یه حقیقت ساده تو پزشکی وجود داره که خیلیا دوست ندارن قبول کنن: قرار نیست همه چیز همیشه قطعی و روشن باشه! خیلی وقتا پزشکان با موقعیت‌هایی طرف میشن که دقیقاً نمی‌دونن باید چی کار کنن یا مطمئن نیستن نتیجه درمان چی میشه. این ابهامات (یا به انگلیسی Uncertainties) باعث میشه کلی استرس و نگرانی برای پزشکا به وجود بیاد. حالا اگه کسی بخواد بفهمه پزشکان نسبت به این شرایط استرس‌زا چی حس و واکنشی دارن، از یه ابزار مهم به اسم «مقیاس واکنش پزشکان به عدم قطعیت» یا PRU Scale استفاده می‌کنن.
یه تیم پژوهشی اومده و نسخه آلمانی این مقیاس رو دوباره بررسی کرده تا ببینه واقعاً چقدر درست و قابل اعتماده یا نه. به این کار میگن “بازنگری روان‌سنجی”، یعنی با حساب و کتاب آماری بررسی می‌کنن آیا پرسشنامه واقعاً چیزی رو که باید، اندازه می‌گیره یا نه.
خلاصه آزمایش از این قرار بود: بیش از ۱۳۰ پزشک با تخصص‌های مختلف توی یه نظرسنجی آنلاین شرکت کردن (راستی، ۵۹ درصدشون خانم بودن). واسه هر سوال مقیاس، چیزایی مثل میانگین نمرات، انحراف معیار (همون پراکندگی جوابا)، و معیارهایی مثل «دشواری سوال» و «توانایی تشخیص خوب یا بد بودن جواب» حساب کردن. این مفاهیم یعنی میانگین و انحراف معیار و امثال اینا همون چیزایی هستن که ریاضیات آماری رو هیجان‌انگیز می‌کنن!
یه بخش مهم آزمایش هم چک کردن “پایایی” بود (یعنی چقدر نتایجش پایدار و تکرارپذیره)، که با شاخصی به اسم “آلفای کرونباخ” یا Cronbach’s alpha انجام میشه. اگه این شاخص بالا باشه، یعنی مقیاس کارش رو خوب انجام داده.
اما ماجرای جالب اینجا بود که تو نسخه آلمانی یه نکته مبهم وجود داشت: سوال ۵. تو نسخه اصلی انگلیسی این سوال جزو بخش «اضطراب ناشی از عدم قطعیت» بود. اما تو نسخه آلمانی، طبق تحلیل آماری (که بهش میگن “تحلیل عاملی” یا Factor Analysis)، سوال ۵ رفته بود تو بخش «نگرانی درباره نتایج بد»، یعنی دیدگاه آلمانیا درباره این سوال فرق داشته!
برای همین، سه مدل مختلف بررسی شد: مدل اول مدل اصلی انگلیسی بود، مدل دوم اونیه که تو نسخه آلمانی درست کرده بودن و مدل سوم هم همون سوال ۵ رو کلاً حذف کرده بودن تا ببینن چی میشه.
نتیجه چی شد؟ مدل سوم که سوال ۵ حذف شده بود، بهترین کارایی رو نشون داد. شاخص‌هایی مثل RMSEA (یعنی یکی از معیارهای اندازه‌گیری اینکه مدل آماری چقدر به داده‌ها می‌خوره)، TLI و CFI (که میگن چقدر مدل با داده‌ها سازگار هست)، تو مدل سوم عدد خیلی بهتری داشتن. حتی معیارهایی مثل AIC و BIC (این دو تا هم ابزار تحلیل آماری هستن برای مقایسه مدل‌های مختلف) نشون دادن مدل سوم واقعاً بهتره. یه نکته فنی هم اینکه برای همه مدل‌ها مشکلی به اسم “Heywood case” پیش اومده بود (یعنی یکی از مقادیر واریانس منفی شده بود، که غیرمنطقیه و باید اصلاح میشه)، و پژوهشگرها با صفر فرض کردن واریانس سوال ۱۴ این مشکل رو حل کردن.
در جمع‌بندی، باید گفت نسخه آلمانی ۱۴ سوالی این مقیاس عملکرد خیلی خوبی داشته و یه ابزار باارزش برای سنجش واکنش پزشکا نسبت به موقعیت‌های مبهمه. کاربُردش هم اینجوریه که میشه بین پزشکای کشورهای مختلف مقایسه کرد که چطور با ابهام کنار میان یا آموزش‌هاشون چقدر تاثیر گذاشته. تنها نقطه ضعفی که پیدا شد درباره همون سوال ۵ بود که گویا باید بیشتر روش کار کنن و دقیق‌تر سازگارش کنن با شرایط آلمان.
در کل، این مطالعه نشون داد هرچند ابهام و عدم قطعیت تو پزشکی غیرقابل اجتنابه، ولی میشه با ابزار درست و حساب‌شده بررسیش کرد و فهمید هر گروه پزشکی چطور باهاش کنار میاد.
منبع: +
