[发明专利]量表生成方法及装置

权利要求书

1.一种量表生成方法，其特征在于，所述方法包括：

从多个候选危险因素中，选择至少一个目标危险因素；

将所述至少一个目标危险因素分别作为量表因子，生成量表初稿，所述量表初稿包括所述量表因子以及所述量表因子的可选条目；

采用第一测试样本集对所述量表初稿进行信度评价和/或效度评价；

基于所述信度评价和/或效度评价的结果，对所述量表初稿包含的所述量表因子以及所述量表因子的可选条目进行筛选，以生成所述量表。

2.根据权利要求1所述的方法，其特征在于，所述生成量表初稿，还包括：

根据所述量表初稿对正向测试样本的测评结果、所述量表初稿对负向测试样本集的测评结果、所述正向测试样本的样本数以及所述负向测试样本的样本数，采用Logistic模型迭代训练，以确定所述量表初稿中量表因子的可选条目的分值。

3.根据权利要求2所述的方法，其特征在于，采用第一测试样本集对所述量表初稿进行信度评价，包括以下至少一种：

采用所述第一测试样本集，确定所述量表初稿的内部一致性信度；

采用所述第一测试样本集，确定所述量表初稿的分半信度；以及

采用所述第一测试样本集，确定所述量表初稿的重测信度。

4.根据权利要求3所述的方法，其特征在于，确定所述量表初稿的所述内部一致性信度，包括：

采集所述第一测试样本集对所述量表初稿的测评结果；

基于所述测评结果，统计所述量表初稿的克朗巴赫α系数以及所述量表初稿中的量表因子的可选条目的克朗巴赫α系数；

根据所述量表初稿的克朗巴赫α系数以及所述量表初稿中的量表因子的可选条目的克朗巴赫α系数，确定所述量表初稿的内部一致性信度；

确定所述量表初稿的所述分半信度包括：

对所述量表初稿进行拆分，得到第一子量表以及第二子量表；

采用所述第一测试样本集分别针对所述第一子量表以及所述第二子量表进行测评，得到第一测评结果以及第二测评结果；

计算所述第一测评结果以及所述第二测评结果之间的相关系数，作为所述量表初稿的分半信度；

确定所述量表初稿的所述重测信度包括：

按照预设时间间隔，采用所述第一测试样本集对所述量表初稿进行多次测评；

计算多次测评的结果之间的Kappa系数作为所述量表初稿的重测信度。

5.根据权利要求2所述的方法，其特征在于，采用所述第一测试样本集对所述量表初稿进行效度评价，包括以下至少一种：

采用所述第一测试样本集，确定所述量表初稿的区分效度；

采用所述第一测试样本集，确定所述量表初稿的准则效度；以及，

采用所述第一测试样本集，确定所述量表初稿的结构效度。

6.根据权利要求5所述的方法，其特征在于，确定所述量表初稿的所述区分效度包括：

对所述第一测试样本集进行聚类，以得到多个样本分组；

采用所述量表初稿分别对所述多个样本分组中的第一测试样本集进行测评；

对所述多个样本分组中的第一测试样本集的测评结果进行方差分析，以得到所述多个样本分组之间的差异；

根据所述多个样本分组之间的差异以及所述多个样本分组对应的风险结果的等级，确定所述量表初稿的区分效度；

确定所述量表初稿的所述准则效度包括:

将所述量表初稿针对第一测试样本集的测评结果与所述第一测试样本集对应的风险结果进行对比；

基于对比结果，确定所述量表初稿的灵敏度、特异度以及ROC曲线下面积，以获取所述量表初稿的准则效度；

确定所述量表初稿的所述结构效度包括：

采用因子分析法，获取所述量表初稿的结构效度。

7.根据权利要求1-6任一项所述的方法，其特征在于，将所述至少一个目标危险因素分别作为量表因子，生成量表初稿，包括：

获取所述量表因子的候选条目；

根据德尔菲法对所述量表因子对应的候选条目进行筛选，以得到所述量表因子的可选条目；

根据所述量表因子以及所述量表因子的可选条目，生成所述量表初稿。