公共卫生体系健康促进效果混合评价

公共卫生体系健康促进效果混合评价演讲人01引言：公共卫生健康促进的时代呼唤与评价需求觉醒02核心概念界定：从“健康促进”到“混合评价”的理论锚点03单一评价方法的局限性：混合评价的必然选择04公共卫生健康促进效果混合评价的实施路径05混合评价的挑战与对策——在实践中破解“落地难题”06案例实践：某城市“健康社区”项目的混合评价全记录07总结与展望：混合评价赋能公共卫生健康促进的未来目录公共卫生体系健康促进效果混合评价01引言：公共卫生健康促进的时代呼唤与评价需求觉醒引言：公共卫生健康促进的时代呼唤与评价需求觉醒作为一名在公共卫生领域深耕十余年的实践者，我曾亲身经历过多次突发公共卫生事件的考验——从SARS到新冠，从慢性病高发到突发传染病防控，我深刻体会到：一个国家的公共卫生体系能否真正守护人民健康，不仅取决于医疗资源的丰沛度，更取决于其“健康促进”能力。健康促进作为公共卫生体系的核心职能，是通过健康教育、政策支持、环境改善等综合手段，引导个体和社区主动参与健康维护的过程，其效果直接关系到“预防为主、关口前移”的公共卫生方针能否落地。然而，在长期实践中，我逐渐发现一个普遍困境：对公共卫生健康促进效果的评价，往往陷入“非此即彼”的方法论误区——要么沉迷于定量指标的“冰数据”（如知晓率、覆盖率），要么执着于定性访谈的“暖故事”（如居民反馈、社区参与感），却始终难以全面把握健康促进的真实价值。引言：公共卫生健康促进的时代呼唤与评价需求觉醒例如，在某社区慢性病防控项目中，定量数据显示居民“三高”知晓率从30%提升至75%，但定性访谈却发现，部分老人因看不懂医学术语、缺乏运动场地，实际行为改变微乎其微；而在另一项青少年控烟项目中，焦点小组显示学生对烟草危害的“认知度”极高，但追踪观察发现，校园周边便利店仍在向未成年人售烟——这些“数据与现实的鸿沟”，让我意识到：单一评价方法如同“盲人摸象”，无法呈现健康促进的全貌。正是基于这样的实践反思，“混合评价”理念在我的脑海中逐渐清晰：它不是定量与定性的简单叠加，而是基于系统思维，将不同方法的优势互补、结果互证，通过多维度、多层次、多主体的视角，对公共卫生健康促进的效果进行“立体扫描”。本文将从理论框架、实施路径、挑战对策到案例实践，系统阐述公共卫生体系健康促进效果的混合评价方法，旨在为行业同仁提供一套“可操作、可复制、可深化”的评价工具，推动公共卫生健康促进从“经验驱动”向“证据驱动”转型。02核心概念界定：从“健康促进”到“混合评价”的理论锚点公共卫生体系健康促进的内涵与外延公共卫生体系健康促进，是指以政府为主导，多部门协作、全社会参与，通过制定健康公共政策、营造健康支持性环境、强化社区行动、发展个人技能等策略，提升人群健康素养、改善健康公平、降低疾病负担的系统工程。其核心特征包括：系统性（涉及卫生、教育、环境等多部门协同）、公平性（关注弱势群体的健康需求）、可持续性（注重长期行为改变而非短期效果）。与传统的“健康教育”相比，健康促进更强调“环境支持”与“政策赋能”，例如通过控烟立法降低烟草危害，比单纯宣传吸烟危害更有效；通过建设社区健身步道，比单纯号召“多运动”更能促进居民参与。混合评价的理论基础与核心逻辑混合评价（MixedMethodsEvaluation）是指在一项评价研究中，整合定量（Quantitative）与定性（Qualitative）两种方法，通过数据互补、方法交叉、结果整合，实现对评价对象更全面解释的研究范式。其理论基础主要源于：实用主义（Pragmatism）——强调“什么方法能有效回答问题”比“方法本身的范式纯洁性”更重要；系统理论（SystemsTheory）——公共卫生健康促进是一个复杂系统，需多维度指标才能捕捉其动态性；三角互证法（Triangulation）——通过不同数据源、研究者、方法的结果交叉验证，提升评价的可信度。混合评价的理论基础与核心逻辑对公共卫生健康促进而言，混合评价的核心逻辑在于：定量数据回答“是什么”（What）与“有多少”（HowMuch），如健康知识知晓率、行为改变率、疾病发病率变化等；定性数据解释“为什么”（Why）与“怎么样”（How），如居民对健康促进项目的认知差异、行为改变的影响因素、政策执行中的障碍等；两者结合，既能呈现“效果的大小”，又能揭示“效果的成因”，为优化干预措施提供精准依据。