《BMC Psychology》:Response to: Matters Arising from Salari et al. (2025): Why it is (currently) impossible to estimate accurate prevalence rates of the Impostor Phenomenon
编辑推荐:
冒名顶替现象(Impostor Phenomenon, IP)在概念上是连续谱上的连续构念,而非分类性或确定性诊断。因此,在流行病学意义上提及其“患病率(prevalence)”可能在概念上显得不正确。尽管如此,这并不排除基于阈值的患病率估计。存在一些可比构念
冒名顶替现象(Impostor Phenomenon, IP)在概念上是连续谱上的连续构念,而非分类性或确定性诊断。因此,在流行病学意义上提及其“患病率(prevalence)”可能在概念上显得不正确。尽管如此,这并不排除基于阈值的患病率估计。存在一些可比构念也处于连续谱上,但仍使用阈值来估计患病率。此类例子包括抑郁(PHQ-9)和焦虑(GAD-7),其中经验推导的阈值被用于提供患病率估计。研究人员还想强调,其文章是一项系统综述与Meta分析(systematic review and meta-analysis)。系统综述与Meta分析旨在综合特定领域原始/primary studies中报告的现有证据,并产生合并估计(pooled estimate)。在原始研究中,报告了健康服务提供者(health service providers)中IP的百分比或比例(患病率)。研究人员完全承认,Clance冒名顶替现象量表(Clance Impostor Phenomenon Scale, CIPS)当前的cut-offs在现有文献中应用不一致,且缺乏系统验证。展示任意阈值间的变异性并不会使患病率研究和Meta分析无效。文献中操作化(operationalization)的不一致不一定是Meta分析应用的缺陷。Meta分析使研究人员能够量化这一问题,并突出不同阈值、样本和工具如何导致方差。若没有此类综合,该领域将缺乏对患病率估计差异程度的系统认识。
论文解读:
研究背景与问题:Salari et al. (2025) 的研究受到Drs Brauer and Proyer的Matters Arising评论,评论认为当前无法准确估计冒名顶替现象(Impostor Phenomenon, IP)的患病率。研究人员在回应中同意,IP在概念上是连续谱上的连续构念,而非分类性或确定性诊断,因此在流行病学意义上使用“患病率(prevalence)”可能概念不正确。但研究人员指出,这并不排除基于阈值的患病率估计;抑郁(PHQ-9)和焦虑(GAD-7)等连续构念也使用经验推导阈值估计患病率。争议核心在于:系统综述与Meta分析(systematic review and meta-analysis)能否在原始研究基础上合并IP比例,以及CIPS当前cut-offs不一致且缺乏系统验证是否使患病率估计完全无效。研究人员认为,承认操作化不一致和需谨慎解释,并不等于否定患病率研究和Meta分析。研究意义在于量化阈值、样本和工具造成的异质性,强调验证和共识需求,而非简单宣布“不可能”。
研究人员开展的研究、结论与意义:研究人员开展的是系统综述与Meta分析,综合特定领域原始/primary studies中已报告的IP百分比或比例(患病率),并产生合并估计(pooled estimate)。原始研究主要报告健康服务提供者(health service providers)中IP比例,多基于测量量表不同cut-off阈值,将高分者比例等同于患病率。研究结论是:IP患病率估计在很大程度上取决于筛查工具和cut-off值;当前CIPS cut-offs在文献中应用不一致且缺乏系统验证,因此患病率估计应谨慎呈现并明确caveat,避免过度解释。但研究人员不同意“impossible”的结论,认为Meta分析可量化问题并揭示不同阈值、样本和工具对异质性的贡献。重要性:该回应为IP患病率研究提供辩护与警示,推动大规模CIPS阈值验证、代表性样本和cut-off标准共识。
关键技术方法:研究人员采用系统综述与Meta分析设计,整合特定领域原始/primary studies中报告的IP百分比或比例(prevalence),并进行合并估计(pooled estimate)。分析纳入的原始研究主要报告健康服务提供者(health service providers)中IP比例;这些比例多由不同测量量表cut-off阈值定义的高分者比例构成。研究人员报告并解释异质性(heterogeneity),其中I
2 = 98.6%。回应还涉及对Drs Brauer and Proyer评论中两个便利数据集和六种cut-offs的讨论,但指出这些数据不是人群代表。原文未提供数据库、检索式或具体统计模型细节。
研究结果:
1 概念连续性与基于阈值的患病率估计。基于概念分析,研究人员同意IP是连续谱构念而非分类诊断,因此流行病学“患病率”一词可能概念不准确;但通过类比抑郁(PHQ-9)和焦虑(GAD-7)等连续构念,认为基于经验推导阈值的患病率估计仍可行。
2 CIPS cut-offs不一致与验证需求。基于系统综述与Meta分析及评论,研究人员承认Clance冒名顶替现象量表(Clance Impostor Phenomenon Scale, CIPS)当前cut-offs应用不一致且缺乏系统验证。评论中两个便利数据集和任意cut-offs显示比例不同,但研究人员认为这不能推广到更广泛人群,且任意阈值会人为膨胀异质性;结论是需共识和验证研究,而非否定患病率研究。
3 异质性作为重要实证发现。基于Meta分析,研究人员发现高异质性(I
2 = 98.6%)。Drs Brauer and Proyer将其视为合并患病率无效的证据;研究人员则认为该异质性本身是重要发现,反映文献操作化不一致,不一定是Meta分析应用缺陷,Meta分析可量化不同阈值、样本和工具对variance的贡献。
4 高患病率与“规范性体验”。针对评论提出62–70%报告impostor feelings应视为normative experience,研究人员基于burnout类比和IP相关后果指出,高患病率不意味着triviality;impostor feelings即使常见,仍与impaired well-being、reduced job satisfaction和burnout risk相关,因此患病率估计仍有助于识别潜在后果范围。
5 超越患病率的关联因素。基于相关性研究总结,研究人员指出其综述还总结IP与self-esteem、anxiety、depression、stress和burnout的关系。这些基于连续得分的相关性概念可靠,较少依赖分类cut-offs,保留价值。
6 Meta分析的角色与后续研究。基于Meta分析,研究人员强调其不endorse任何单一cut-off,而是展示cut-offs不一致的后果,起警示作用。评论提供概念框架,强调需要大规模CIPS阈值对外部标准的验证研究、代表性样本以避免便利数据集偏差,以及研究者间cut-off标准共识,类似抑郁和焦虑研究实践。
讨论部分总结:讨论承认IP患病率概念存在争议,CIPS cut-offs不一致且缺乏验证,因此估计需谨慎。但研究人员认为高异质性和阈值变异性是文献问题,不是Meta分析无效的证据;Meta分析的价值在于系统量化差异并暴露操作化问题。患病率即使高也有临床和职业意义,因为IP相关后果明确。连续得分关联证据较不依赖cut-offs,仍可靠。讨论还指出筛查工具有假阳性(false positives)和假阴性(false negatives),阈值可用于克服工具局限并提高筛查效率。研究目标包括关注较少受关注的障碍,向临床专家提供信息,并促使未来研究考虑筛查工具阈值对异质性的影响。
研究结论部分翻译:最后,研究人员感谢同事们Drs Brauer and Proyer的宝贵评论,该评论增强了对研究人员工作的解释并支持更好的理解。研究人员将其视为重要的科学贡献,阐明了研究的背景和重要性。研究人员的Meta分析记录了一个问题并报告了合并患病率。同事们的解释专业地强调了解释挑战,在研究人员看来,二者共同指出了可能的下一步。研究人员希望这一交流将促进未来冒名顶替现象研究中更严谨的方法学和概念方法。