，分析显示，HLS-SF9和HLS-SF4的Cronbach's α系数为0.913和0.842、折半信度为0.871和0.815，各条目删除后的信度均≤0.910和0.810，信度分析指标良好。

2.4.3 效度检验

2.4.3.1 结构效度：在数据集2中对HLS-SF4进行Bartlett球形检验和KMO度量。HLS-SF4的Bartlett球形检验值为5 915.883（P＜0.01），KMO度量为0.807，可以进行因子分析。随后探索性因子分析提取出1个特征根大于1的因子，从CTT的角度验证了其单维性，累积方差贡献率为67.813%，各条目的因子载荷量均大于0.81。

对HLS-SF9的9个条目进行验证性因子分析（图2），HLS-SF9的验证性因子分析模型适配指标的检验结果显示χ2/df=10.844、GFI=0.985、AGFI=0.971、NFI=0.986、CFI=0.987和RMSEA=0.051，除χ2/df外均达到理想标准，需要说明的是χ2/df消除了自由度的影响，但没有消除样本容量的影响，由于样本数量为3 769，属于大样本，而相关研究表明当样本数较大时，模型整体适配度的卡方值就会随着样本数增大而显著增大，这时只需要考虑其他重要指标，而这个指标就可以忽略。因此三维9条目的HLS-SF9模型拟合结果较好。

图2 HLS-SF9验证性因子分析模型Figure 2 HLS-SF9 confirmatory factor analysis model

2.4.3.2 实证效度：以往研究表明，健康素养与领悟社会支持、家庭健康均呈显著相关［36-38］。本研究运用数据集2将PSSS、FHS-SF和HLS-SF12、HLSSF9、HLS-SF4同时进行相关分析，结果显示，HLSSF12与PSSS呈正相关（r=0.361，P＜0.001），与FHSSF呈正相关（r=0.329，P＜0.001），HLS-SF9和HLSSF4与PSSS呈正相关（r=0.367，P＜0.001；r=0.292，P＜0.001），与FHS-SF呈正相关（r=0.340，P＜0.001；r=0.237，P＜0.001），表明HLS-SF9和HLS-SF4的实证效度良好。

2.4.4 测量内容一致性：基于数据集2，本研究分析了两个简化版健康素养的效标效度。HLS-SF9对HLS-SF12的效标效度的ICC（95%CI）为0.989（0.988～0.999），HLS-SF4效标效度的ICC（95%CI）为0.892（0.886～0.899），表明效标效度良好及以上，即两个精简后的量表与完整版量表所测量的内容有高度一致性。

3 讨论

3.1 量表简化过程和结果的合理性

HLS-SF12运用主成分分析法进行简化，在亚洲6个国家/地区的验证结果显示［10］，较好地反映了HL的理论结构，并在健康素养水平亚组人群间存在有效差异，校标检验显示HLS-SF12对亚洲健康素养量表HLS-EU-Q47的解释有效性高于欧洲地区量表HLSEU-Q16。HLS-SF12量表已被国外学者应用于普通门诊、骨科及中医科等科室患者的研究［39］，以及在越南农民、新型冠状病毒感染期间卫生工作者及门诊患者等人群中得到验证应用［40-42］，均表明该量表具有良好的信效度，并且在跨文化背景、地域差异以及社会群体差异等方面具有普适性，可作为应用多群体健康素养的有效衡量工具。

以往简化的研究中常用经典测量理论和Mokken模型这两个理论模型。一方面，CTT是历史悠久、发展时间长、应用最广、最为人们熟知的一种心理测量学理论［43］，其将测验观察分数表示为真分数和误差分数之和，并且在其假设的基础上，经过几十年的实践，从理论上推导出包括信度、效度、条目难度和区分度等十几个参数的计算公式，建立了完善测验方法体系，明确了测验标准化程序，使整个测验过程更加客观、科学。除此之外，CTT拥有一套较为易懂的数学模型、参数概念和估计方法，提倡的标准化技术能有效控制测量过程中产生的误差，更重要的是，其理论和方法体系相对完整，前提假设比较弱，很容易为实际工作所满足［44］。例如，于斌斌等［45］采用基于经典测量理论的极端值法、相关系数法和CITC将批判思维倾向量表简化为28个项目，且信效度检验结果显示简化版量表可用性强。另一方面，IRT的测验模型也被证实具有更多的优点，其采用非线性模型，建立了被试对项目的反应与其潜在特质之间的非线性关系，这一点更符合实践领域中的施测情况［46］。而Mokken模型是非参数项目反应理论模型的一种，具有非参数的特性，同样服从IRT的基本原则，可以弥补参数项目反应理论模型的不足［47］。对所有项目进行Mokken模型分析后可以将不符合理论假设的项目加以删除或修改，进一步提高量表的质量［48］，WANG等［49］和WU等［50］使用Mokken模型分别简化了新的一般自我效能感量表和领悟社会支持量表，信效度良好，可应用于实践领域。

