醫(yī)學綜合考試中的聚類分析

醫(yī)學綜合考試中的聚類分析

醫(yī)學考試是我國醫(yī)療體制改革的重要組成部分，自1999年正式實施。作為行業(yè)準入考試,其設(shè)立的目的就是評價申請醫(yī)師資格者是否具備從事醫(yī)師工作所必需的職業(yè)精神、專業(yè)知識與技能?？荚嚪譃閮杉壦念?即執(zhí)業(yè)醫(yī)師和執(zhí)業(yè)助理醫(yī)師兩級;每級分為臨床、中醫(yī)、口腔、公共衛(wèi)生四類?？荚嚨膬?nèi)容主要包括實踐技能考試和綜合筆試兩部分。醫(yī)師資格考試醫(yī)學綜合筆試屬于標準參照性測驗的性質(zhì),也即根據(jù)從事醫(yī)生行業(yè)所必需的基本知識技能作為基礎(chǔ)設(shè)計測驗,通過此測驗者則說明具備了此能力,準入,而未通過者則說明尚未完全具備此能力,不準入。這就自然的衍生出一個問題,達到怎樣的水平就屬于合格了呢?具體到測驗得分上即為多少分可以被定為合格分數(shù)。迄今為止,教育和心理測量專家們已經(jīng)提出了幾十種合格標準設(shè)定的方法,大致上分為以測驗為中心,以及以被試為中心兩大類別。以被試為中心的主要有Livingston提出的邊界組法與對照組法;而以被試為中心的方法則主要包括Nedelsky法、Angoff法和Ebel法等。其中Angoff法以操作簡單、原理易懂而得到最為廣泛的應用,具體流程為:讓專家形成恰好合格考生的能力水平后,判斷此水平考生在每道試題上答對的概率,將所有概率累加即得到合格分數(shù)線。Berk1986年從技術(shù)的充分性和實用性兩大方面對23種合格標準設(shè)定方法進行了評價,他認為在最常用的以測驗為中心的三種方法中,Angoff法要優(yōu)于Nedelsky法和Ebel法。醫(yī)師資格考試醫(yī)學綜合筆試目前也使用Angoff法作為標準分數(shù)設(shè)定的方法。雖然Angoff法具有不可比擬的優(yōu)越性,但同時它也存在著一些問題。其中最被學者詬病的即是它的主觀性:從恰好合格考生能力的界定,到題目答對概率的估計都是由專家憑借專業(yè)經(jīng)驗進行的主觀判斷,專家本身的專業(yè)能力、性格、對行業(yè)和測驗的看法都可能影響到最后合格分數(shù)的準確性。如何驗證Angoff法的非主觀性,便成為了Angoff法有效性研究的重點。在以往的研究中,人們通常簡單計算主觀估計值的標準差和標準誤,但這實際上計算的是專家評判的信度而非效度。聚類分析結(jié)合受試者中心模型方法是近年來研究者以統(tǒng)計原理與技術(shù)為基礎(chǔ)發(fā)展出的一種新的更加客觀的合格線有效性衡量標準(Sireci,etal.,1999)。此種方法就是利用聚類分析將考生的成績劃分為幾組,再通過不同類別之間的比較得出一個合格分數(shù)線區(qū)域,通過觀察Angoff專家評判得出的合格分數(shù)線是否落在這個區(qū)域內(nèi)來評價Angoff法的有效性。此種方法最大的優(yōu)點就是通過統(tǒng)計計量學的科學計算來評價方法的效度。本研究即嘗試使用聚類分析的方法,結(jié)合對照組和邊界組兩種邊界分數(shù)計算法對Angoff專家判斷法得出的合格分數(shù)線結(jié)果的有效性進行驗證。1研究對象和方法1.1隨機抽樣技術(shù)的應用本研究使用了某年參加醫(yī)師資格考試醫(yī)學綜合筆試臨床執(zhí)業(yè)類別考試考生在外科學上的分數(shù),及相應學科上Angoff法專家合格線判斷數(shù)據(jù)。由于考生人數(shù)較多,因此本研究采用了隨機抽樣技術(shù)共抽取了21387名考生,為了保證數(shù)據(jù)的有效性,按照總分下限為:P25-(P75-P25)×1.5;總分上限為:P75+(P75-P25)×1.5(其中P25為第一四分距,P75為第三四分距)進行奇異值篩選,最后得到20666名考生在外科學上138道試題的得分。