Script Concordance Test, SCT

SCT 是一種專門用來評量不確定情境下的臨床推理能力的評量工具，廣泛應用於醫學與健康專業教育。以下將從理論基礎與測驗架構兩個層面加以說明。

一、SCT 的理論基礎

1. 腳本理論（Script Theory）

SCT 建立在認知心理學的腳本理論之上。此理論認為：

• 臨床人員的知識並非零散的事實，而是以高度組織化的知識結構（scripts）儲存在腦中
• 這些 scripts 會在面對臨床情境時被快速啟動，用來
  • 產生假設（診斷、檢查或治療選項）
  • 解讀新出現的臨床資訊
  • 持續修正對假設的信心程度

隨著臨床經驗累積，scripts 會變得更精緻、連結更緊密，這正是「專家與新手」在臨床推理上的核心差異。

2. 不確定性下的臨床推理

真實臨床情境的特徵包括：

• 資訊不完整
• 資訊可能模稜兩可，甚至互相矛盾
• 常常不存在唯一正確答案

傳統選擇題（MCQ）多半測量「確定情境下的知識應用」，而 SCT 則專注於評量：

在資訊不完全時，學習者如何解讀新資訊，並調整對某一假設的判斷

3. 專家差異性與一致性（Concordance）

SCT 的核心假設是：

• 即使是專家，在不確定情境下也不一定完全一致
• 但專家的反應分布本身，就代表了「合理的臨床推理範圍」

因此，SCT 不追求「唯一正解」，而是比較受試者的判斷與專家群體判斷的一致程度（concordance）。

二、SCT 的測驗架構

1. 題目整體結構

SCT 為情境式測驗（case-based test），每一題由以下元素組成：

1. 臨床情境（vignette）
   - 簡短但真實
   - 刻意保留不確定性
2. 多個子題（items）
   - 每個子題代表一個臨床判斷點
   - 同一情境下可測量多次推理判斷

2. 單一 SCT 子題的三段式結構

每一個 SCT 子題皆固定由三個部分組成：

（1）假設或選項（If you were thinking of…）

可能是：

• 診斷
• 檢查
• 治療或處置
• 臨床決策／態度

（2）新出現的資訊（And then you find…）

例如：

• 病史補充
• 理學檢查結果
• 檢驗或影像結果

（3）判斷量表（This hypothesis becomes…）

使用 5 點 Likert 量表，常見設定如下：

此量表用來捕捉臨床推理中「程度性的判斷」，而非是非二分。

3. 計分方式：整體計分法（Aggregate Scoring）

SCT 的計分是其最具特色之處：

1. 建立專家參考小組（reference panel）
   - 通常 10–15 位具經驗的臨床專家
   - 每位專家獨立作答

2. 以專家作答分布作為計分依據
   - 被最多專家選擇的選項 → 得 1 分
   - 其他被部分專家選擇的選項 → 得比例分數
   - 無任何專家選擇的選項 → 得 0 分

👉 重點不是「你選了哪一個」，
👉 而是「你的判斷是否落在專家合理的推理範圍內」。

三、範例題目

臨床情境（Clinical vignette）

一名 65 歲男性因胸悶與呼吸急促至急診就醫。症狀於 2 小時前突然出現，無明顯外傷史。
生命徵象顯示心跳偏快，血壓正常，血氧 92%。

SCT 子題（三段式結構）

如果你正在考慮（If you were thinking of）：
👉 肺栓塞（Pulmonary embolism）

接著你發現（And then you find）：
👉 病人最近接受過下肢手術，且術後臥床 5 天

那麼，這個診斷變得（This hypothesis becomes）：

請在下列量表中選擇一個最符合你判斷的選項：

• ☐ -2　幾乎可排除
• ☐ -1　較不可能
• ☐ 0　無影響
• ☐ +1　較可能
• ☐ +2　非常可能／幾乎確定

四、重點總結

• SCT 測量的是推理過程，而非結果
• 理論核心：腳本理論 + 不確定性下的臨床判斷
• 題目設計：情境真實、資訊不完整
• 作答方式：Likert 量表反映判斷方向與強度
• 計分原則：與專家群體判斷的一致程度