1 概述与定义
1.1 PGIC的基本概念：患者“变化”的自评锚定
患者全球印象量表（Patient Global Impression of Change，PGIC）是一种面向患者自我报告的等级评定工具，重点测量患者对“变化”的主观感受。其设计核心在于以明确的锚定问题框架引导患者判断，在经历某次干预之后，其症状或整体健康状况相较于先前状态发生了多大程度的改变。量表回答通常以离散等级呈现，例如从“非常好得多”到“非常差得多”，并包含“没有变化”等中性选项。由于问题直接指向“变化程度”，PGIC常被用作疗效解读中对患者体验的汇总性指标。
1.2 与其他患者报告结局（PRO）/临床指标的关系
PGIC属于患者报告结局（Patient-Reported Outcome，PRO）范畴，但其信息来源与其他PRO量表有所区分。其他PRO通常以症状频率、严重度或功能受限等具体维度为主，反映“发生了什么”；而PGIC更强调患者对总体变化的综合印象，反映“感觉上发生了多大”。因此，PGIC常与症状评分量表、生活质量量表或临床量表并用：当两类指标方向一致时可增强证据链；若出现偏离，可从测量维度不同、患者感知与客观变化不同步、期望差异或使用体验等角度进行解释。
在临床研究与真实世界评估中，PGIC也常被用作补充终点，用于把客观疗效或生理指标的变化转译为患者更易理解的“获益感”。这种互补关系使其在报告治疗效果时更贴近真实生活的体验。
1.3 适用场景：临床试验、真实世界研究与随访评估
PGIC可用于多种类型干预评估，包括药物治疗、心理干预、康复训练、生活方式管理等。在临床试验中，它常作为疗效结果的患者端证据，用于与主要终点或关键次要终点共同呈现。其“问题化的主观变化”也使其在研究设计中便于统一不同中心或不同人群的患者理解方式。
在真实世界研究中，PGIC可用于随访阶段快速捕捉患者的总体体验变化，尤其适合在客观测量受限、依从性差异较大或需要快速反馈时使用。由于PGIC以患者印象为中心，它也能帮助研究人员在复杂照护路径中把握治疗过程中“感知到的效果”。
2 量表结构与作答方式
2.1 典型题项与回答选项（正向/无变化/负向）
PGIC通常围绕一个核心问题展开，常见表述包括“与开始治疗或某参照时点相比，您现在的情况如何？”回答选项一般采用从正向获益到负向恶化的连续等级，但以离散方式呈现。典型选项包括：
- 正向变化：如“非常好得多”“稍好得多”
- 中性选项：如“没有变化”
- 负向变化：如“稍差得多”“非常差得多”
这种结构使得回答在方向上清晰，便于后续统计处理与结果交流。需要注意的是，不同研究版本的选项数量和措辞可能略有差异，但整体上仍保持“变化方向与幅度”的等级化框架。
2.2 时间窗与参照点：变化从何时开始
PGIC不是仅问“是否改善”，而是限定比较基准。多数版本会规定“与基线/上一次评估/开始治疗时相比”，从而明确变化起点。与此同时，量表会在随访评估时点呈现给患者，例如在治疗结束、某次访视之后或固定周数后填写。这样的时间窗设定影响“变化”的判定：如果参照点不同，患者可能会给出不同的主观评价。
在报告中，研究者通常需要清楚说明：参照点是何时（例如治疗起始、基线、上次随访），以及填写发生在何时（例如第8周、第12周或治疗后）。时间信息越明确，结果可比性越强。
2.3 指导语与指引要点：降低理解偏差
为了降低理解差异，PGIC常配套简洁的指导语。指导语通常强调两点：第一，被比较的是“开始干预（或某固定时点）以来的变化”；第二，回答应基于患者对症状或整体健康状况的综合感受，而不是仅基于一次短暂波动。
在具体执行中，建议研究者采用一致的提问方式、统一回答选项呈现顺序，并在可能的情况下对患者进行简短的填写指导。对于认知能力较弱的受试者，研究流程中可能需要辅助说明或由研究人员以标准方式协助理解，但应避免引导性措辞，以免影响患者的主观判断。
2.4 分值/编码：等级数据的常见处理
由于PGIC为有序等级数据，其编码方式通常将正向改善对应较高值或较低值，具体取决于研究方案。常见做法包括：
- 以“改善—无变化—恶化”的顺序进行数值赋值；
- 将中性选项作为分界；
- 保持选项的有序属性用于统计模型。
在一些分析中，研究者会对等级进行归并，例如把“非常好得多”和“稍好得多”合并为“改善”，把“非常差得多”和“稍差得多”合并为“恶化”，以便报告更直观的比例指标。无论选择哪种编码与归并方式，关键是应在研究方案与统计计划中预先定义，并在结果报告中清楚说明。
3 心理测量学与统计要点
3.1 信度：一致性与重复测量考虑
PGIC的信度通常关注两类一致性：一是同一患者在相似条件下回答是否稳定；二是跨时间的重复测量是否呈现合理的变化轨迹。由于PGIC测量的是主观变化印象，它并不要求所有重复测量都完全相同，而是应在预期的治疗动态下表现为一致方向与合理幅度波动。
