筛查不等于诊断

抑郁筛查问卷、焦虑筛查量表、酒精使用筛查工具——这些都是现存验证最充分的测评工具之一，却也经常被误读。得分高于临界值并不意味着你患有该疾病。它从来就不是为此而设计的。

设计上的权衡

每一个筛查工具都在两种错误之间做权衡：漏掉真正患病的人，以及标记出实际没有患病的人。筛查工具被刻意调整为更倾向于第二种错误。在初级医疗中漏诊一例抑郁的代价很高；而一个假阳性的代价只是与临床医生的一次对话。

其后果是可以用算术推导出来的。一个敏感度为88%、特异度为85%的筛查工具听起来非常出色。将它应用于一个实际患病率为5%的人群，在每100个筛查结果为阳性的人中，大约有74人实际上并没有患病。这个测评工具的表现完全符合设计预期。但大多数阳性结果依然是假阳性。

这是基础率算术问题，也是为什么即便对于验证充分的测评工具，在低患病率场景下进行普遍筛查依然存在争议的原因。

什么是临界值

临界值是为了某个人群中的某个目的而选定的决策阈值，而不是一个天然的边界。传统的PHQ-9临界值10分，是在患病率相对较高的人群中推导出来的；应用到别处，表现会不同。个体参与者数据的元分析显示，该临界值的已发表准确性估计，因优化阈值的选择性报告而被系统性地夸大了。

对于某些测评工具，故意不设定统一的通用临界值。世界卫生组织的SRQ-20在数十个国家使用，其最佳阈值会因国家、语言和性别而有很大差异，以至于发布一个全球通用的数字，造成的伤害可能比交由本地验证来得更大。

诊断是另一套流程

诊断需要临床医生确认症状的存在及持续时间、其功能影响，并排除其他解释——包括医学状况、物质使用，以及表现相似的其他障碍。它会考量病史和情境。而一份问卷完全不做这些。它只是统计某个时间窗口内的自我报告症状频率。

两个人可能产生完全相同的分数，却对应着完全不同的临床情况，因为总分把若干种异质的症状压缩成了一个数字。这个分数是提示需要进一步了解的信号；进一步的了解才是诊断。

这个分数真正的用途

一个提示。 高分是与专业人士交谈的理由。这是其设计初衷，也确实是一个真正有价值的用途。

追踪变化。 这是一个被低估的功能。在治疗过程中反复测量，能显示某种方法是否有效，这比任何单一分数都更有信息价值。基于测量的照护正是建立在这一基础之上。

人群描述。 在研究和公共卫生领域，这些测评工具用于估计群体间的症状负担，这正是它们最擅长的用途。

解读自己的结果

如果你在一个筛查工具上得分超过了阈值，正确的解读是：这值得与合格的专业人士谈一谈。而不是：我患有这种疾病。

如果你的得分低于阈值，正确的解读是：这一次特定的筛查没有标记出任何异常。而不是：我没事。筛查工具会漏诊，这是权衡的另一半，而对于一个自我感觉不适的人来说，一个较低的分数并不能让人安心。

在NOESIS发布筛查类测评工具的地方，报告会说明已发表的阈值、注明来源，并明确表示该结果不是诊断。这种表述方式不是法律形式上的走过场；这正是这些测评工具自身对其用途的说明。