理解呼吸困难评估 (SODA)

理论背景：COPD 的研究和实践主要集中在评估和治疗呼吸困难的感觉成分上。 然而，呼吸困难（如疼痛）是一种具有感觉和情感成分的复杂症状。 目前的呼吸困难量表仅限于测量呼吸困难的感觉成分，范围有限，并且具有较高的受访者和数据收集负担和/或较高的测量误差。 迄今为止，只有感觉性呼吸困难被用于对 COPD 严重程度进行分类。 DMQ-CAT 通过使用最先进的项目银行方法技术解决其他呼吸困难量表的局限性，仅使用最少数量的项目提供量身定制的多维呼吸困难评估。 包含 71 项的 DMQ-CAT 捕获四种不同的呼吸困难结构：强度、焦虑、活动回避和自我效能，以评估 COPD 药物、肺康复和认知行为治疗的结果。 DMQ-CAT 显示了最小的上限和下限效应、可接受的 Rasch 模型拟合统计、高内部一致性可靠性、与总项目库相比具有良好的准确性以及良好至优秀的并发和已知组有效性的证据。 目前尚不清楚 DMQ-CAT 对变化的相对敏感性、响应性和预测有效性。

假设：与其他广泛使用的 COPD 呼吸困难量表相比，DMQ-CAT 对变化和反应具有更高的敏感性。 与预测急性 COPD 恶化发生率和严重程度的其他呼吸困难措施相比，DMQ-CAT 具有更高的预测有效性。

研究设计：为实现目标 1 和 2，研究人员将使用前瞻性观察设计和 110 名 COPD 肺康复 (PR) 门诊患者的目标样本。 研究人员将使用基于分布的统计数据来比较对呼吸困难仪器变化的敏感性，包括：效应大小、标准化反应方法 (SRM)、标准化测量误差 (SEM) 以及超过最小可检测变化的参与者百分比 (MDC90)从基线到 PR 出院。 研究人员将估计 DMQ-CAT 的最小临床重要差异 (MCID)，并使用针对呼吸困难仪器建立的 MCID 比较超过 MCID 阈值的参与者百分比。 对于目标 3，研究人员将使用回顾性观察设计对 240 名 COPD 患者的现有数据进行二次分析。 研究人员将使用比值比 (OR) 和 95% 置信区间 (CI) 以及接受者操作曲线 (ROC) 下的面积来比较不同呼吸困难措施的预测有效性。