在实践中，若研究设计存在治疗短时间内状态基本不变的情况，可通过重复测量评估稳定性；若患者状态预计会改变，则信度解释应与治疗进程相匹配，避免把真实变化误认为测量不稳定。
3.2 效度：能否反映“真正的变化”
效度讨论的核心是：PGIC是否真的在测量“变化”，而不是混杂其他因素。该工具的结构效度基础在于它通过“对比—变化”的框架引导患者作答。进一步的证据通常来自与其他指标的一致性程度，例如：
- 与症状评分的变化方向是否一致；
- 与临床量表或客观指标的改善是否同步；
- 在已知疗效分组或剂量差异下，PGIC是否呈现相应梯度。
当PGIC与客观变化一致性较高时，可支持其测量的有效性；当出现系统性偏离，则提示可能存在患者期望、症状波动、解释方式差异或理解偏差等问题，需要在解释部分说明。
3.3 敏感度：对小幅变化的捕捉能力
敏感度反映PGIC对较小幅度变化的识别能力。由于PGIC采用有限等级，理论上存在“分辨率”限制：当变化幅度很小，患者可能倾向于选择“没有变化”或相邻等级，导致敏感度下降。通过合理选择随访时间点、确保患者有足够时间感受到干预影响，可以在一定程度上提高可检测到的变化比例。
此外，研究中可考虑根据疾病类型与预期变化速度调整评估窗口，例如症状起伏较快的群体可能需要更贴近治疗后的测量安排，以避免把改善或恶化“错过”。
3.4 统计分析思路：集中趋势、分布与分组比较
PGIC的统计分析通常围绕有序等级数据的特性展开。常见思路包括：
- 汇总分布：报告各等级的比例，展示“改善—无变化—恶化”的整体格局；
- 集中趋势与排序指标：在满足适当前提下，可用有序汇总指标描述中心倾向；
- 分组比较：在干预组与对照组之间比较等级分布差异，或比较“改善比例/恶化比例”等归并结果。
当研究需要更细的比较时，可能使用能处理有序类别的模型（具体方法在方案中预先定义）。无论采用何种策略，都应尊重其有序性质，避免把等级数据简单当作无序分类而忽略信息。
3.5 处理缺失数据与“未完成”回答的原则
PGIC可能出现缺失的原因包括患者失访、无法理解题项、随访中止或遗漏填写。处理原则通常强调两个方面：一是明确缺失的定义（例如未完成、拒答或数据不可用）；二是与统计分析计划一致，尽量避免事后选择导致偏倚。
在实践报告中，研究者常需说明缺失率、缺失类型比例，并说明采用的缺失处理策略（例如剔除、插补或敏感性分析等）。若出现“未完成”回答，应避免将其与真实的某一等级混同；同时应在结果部分清楚呈现有效样本规模及其变化。
4 解释与报告
4.1 临床意义解释：从“等级”到“获益”
对PGIC结果的解释通常需要把“等级”转译为临床可理解的获益。一个直接做法是报告改善比例，并结合治疗目标说明哪些变化更符合疾病管理的方向，例如症状疾病可能关注“改善”的比例，而某些整体状态管理可能强调“没有变化”与“轻度改善”的意义。
此外，解释时应注意等级并非连续的等距度量；因此，通常不建议把相邻等级当作完全等同的“固定幅度差”。更稳妥的方式是强调分布变化、改善/恶化的方向与比例，以及与临床情境的关联。
4.2 与客观指标的对照：一致性与差异原因
PGIC常用于与客观指标对照，以验证患者体验与实际变化是否同步。若一致，通常可从疗效层面提供更完整的解释；若存在不一致，可能原因包括：
- 患者感知与症状波动不完全同步；
- 患者的整体印象受生活适应、心理因素或期待影响；
- 客观指标的统计变化虽显著但临床感受较小；
- 评分维度不同：客观指标可能更关注某单一方面，而PGIC更倾向综合评估。
在报告中，建议同时呈现客观指标与PGIC的关键信息，并在讨论部分对不一致做出有依据的解释，而不是简单归因或忽略差异。
4.3 亚组与情境因素：基线严重程度、预期效应等
PGIC结果可能受到个体差异影响，常见情境因素包括基线严重程度、既往治疗经验、症状波动频率、以及对干预效果的先入为主预期。基线更严重的患者可能在绝对或相对意义上更容易感到变化；而基线较轻者可能更难跨越“没有变化”的主观门槛。
在进行亚组分析或分层报告时，研究者应确保分层规则预先定义，并避免过度解读样本量较小导致的偶然波动。强调情境因素有助于提升结论的可移植性与可解释性。
4.4 结果呈现：图表与叙述方式建议
PGIC结果呈现一般包含两部分：其一是各等级的分布情况，其二是汇总指标或组间比较结果。常见图表包括分布条形图、改善/恶化比例的对比图，以及按随访时间点或亚组分层的展示。叙述时可采用“先总体后分层”的顺序：先概括主要趋势，再补充关键分组差异或时间变化。
在文字表达方面，建议同时给出样本量与统计比较结果，并尽量使用与患者体验一致的语言描述方向性结果，例如强调“改善更多/恶化更少”的相对差异。若研究对等级进行了归并，需在图表或注释中说明归并规则，确保读者理解口径。