03单一评价方法的局限性：混合评价的必然选择定量评价的“数字陷阱”：难以捕捉复杂性与过程性定量评价通过标准化量表、实验设计、统计分析等方法，获取可量化的健康促进效果指标，如知晓率、覆盖率、行为改变率、成本效益比等，其优势在于“客观性、可比性、可推广性”。然而，在公共卫生健康促进领域，定量评价的局限性尤为突出：1.难以解释“行为-健康”的复杂路径：例如，某项目显示居民“每周运动≥150分钟”的比例从20%提升至40%，但定量数据无法解释：是新建健身步道的作用？还是社区志愿者的督促？或是居民健康意识的提升？行为改变是“主动选择”还是“被动响应”？这些“黑箱”问题，定量评价难以回答。2.忽略“情境因素”对效果的影响：健康促进的效果高度依赖于实施情境（如社区文化、经济水平、政策环境），但定量指标往往追求“标准化”，难以反映不同情境下的效果差异。例如，同样的控烟宣传在高校和农民工群体中的效果可能截然不同，定量评价若只计算“总体知晓率”，会掩盖群体间的公平性问题。定量评价的“数字陷阱”：难以捕捉复杂性与过程性3.难以捕捉“负面效应”与“非预期结果”：定量评价通常聚焦“预设目标”的达成度，容易忽略项目的负面影响或非预期结果。例如，某社区健康促进活动因过度强调“减重”，导致部分青少年产生身材焦虑，这类“伤害”难以通过问卷数据量化，却对项目效果有重大影响。定性评价的“深度局限”：难以验证普遍性与推广性定性评价通过深度访谈、焦点小组、参与式观察等方法，获取“深描式”的质性数据，优势在于“深入性、情境性、解释性”，能够捕捉个体经验、情感态度、社会文化背景等“软信息”。然而，其局限性同样明显：1.样本代表性不足，难以推广到总体：定性研究通常采用“目的性抽样”，样本量小（如10-20名访谈对象），其结论更多反映“典型个案”，而非“普遍规律”。例如，通过访谈5位社区志愿者得出“居民参与积极性高”的结论，可能无法推广到整个社区（尤其是未参与活动的居民）。2.主观性强，研究结果易受研究者偏见影响：定性数据的分析高度依赖研究者的“诠释”，不同的研究者可能对同一份数据得出不同结论。例如，对于居民“对健康讲座不感兴趣”的反馈，有研究者可能解读为“内容枯燥”，有研究者可能解读为“时间安排不合理”，这种“主观诠释”会影响评价的客观性。定性评价的“深度局限”：难以验证普遍性与推广性3.难以进行效果比较与成本效益分析：定性数据多为“描述性”，难以转化为“可量化”的指标，无法对不同项目、不同地区的效果进行横向比较，也难以计算“投入产出比”。例如，某项目通过“社区健康讲堂”提升居民健康素养，定性显示“居民满意度高”，但无法回答“这种‘高满意度’相比其他干预方式（如线上课程）是否更经济高效”。混合评价：破解“单一方法局限”的系统性方案定量与定性的局限性本质上是“互补的”——定量擅长“广度”，定性擅长“深度”；定量回答“效果如何”，定性回答“为何如此”；定量提供“宏观证据”，定性提供“微观机制”。混合评价通过“整合”而非“对立”，将两者的优势结合，形成“1+1>2”的评价效果：-数据层面：定量数据（如知晓率）与定性数据（如访谈中居民对“知晓率”的理解）互证，避免“数据造假”或“数据失真”；-方法层面：定量实验（如随机对照试验）与定性观察（如干预过程的参与式观察）结合，既验证“因果关系”，又解释“作用机制”；-应用层面：既为决策者提供“可量化”的效果证据（支持资源投入），又为执行者提供“可操作”的改进建议（优化干预细节）。04公共卫生健康促进效果混合评价的实施路径公共卫生健康促进效果混合评价的实施路径混合评价并非“定量+定性”的简单拼接，而是需要遵循“系统设计、逻辑自洽、动态调整”的原则。基于多年实践经验，我将其实施路径概括为“五步法”：目标设定—方法选择—数据收集—分析整合—结果应用，每一步均需体现“混合”思维。（一）第一步：评价目标的多维设定——明确“评价什么”与“为何评价”评价目标是混合评价的“指南针”，需结合公共卫生健康促进的核心维度，构建“结果-过程-能力-公平”四维目标框架：|目标维度|核心问题|示例指标||--------------|-----------------------------|-----------------------------------------------------------------------------|12|过程目标|健康促进是如何实施的？