參與外科類專家合格線判斷的專家共10人,得到的合格線分數(shù)為82。1.2聚類聚類及邊界組法選擇聚類算法時,經(jīng)典的聚類分析方法為:系統(tǒng)聚類法(HierarchicalCiusterizig)和K—均值聚類法(K-meansClust)。兩者比較,系統(tǒng)聚類速度慢,適合于規(guī)模不大(樣本量小于1000)的數(shù)據(jù);后者不僅速度快,樣本量大,而且使用的統(tǒng)計方法在每次計算組中心值后都將所有數(shù)據(jù)重新納入再次分組,比前者每個個案只參與一次聚類過程顯然要精確一些。因此,在本研究中使用了SPSS軟件中K-meansClust分析模塊對考生數(shù)據(jù)進行聚類分析。選擇聚類個數(shù)時,由于Edwards和CavallSforza(1965)曾建議把樣本分成兩類,以使得兩類間的離差平方和最大。因此本研究也將分類個數(shù)定為2個。選擇聚類變量時,本研究的聚類變量使用了如外總、普外等外科學下的三級亞學科試題得分。由于亞學科之間的分值差異較大,多數(shù)研究者建議這種情況下應先將變量標準化后再進行分析,因此本研究所用的變量均為標準化后的變量。選擇邊界分數(shù)的計算方法時,一般較常使用的兩種方法為“邊界組法”與“對照組法”。邊界組法具體步驟為:將聚類類別根據(jù)測驗得分由低到高排序后,將各類被試測驗得分的重疊區(qū)域作為分界分數(shù)區(qū)間,將得分落在此區(qū)間的考生視做“邊界組考生”,取他們得分的中數(shù),作為分界分數(shù)?！皩φ战M法”步驟為:建立聚類類別關(guān)于測驗得分的logistic回歸方程,其式為:p=(1+ea+bx)-1。其中,e為自然對數(shù),a為回歸曲線的截距,b為回歸曲線的斜率。分界分數(shù)取被劃分為任一類的概率均為0.5時的測驗得分,也即:當?shù)玫絽?shù)a和b后,按p=0.5反解上述方程得分界分數(shù)x=-a/b,此分數(shù)即為邊界分數(shù)。本研究將分別采用這兩種方法求得的邊界分數(shù)與Angoff法專家判斷合格分數(shù)進行比對。研究中使用的Angoff法為對錯判斷與概率判斷相結(jié)合:第一步讓專家對所有外科題目進行對錯判斷,也即恰好合格考生能否答對每個題目,能計1,否計0,各人加合后除以專家人數(shù)求取平均數(shù);第二步讓專家選擇恰好合格考生能答對每個題目的概率,各人加合再求取專家組平均數(shù);第三步將對錯判斷與概率判斷的中數(shù)作為最后的合格分數(shù)線。實際計算所得外科學類別合格分數(shù)線為82分。2結(jié)果2.1各亞學科基本均數(shù)聚類分布根據(jù)表1我們可以看出,各亞學科的平均數(shù)、中數(shù)和眾數(shù)之間的差異較小,且除了輸血的偏度值外,其他亞學科考生得分分布與正態(tài)比較的偏度及峰度的絕對值都要小于0.5,因此可以說外科各亞學科基本都為正態(tài)分布;如表2所示,各亞學科之間的相關(guān)絕對值都小于0.5,因此可以說考生外科各亞學科得分間相關(guān)較低,也即各亞學科間基本獨立。綜上所述,計劃用做聚類分析的各聚類變量基本滿足K—均數(shù)聚類法的前提條件,呈正態(tài)分布且彼此獨立。同時根據(jù)表1可知,各亞學科得分平均數(shù)間差異較大,最大值為28.24分,最小值為3.6分,因此需要將各變量標準化后再進行聚類分析。2.2類分析所得兩大中心值的分析在將各亞學科得分變量標準化后,使用SPSS軟件中的K-meansClust模塊分析對抽樣數(shù)據(jù)進行聚類分析,聚類數(shù)量定為2個,也即肯定合格考生群體與肯定不合格考生群體。表3為聚類分析所得兩類各自的中心值。對聚類分析所形成的兩個類別對各個亞學科得分進行單因素方差分析,可得表4。從表4可知,聚類形成的兩個類別在各個亞學科上的差異都是具有統(tǒng)計學意義的。