编辑推荐：
为解决传统儿童残疾分类中多重共病困难模式表征不足的问题，研究人员基于七国 MICS 数据，运用 CFA 和 LPA 分析 CFM 数据。发现 6 因子 CFA 模型拟合良好，LPA 识别出 6 种残疾特征，为政策制定和全球健康规划提供新视角。
在全球推进可持续发展目标的进程中，"不让任何一个人掉队" 的理念日益凸显，但残疾人尤其是残疾儿童群体却长期面临社会排斥的困境。目前，国际上对儿童残疾的评估主要依赖华盛顿小组与联合国儿童基金会开发的儿童功能模块（CFM），该工具从感官、身体、沟通、认知、心理社会和情感功能等多个领域评估儿童的功能困难，并通过设定临界值来识别残疾儿童。然而，这种传统方法虽便于国际监测，却难以捕捉多重共病困难的复杂模式 —— 事实上，儿童残疾往往具有共病性，且多个相对轻度的功能障碍可能产生协同效应，其影响远超单一障碍的简单叠加，这在神经发育障碍中尤为显著。现有诊断体系如 DSM-5 和 ICD-11 对这种复杂性和重叠性的表征不足，迫切需要更精准的分析方法来揭示残疾儿童的真实需求。
为填补这一研究空白，研究人员利用联合国儿童基金会支持的第六轮多指标类集调查（MICS）在七个非洲国家收集的数据，开展了一项关于儿童功能模块的国际比较研究。该研究旨在通过创新的数据分析方法，识别不同国家中儿童功能困难的共病模式，并评估这些模式的跨国家一致性，研究成果发表在《Disability and Health Journal》。
研究采用了两项关键技术方法：首先是验证性因子分析（CFA），用于检验 CFM 中理论功能领域（感官、身体、沟通、认知、心理社会、情感功能）的结构效度；其次是潜在剖面分析（LPA），基于 CFA 得出的各功能领域因子得分，探索是否存在具有特定残疾特征的儿童群体。数据来源于七个非洲国家的 MICS 第六轮调查（2017 年起），通过面对面家庭访谈收集，采用概率聚类分层多阶段抽样策略，确保样本具有全国代表性。
研究结果
验证性因子分析（CFA）结果
通过 CFA 检验，预设的 6 因子模型在所有国家中均显示出良好的拟合度，各条目在对应因子上的载荷较高。经修正指数分析，允许与 mobility（行走能力）相关的两个条目（行走 100 码和 500 码困难）的残差误差项相关，这一调整在六国数据中均得到验证，表明 CFM 的功能领域结构具有跨国家的稳定性。
潜在剖面分析（LPA）结果
LPA 在七国数据中识别出六种残疾特征，这些特征在不同国家的性质和频率上表现出显著的重复性。具体而言，各功能领域之间存在共病趋势，但情感功能因子被发现具有较大独立性，与其他领域的相关性较低。这一结果揭示了儿童功能困难的复杂组合模式，并证实了跨地域的共性特征。
结论与讨论
本研究通过结合变量中心和个体中心的分析方法，为 CFM 数据的解读提供了新范式。理论层面，跨国家一致的残疾特征分布表明，基于数据驱动的个体中心方法有助于更全面地理解残疾的分类体系，尤其为神经发育障碍的 "跨诊断" 研究提供了实证支持。实践层面，研究结果为政策制定者提供了关键信息，使其能够针对不同残疾特征儿童的具体需求制定个性化干预措施，同时对全球健康规划、资源分配及发展性残疾模型的优化具有重要指导意义。
值得注意的是，该研究首次将 LPA 应用于 CFM 数据的共病分析，突破了单一国家或探索性研究的局限，为国际范围内儿童残疾的精准识别和干预提供了方法论参考。未来研究可进一步拓展至更多地区和人群，深化对残疾复杂性和环境交互作用的理解，真正落实 "不让任何一个残疾儿童掉队" 的可持续发展目标。