在简化前，本研究使用验证性因子分析对数据集1中原量表的结构效度进行验证，结果表明健康素养量表（HLS-SF12）的结构效度良好。在基于经典测量理论的量表简化过程中，本研究还根据4种常用于项目分析的经典测量理论的方法对健康素养量表进行精简，其中每个维度中有一个条目在项目间残差相关性中考虑删除，将其删除后形成1个9条目的简版量表（HLS-SF9）。

在根据非参数项目反应理论进行量表简化的过程中，本研究对完整版量表进行Mokken分析。首先对完整版量表进行分析，单维性检验表明完整版量表只能得到1个维度，同质性系数良好，但在局部独立性检验中，依次删除了具有条件关联的8个条目，再进行单调性检验，没有删除多余的项目，最终得到了1个4条目的简版量表（HLS-SF4）。

以经典测量理论和Mokken模型为基础开展简化工作，得到了两个精简后的版本HLS-SF9和HLS-SF4，利用数据集2的数据进行天花板和地板效应分析，结果表明两个效应均低，可以较好区分高、低分被试，有利于进行进一步的信度分析。信度检验表明，两个简版量表信度良好。然而，HLS-SF9的各信度优于HLSSF4。在结构效度检验中首先进行了Bartlett球形检验和KMO度量，确定HLS-SF4可以进行因子分析，然后采用探索性因子分析验证HLS-SF4的简化结构，经过主成分分析提取出1个特征根大于1的公因子，结果符合Mokken模型分析中AISP所检验的量表单维结构的前提假设；对HLS-SF9则采用验证性因子分析，结果显示其三维模型的各项适配指标均为优秀，说明9条目的简版量表被划分为三个维度是合理的。值得一提的是，两个简版量表是采用两种不同的结构效度验证方式检验量表结构，这有两个原因：一是利用经典测量理论简化条目时，并未涉及维度的增减，维度确定且与原量表保持一致；二是利用Mokken模型简化条目时，打破了原有的维度，合并成单一维度，且简化后保留的条目只涉及前两个维度。实证效度检验的结果显示，HLS-SF9以及HLS-SF4均具有较好的实证效度。测量两个精简后的量表与完整版量表的ICC指数，结果表明所要测量的内容有高度一致性，但HLS-SF9高于HLS-SF4。综上所述，HLS-SF9条目保留原量表因子结构，信度、实证效度较优，和原量表的测量内容一致性更高，而HLS-SF4条目少，各项因子载荷量更高，因此保留两个精简版本均具有合理性。研究人员可根据各自研究的情况选择更具有针对性的测评量表，如首要目的是获得更精确的测量结果，则可以采用HLS-SF9；若首要目的是缩短整体问卷作答时间（如在大型横截面调研项目中，可通过牺牲精度以获得更精简的问卷量），则HLS-SF4更为适用。

在传染性或非传染性疾病的预防与控制中，健康素养是不容忽视的重要因素，比如在新型冠状病毒感染的信息疫情中，健康素养成为公众辨识“谣言”的关键工具［51］。本研究使用全国范围的大样本研究数据，尽可能降低地域差异带来的偏倚，以提高研究的可推广性［52］，并将数据随机生成两个样本群，相互验证研究结果。精简后的健康素养量表条目相较于国内的常用的评估问卷，条目数量少、作答时间短、作答难度较低，更适宜测评全年龄段人群抑或在综合性问卷中使用。

3.2 局限及未来研究

本研究分别采用两种理论为基础，皆严格遵守了量表简化的理论原则，但仍存在一定局限性。例如本研究选择全国大样本横截面研究为数据来源，未来需要在纵向研究中，做简化版量表的有效性与稳定性验证工作；在多领域实际运用中，也需要更多的适应性验证与调整。

综上所述，本研究运用经典测量理论以及Mokken模型筛选HLS-SF12条目，经过简化的9条目与4条目的健康素养量表在我国公众群体中具有良好的信效度，可以作为测评我国全人群健康素养的可靠且精简的工具。

作者贡献：孙小楠、陈珂进行文章的构思与设计，撰写论文；孙小楠、陈珂、武运筹、王飞、孙昕霙进行研究的实施与可行性分析；孙小楠、汤靖琪进行数据收集、整理；孙小楠、陈珂、武运筹进行统计学处理，结果的分析与解释；孙小楠、陈珂、汤靖琪进行论文的修订；贺苗、吴一波对文章整体负责，监督管理。

本文无利益冲突。