《European Eating Disorders Review》：Establishing General and Context-Specific Eating Disorder Examination Questionnaire (EDE-Q) Cut-Off Scores for Anorexia Nervosa
编辑推荐：
本研究通过ROC曲线分析评估进食障碍检查问卷（EDE-Q）对澳大利亚女性神经性厌食症（AN）的诊断准确性，提出通用截断值为2.775（敏感度0.91，特异度0.71），强调EDE-Q作为筛查工具需结合临床评估以提高诊断效能（AUC=0.88），为AN早期识别提供循证依据。
引言
神经性厌食症（AN）是一种全球女性终身患病率约4%的严重心理疾病，澳大利亚的年龄标准化发病率居世界首位（338.06/10万）。进食障碍检查问卷（EDE-Q）作为AN症状评估中最广泛使用的自评工具，其诊断准确性对筛查、治疗及病程监测至关重要。然而，既往澳大利亚相关研究存在样本量小、未专注AN诊断、或依赖EDE访谈确认病例导致结果偏倚等局限，且距今已约20年，难以反映社会文化变迁（如社交媒体影响）对疾病表现的影响。本研究旨在填补这一空白，通过多场景比较验证EDE-Q对澳大利亚女性AN的诊断效能，并建立通用与情境特异性截断值。
方法
研究整合2013-2025年间5项已获伦理批准的样本数据，共纳入906名澳大利亚女性，包括67例经迷你国际神经精神访谈（M.I.N.I.）确诊的AN患者、41例体重恢复的AN患者（BMI≥18.5）、27名AN患者姐妹、73名健康对照者、100名自报AN患者及597名社区对照者。EDE-Q包含22个Likert 7点评分项目，评估近28天内的进食限制、进食关注、体型关注及体重关注四个维度，并计算全球分数（Global score）。采用Welch方差分析比较组间差异，通过ROC曲线分析计算曲线下面积（AUC）、敏感度、特异度、阳性预测值（PPV）及阴性预测值（NPV），并以Youden指数确定最佳截断值。研究设计六种场景以模拟不同应用情境：
- 1.
确诊AN vs. 健康对照（严格对照场景）
- 2.
确诊AN vs. 体重恢复AN（症状重叠场景）
- 3.
确诊AN vs. AN患者姐妹（遗传环境重叠场景）
- 4.
确诊AN vs. 社区样本（现实筛查场景）
- 5.
自报AN vs. 社区样本
- 6.
自报AN且BMI<18.5 vs. 社区样本
结果
组间比较显示，确诊AN与自报AN组的EDE-Q各维度分数均显著高于其他组（p<0.001），但两组间无显著差异。体重恢复AN组、AN患者姐妹及社区对照者在进食限制与进食关注维度得分高于健康对照，反映残留症状或潜在特质变异。ROC分析结果如下：
- •
场景1（AN vs. 健康对照）：截断值2.589，AUC达0.99，敏感度0.93，特异度0.97，显示近乎完美的判别力，但因样本高度分层而实用性有限。
- •
场景2（AN vs. 体重恢复AN）：截断值2.321，AUC=0.82，敏感度0.94，但特异度降至0.61，提示对部分缓解病例易产生假阳性。
- •
场景3（AN vs. AN患者姐妹）：截断值3.140，AUC=0.94，敏感度0.82，特异度0.89，适用于家族风险筛查。
- •
场景4（AN vs. 社区样本）：截断值2.775，AUC=0.88，敏感度0.91，特异度0.71，PPV为0.26（基于样本患病率），NPV达0.99。此场景最贴近现实，推荐作为通用筛查标准。
- •
场景5（自报AN vs. 社区）：截断值3.685，AUC=0.84，敏感度0.71，特异度0.85，判别效能下降。
- •
场景6（自报AN且BMI<18.5 vs. 社区）：截断值3.740，AUC=0.87，敏感度0.79，特异度0.85，虽优于场景5，但仍次于确诊AN组。若以敏感度优先原则调整截断值至2.79，敏感度升至0.83，但综合指标仍较差。
讨论
本研究首次针对澳大利亚女性AN患者建立EDE-Q特异性截断值。在现实场景（场景4）中，EDE-Q展现高敏感度但中等特异度，证实其更适合作为筛查而非诊断工具。与既往研究相比，本样本涵盖确诊AN病例且避免方法学偏倚，结果更具临床适用性。自报AN场景的效能不足反映自我报告异质性，而结合BMI<18.5可部分改善准确性，但仍低于确诊组，提示临床诊断的金标准地位。研究局限性包括数据跨时较长、样本以成年女性为主、社区对照未经严格筛查及体重恢复组异质性等。然而，大样本量、多场景比较及AN专属性截断值为核心优势。
结论
EDE-Q全球分数截断值2.775可作为澳大利亚女性AN社区筛查的实用标准，其高敏感度符合进食障碍评估中“减少漏诊”的优先原则。但该工具需与临床评估结合以确证诊断。研究同时为不同应用场景（如家族风险监测、 remission状态评估）提供情境化截断值，推动EDE-Q在科研与实践中精准应用。