圖1為聚類分析得出的兩類考生分數(shù)分布箱形圖,表5為兩類別考生成績的最大值、最小值以及類別內(nèi)考生人數(shù)的統(tǒng)計數(shù)字。據(jù)此可知,第1組考生,也即為高分組考生的外科最高得分為117,最低得分為77,被分到此組的考生為12204人,占考生總體的59%;第2組考生,也即為低分組考生的外科最高分為89,最低分為51,被分到此組的考生為8462人,占考生總體的41%。2.3基于回歸方程的預測分類結(jié)果如前所述,本研究利用聚類分析所得結(jié)果通過邊界組法與對照組法分別計算了邊界分數(shù)線?；贚ogisitc回歸的對照組法是根據(jù)聚類分析所得的類別結(jié)果作為協(xié)變量,將測驗分數(shù),也即本研究中的外科得分作為預測變量,建立回歸方程,而分界分數(shù)的位置可取“被劃分為合格或不合格的概率均為0.5時”的外科總分。為了更好的驗證回歸分析所得方程的有效性,本研究按照1:1的比例將20666名考生分為計算樣本(用于計算回歸方程,考生人數(shù)共10290人)和驗證樣本(用于測試回歸方程的可靠性)。據(jù)此基于計算樣本使用SPSS的BinaryLogistic得到的回歸方程為:ln(P/1-P)=0.876×x-72.69,其中x為外科學科總分?；貧w模型的Cox&Snell判定系數(shù)和Nagelkerke判定系數(shù)分別為0.676,0.910,顯示模型有較好的擬合度。表6為根據(jù)回歸方程對計算樣本與驗證樣本的預測分類結(jié)果。根據(jù)表6可知,回歸分析模型與聚類分析結(jié)果有較好的一致性,無論是計算樣本還是驗證樣本的高低分組正確率都達到了90%以上,總正確率都在95%左右。以上結(jié)果可以說明此回歸方程有較好的分類能力。根據(jù)回歸方程計算出的邊界分數(shù)線為:ln[P/(1-P)]=ln(0.5/0.5)=0=0.876×x-72.69,x=82.98≈83,即為邊界分數(shù)線。邊界組法設(shè)定分數(shù)線的方法,應取聚類分析結(jié)果高分組的最小值與低分組的最大值劃定為“邊界組考生”,然后計算此部分考生分數(shù)的中數(shù)即為邊界分數(shù)線。根據(jù)表5所得數(shù)據(jù),算得邊界組法邊界考生分數(shù)上限為89,下限為77,中數(shù)為83,即為邊界分數(shù)線。2.4聚類分析邊界組表7為聚類分析所得分數(shù)線與Angoff法專家判定合格線的比較。本研究所采用的Angoff專家判定合格線為82分,聚類分析邊界組或?qū)φ战M所得分數(shù)線都為83。如表所示,使用Angoff法所得分數(shù)線20666個樣本中通過人數(shù)為12549人,通過率為60.7%;使用聚類分析所得分數(shù)線通過人數(shù)為11894人,通過率為57.6%,兩者基本相符。計算得出分類一致性Kappa系數(shù)為0.934,一致性較高。3聚類分析的有效性檢驗有關(guān)Angoff法判斷的質(zhì)疑聲在學術(shù)界一致未曾間斷。相當多的研究者都認為此種方法太過于依賴專家的主觀經(jīng)驗和態(tài)度,據(jù)此得出的合格線也是主觀的、不穩(wěn)定的。因此越來越多的專家希望能使用客觀的統(tǒng)計學方法來驗證Angoff法的可信度。聚類分析就是其中的一種。聚類分析作為分組統(tǒng)計學方法,依靠計算樣本之間的距離來將被試劃分入不同的組別,可以說是完全沒有摻雜任何的主觀因素。如果聚類分析劃分出的組別與Angoff法判斷出的合格與不合格考生存在一致性,那么就應該能較好的證明Angoff判斷法的效度。本研究以此為理論依據(jù),對某年醫(yī)師資格考試醫(yī)學綜合筆試臨床執(zhí)業(yè)類考試考生在外科學上的得分進行了聚類分析,并采用了邊界組法以及對照組法得出的邊界分數(shù)與Angoff專家判斷的合格分數(shù)進行了對比,兩者對考生分