抑郁自评量表准不准：信度效度与使用边界

内容由AI生成，不作为诊疗建议，请注意甄别。

「准不准」这个问题需要先拆成两个层面来回答。SDS（Self-Rating Depression Scale，抑郁自评量表）由 William W. K. Zung 于 1965 年编制，它的信度（多次测量结果是否稳定）在多数研究中表现良好，内部一致性系数通常达到可接受水平；但它的效度（是否真的测到了「抑郁」这个目标）受到更多限制，因为它依赖被试的主观报告，且只反映近期的自评状态。换言之，SDS 作为抑郁症状严重程度的筛查工具是相对可靠的，但它不能用来下诊断结论。

类似的情况也适用于 PHQ-9（Patient Health Questionnaire-9），这是目前临床和研究中使用最广泛的抑郁筛查工具之一，由 Spitzer、Kroenke 等人在 1990 年代末基于 DSM 诊断标准的核心症状条目编制，共 9 个条目。PHQ-9 在多项研究中对重度抑郁的筛查表现出较高的敏感度和特异度，这也是它被广泛应用于基层医疗筛查的原因。但即便如此，任何自评量表的高分数都只提示「需要进一步由专业人员评估」，而不是「患有抑郁症」。

量表测的是什么，不测的是什么

SDS 共 20 个条目，覆盖情绪低落、兴趣减退、睡眠与食欲变化、疲乏、无价值感等抑郁的常见表现，按症状出现频度做四级评分，其中部分条目为反向计分。它测的是被试在近期（通常指过去一周左右）主观感受到的症状频率和强度，属于状态评估而非特质评估。

这意味着两件事。第一，一个人在压力大的一周和状态平稳的一周，分数可能明显不同，分数波动本身是正常的。第二，量表无法区分「抑郁症状」和「由其他原因引起的类似体验」，例如躯体疾病、药物副作用、睡眠剥夺、甲状腺功能异常、双相障碍的抑郁相等，都可能让自评分数升高，而量表本身没有鉴别这些情况的能力。

影响准确性的主要因素

自评工具的准确性受作答者自身状态和作答方式的直接影响。常见的干扰包括：

理解偏差：对条目措辞的理解因人而异，文化程度和语言习惯会影响作答一致性。
反应倾向：有人习惯性地选「总是」，有人倾向于淡化自身感受，导致分数系统性偏高或偏低。
刻意作答：在升学、入职、保险理赔等场景下，可能存在夸大或掩饰。
躯体化混淆：SDS 包含睡眠、食欲、疲乏等躯体条目，躯体疾病患者可能在无情绪问题时得到偏高分数。
时段错位：回忆近期状态时的记忆偏差，会使结果与实际状态出现出入。

此外，常模参照也需要谨慎。SDS 的分数解读依赖常模数据，而常模基于特定年代、特定人群的样本，直接套用到不同年龄、不同文化背景的个体身上，参考价值会打折扣。这一点对网络上的简易版自测题尤其明显——很多在线测试删改了条目、未使用标准计分，也没有可参照的常模，其结果只能视为粗略参考。

分数高意味着什么，分数低又意味着什么

一个偏高的自评分数，比较稳妥的理解方式是：它提示当前一段时间内抑郁症状的自评强度较高，值得进一步关注和核实。它不等于诊断，因为诊断需要专业人员结合症状持续时间、功能损害程度、病史和排除其他原因等多方面信息。反之，分数低也不能完全排除抑郁，掩饰作答、对自身状态觉察不足，都可能让真实存在的困扰没有反映在分数上。

在临床上，自评量表的价值主要体现在三个环节：初筛时帮助识别需要进一步评估的人；治疗或干预过程中作为重复测量工具，观察症状变化趋势；研究和流行病学调查中的标准化数据收集。把 SDS 或 PHQ-9 的单次分数当作结论使用，是对这类工具最常见的误用。

如何合理使用自评量表的结果

使用时应尽量选择有明确出处和标准计分说明的版本（如 Zung 的原始 SDS 或标准的 PHQ-9），按说明的时段范围作答，一次性完成，避免反复琢磨单个条目。得到分数后，把它看作一条线索而非判定。如果分数持续偏高、症状已影响到工作学习或人际关系，或者伴随明显的痛苦感，应由精神科医生或临床心理专业人员做进一步评估，他们可使用结构化临床访谈（如 SCID）等工具，结合问诊作出判断。自评量表的定位是筛查和监测的辅助手段，这一点决定了它「准」与「不准」的边界。