对迷你最佳评分系统的洞察:6种不同结构模型的比较( Insights into the Mini-BESTest Scoring System: Comparison of 6 Different Structural Models )

Godi Marco Arcolin Ilaria Leavy Breiffni Giardini Marica Corna Stefano Franzén Erika ROC Curve Parkinson Disease Outcome Measures Balance Accidental Falls

目的。Mini-BESTest是临床实践中常见的平衡量表，但提出了不同的评分，即总分和/或分节。本研究旨在通过比较6种结构模型来探讨最小最佳效度，并建立区分跌倒者和非跌倒者（即在评估前6个月内至少报告或未报告两次跌倒者）的最佳模型。方法。在这项横断面验证研究中，分析了709名特发性帕金森病患者（Hoehn和Yahr阶段1-3）的数据。用最小最好的个体进行评估，并记录秋季历史。对6个模型的结构、收敛性、判别效度和信度进行了分析。通过接收操作特征曲线来测试模型充分识别有或无跌倒史的个人的能力。结果。验证性因素分析表明，一维模型和四因素解的拟合指标最好。相反，允许报告总额和分节的二阶模型并不趋同。大多数模型和因子的收敛效度较低（平均方差提取值<0.5)。多维模型的预期姿势调整因子与感觉方位和动态步态因子均有较高的相关(r≥0.85)。一维模型的可靠性较好，但在一半的小节中发现了低值。最后，两个一维模型在接收工作特性曲线（0.81）下都显示了较大的区域。结论。最初的一维Mini-BESTest模型--总分为28分--显示出最高的效度和信度，并且最擅长区分失败者和非失败者。相反，4个亚组不应单独报告，因为它们高度相关，可靠性低；因此，它们实际上没有能力衡量平衡的不同方面。冲击。这项研究表明，在帕金森病患者中，Mini-BESTest应该只与原始的一维评分系统一起使用。

SciDown文献求助系统（解决99%问题） Public Download academic.oup.com