Four Practical Indicators for Real-Time Verbal Autopsy Data Quality Assessment: A Cross-National Validation Study

在世界许多地方，当一个人去世时，并没有医生在场签署死亡原因证明。在这些地方，了解人们为何死亡的唯一途径是询问在场的家属。这个被称为“口述尸检”（verbal autopsy）的过程，涉及一名受过培训的访谈员与悲痛的亲属坐在一起，针对逝者去世前的最后几天进行一系列长时间且结构化的提问。随后，这些答案会被输入计算机系统，由系统分配一个可能的死因，例如疟疾、心脏病或分娩并发症。这些信息对于政府和卫生组织至关重要。如果他们不知道是什么在夺取公民的生命，就无法规划合适的医院、疫苗或公共卫生运动。然而，整个系统依赖于一个脆弱的东西：对话的质量。如果家属感到困惑，或者访谈员过于匆忙，或者回答中包含逻辑矛盾，那么产生的数据就是有缺陷的，基于此做出的公共卫生决策也将是错误的。

长期以来，检查这些访谈质量的时机总是太晚了。研究人员通常要等到数据收集、汇总并由算法分配死因之后才会进行检查。直到几周或几个月后，他们才会发现某个访谈员跳过了问题，或者某个数据集包含了不可能的答案，比如一位男性死于怀孕并发症。到那时，访谈员已经离开了，家属也无法再次联系，错误也成为了永久性的。由来自坦桑尼亚、斯威士兰、尼日利亚及国际合作伙伴的研究机构发表的一项新研究，旨在解决这种延迟问题。他们开发了一套由四个简单、实用的工具组成的系统，可以在单次访谈结束的瞬间检查其质量，从而让监督人员能够立即发现问题，并在数据被用于统计死亡人数之前进行纠正。

研究人员在来自坦桑尼亚、斯威士兰和尼日利亚的三组真实世界数据上测试了这些工具。这些数据集包含了使用标准世界卫生组织调查问卷进行的数千次访谈。团队创建了四种特定的方式来衡量每份访谈记录的健康状况。第一个工具，他们称之为“信息完整性评分”（Informative Completeness Score），它仅仅检查有多少个“是”或“否”的问题是用明确的决定而非“我不知道”或拒绝来回答的。高分意味着家属参与度高且了解答案；低分则表明访谈效率不高。第二个工具，“受访者可靠性评分”（Respondent Reliability Reliability Score），观察的是谁在回答问题。如果说话者是近亲（如配偶或父母）、他们在人去世时在场，并且是在死亡发生后不久接受的访谈，该工具会给出更高的可靠性评级。它还考虑了逝者的受教育程度，将其作为访谈员可能受教育程度的替代指标，因为假设配偶或成年子女通常具有相似的受教育水平。

第三个工具是“内部一致性指数”（Internal Consistency Index），它充当逻辑检查器。它会扫描答案中的生物学谬误。例如，如果报告显示一名男子出现了与怀孕相关的症状，或者一个人发烧的天数比生病的总天数还要长，它就会标记出该记录。这些矛盾通常发生在访谈员出错或数据录入系统未能阻止本应跳过的问题时。第四个工具测量进行访谈所需的时间。虽然平均访谈时间约为半小时，但研究人员发现，中位数（一种忽略极端异常值的度量标准）是衡量正常表现的更好指标。如果访谈仅用了几分钟就结束了，这可能意味着访谈员跳过了大部分章节。如果耗时数小时，则可能意味着数据是分几天录入的，或者访谈员在与受访者沟通时遇到了困难。

当团队将这四项检查应用于这三个国家的数据时，他们发现大多数访谈都是高质量的。绝大多数记录显示受访者参与度高、可靠且一致。例如在坦桑尼亚，近98%的二元问题都以明确的“是”或“否”回答。在斯威士兰和尼日利亚，得分也同样很高。这表明这些国家的现场团队工作表现良好。然而，这些新工具的力量在于它们能够发现那些溜进来的少量劣质记录。研究人员发现了那些如果等待最终死因分配结果才会发现的特定模式。在斯威士兰，他们发现一小部分访谈存在特定的错误，即咳嗽持续时间被记录为比总患病时间更长。这并非随机错误，而是一个出现在6.1%记录中的模式，暗示了特定的培训缺口或对如何询问症状持续时间的理解偏差。

在尼日利亚，这些工具揭示了一个关于不同类型逻辑错误的更大问题。系统标记出，在近6%的男性记录中，访谈包含了关于怀孕的问题。由于男性不可能怀孕，这表明用于访谈员的计算机表单未能正确隐藏针对男性受访者的相关问题，或者数据处理过程忽略了逝性的性别。这是一个关键发现，因为如果使用这些记录来计算死亡率，将会扭曲对产科健康的理解。在坦桑尼亚，工具显示在一段特定时间内数据质量显著下降。在2024年和2025年的某个窗口期内，参与度评分较低以及出现“访谈时间早于死亡时间”这类不可能日期的访谈数量激增。这指向了监督或数据录入监管方面的暂时性崩溃，当地团队现在可以对此进行调查和修复。

研究还强调，这些工具具有足够的灵活性，可以适配不同年份使用的不同版本的调查问卷，并且不需要大量的数据批次即可发挥作用。监督人员可以检查单次访谈，并立即判断其是否可信。研究人员指出，虽然这些工具功能强大，但它们并不是取代良好培训或设计良好的表单的“灵丹妙药”。相反，它们充当安全网，捕捉那些尽管经过最佳培训仍会发生的错误。研究证实，这些指标可以通过管理数据的软件系统自动计算，这意味着它们可以被整合进卫生项目的日常工作流中。通过将质量控制从事后分析转向实时检查，卫生官员可以确保，来自悲痛家属的故事能够转化为准确的、挽救生命的关于人们为何死亡的知识。