|定量：活动覆盖率、资源投入（经费/人力）、政策执行率；定性：干预过程中的障碍（如社区阻力）、成功经验（如多部门协作模式）|3|结果目标|健康促进是否改善了人群健康？|定量：发病率/患病率下降率、健康知识知晓率、行为改变率（如吸烟率下降）；定性：居民对“健康改善”的主观感知、生活质量变化描述||目标维度|核心问题|示例指标||能力目标|系统健康促进能力是否提升？|定量：基层人员培训时长、社区健康志愿者数量；定性：机构对健康促进的重视程度、跨部门协作机制完善度||公平目标|效果是否惠及弱势群体？|定量：不同收入/教育/地区人群的健康指标差异（基尼系数）；定性：弱势群体参与健康促进的障碍（如语言不通、经济困难）|实践要点：目标设定需“SMART”（具体、可衡量、可实现、相关、有时限），并明确各维度的“优先级”。例如，在贫困地区健康促进项目中，“公平目标”应优先于“结果目标”，重点关注“弱势群体是否受益”。第二步：方法学设计——选择“何种混合”与“如何混合”方法设计是混合评价的“骨架”，需根据评价目标、资源条件、项目特点，选择合适的“混合策略”与“整合时机”。第二步：方法学设计——选择“何种混合”与“如何混合”混合策略的选择：三种主流设计模式混合方法研究通常分为“并行设计（Concurrent）”“顺序设计（Sequential）”“嵌入式设计（Embedded）”三类，在公共卫生健康促进评价中各有适用场景：-并行三角互证设计（ConcurrentTriangulationDesign）：特点：定量与定性数据“同时收集、独立分析、结果整合”，适合“结果目标”与“过程目标”并重的评价。适用场景：例如，评价“社区慢性病自我管理小组”效果时，同时开展“定量问卷调查”（评估自我管理行为改善率）和“焦点小组访谈”（了解居民参与体验），最后通过“对比-解释”整合结果——若定量显示“行为改善率60%”，定性显示“居民认为小组互助是关键”，则可验证“互助模式的有效性”。第二步：方法学设计——选择“何种混合”与“如何混合”混合策略的选择：三种主流设计模式优势：效率高、结果可比性强；局限：需同时投入定量与定性资源，成本较高。-顺序解释性设计（SequentialExplanatoryDesign）：特点：“先定量，后定性”，定量结果为定性研究提供“方向”，定性数据用于“解释”定量结果的成因。适用场景：例如，某学校营养改善项目定量显示“学生蔬菜摄入量提升20%，但贫血率未下降”，需通过定性访谈（学生、家长、食堂厨师）探究原因——可能是“蔬菜烹饪方式不当导致营养流失”，或“学生挑食未真正摄入”。优势：针对性强、能深入解释“黑箱”；局限：耗时长、需分阶段实施。-嵌入式设计（EmbeddedDesign）：第二步：方法学设计——选择“何种混合”与“如何混合”混合策略的选择：三种主流设计模式特点：以一种方法为主（“主导方法”），另一种方法为辅（“辅助方法”），辅助方法用于主导方法的“补充”或“验证”。适用场景：例如，以“随机对照试验（RCT）”为主导方法评价“控烟干预”效果（定量指标：吸烟率下降），同时嵌入“定性访谈”（了解干预对象的戒烟动机），验证“RCT结果的内在效度”——若定量显示“吸烟率下降15%”，定性显示“多数因‘同伴压力’戒烟”，则可解释“干预的社会机制”。优势：兼顾“因果验证”与“机制解释”；局限：对研究者的方法整合能力要求高。第二步：方法学设计——选择“何种混合”与“如何混合”混合策略的选择：三种主流设计模式-后设计混合：在数据分析阶段整合（如将定量统计的“相关关系”与定性分析的“因果机制”结合）。-前设计混合：在研究方案中明确定量与定性的比例、整合方式（如“定量占60%，定性占40%，采用并行三角互证”）；2.整合时机的确定：“前设计-中设计-后设计”的全流程混合-中设计混合：在数据收集中动态调整（如定量发现某群体参与率低，立即补充定性访谈探究原因）；混合不仅是“结果的整合”，更是“过程的融合”，需在研究设计阶段就明确“何时混合”：第二步：方法学设计——选择“何种混合”与“如何混合”混合策略的选择：三种主流设计模式（三）第三步：数据收集——构建“多源、多维、多时点”的数据网络数据收集是混合评价的“血肉”，需确保“定量数据有广度、定性数据有深度、多源数据有关联性”。第二步：方法学设计——选择“何种混合”与“如何混合”定量数据收集：标准化与情境化的平衡-数据类型：-健康结果数据：来自公共卫生监测系统（如传染病报告、慢性病登记）、体检数据（如居民健康档案）、问卷调查（如健康素养问卷）；-过程评估数据：项目记录（如活动次数、参与人数）、政策执行文件（如控烟法规落实情况）、资源投入数据（如经费使用明细）；-公平性数据：按人口学特征（年龄、性别、收入、教育程度）分组的健康指标、弱势群体参与障碍的量化评分（如“社区无障碍设施缺失率”）。-工具选择：优先采用“信效度已验证”的标准化量表（如中国居民健康素养监测问卷），同时结合项目特点开发“情境化量表”（如针对农民工的“职业健康知识问卷”）。第二步：方法学设计——选择“何种混合”与“如何混合”定量数据收集：标准化与情境化的平衡-抽样方法：定量样本需“代表性”，采用“分层随机抽样”（按社区类型、人群特征分层）；样本量需科学计算（参考公式n=Z²P(1-P)/d²，Z为置信水平，P为预期率，d为允许误差）。第二步：方法学设计——选择“何种混合”与“如何混合”定性数据收集：深度性与多样性的兼顾-数据类型：-个体经验：深度访谈（居民、患者、基层卫生人员）；-群体互动：焦点小组（社区工作者、志愿者、项目管理者）；-情境观察：参与式观察（健康促进活动现场、社区环境）。-工具选择：-访谈提纲：采用“半结构化”设计，既包含核心问题（如“您认为哪些因素影响您参与健康促进活动？”），也预留“追问空间”（如“能具体说说‘家庭支持’的表现吗？”）；-观察记录表：预设“观察维度”（如活动组织、居民参与度、互动氛围），同时记录“意外发现”（如活动中儿童自发形成“健康知识小课堂”）。第二步：方法学设计——选择“何种混合”与“如何混合”定性数据收集：深度性与多样性的兼顾-抽样方法：定性样本需“典型性”，采用“目的性抽样”（选择“信息丰富”的个案，如“积极参与者”“未参与者”“效果显著者”），样本量以“数据饱和”为准（通常10-20人）。第二步：方法学设计——选择“何种混合”与“如何混合”多源数据关联：建立“数据矩阵”实现交叉验证为避免“数据孤岛”，需构建“定量-定性数据矩阵”，明确不同数据源的对应关系。例如：|评价目标|定量数据源|定性数据源|关联方式||--------------|----------------------|------------------------------|----------------------------------||行为改变|问卷调查（运动频率）|深度访谈（运动动机）|用访谈解释“为何运动频率提升”||政策执行|政策文件落实率统计|管理者访谈（执行障碍）|用访谈解释“政策落实率低的原因”|第二步：方法学设计——选择“何种混合”与“如何混合”多源数据关联：建立“数据矩阵”实现交叉验证|公平性|不同人群健康指标对比|弱势群体访谈（参与障碍）|用访谈补充“指标差异背后的社会因素”|第四步：数据分析与整合——从“数据碎片”到“证据链条”数据分析是混合评价的“大脑”，需采用“定量统计+定性主题分析+混合整合”的路径，将分散的数据转化为“有逻辑的证据链条”。第四步：数据分析与整合——从“数据碎片”到“证据链条”定量数据分析：从“数字”到“趋势”-描述性统计：计算均值、标准差、率、构成比等，描述健康促进效果的“整体水平”（如“居民健康知识知晓率从45%提升至62%”）；-推断性统计：采用t检验、方差分析、回归分析等方法，比较“干预组与对照组”的差异，或探索“影响因素”（如“年龄、教育程度对健康知识知晓率的影响有统计学意义（P<0.05）”）；-公平性分析：计算“健康公平指数”（如集中指数、差异指数），评估不同人群健康指标的分布公平性。第四步：数据分析与整合——从“数据碎片”到“证据链条”定性数据分析：从“文本”到“主题”-转录与编码：将访谈录音、观察记录转录为文本，采用“三级编码”（开放式编码-轴心编码-选择编码）提取主题；-示例：在“社区健康讲座”访谈中，“开放式编码”提取“听不懂医学术语”“时间冲突”“讲师语速快”等初始概念；“轴心编码”归纳为“内容设计问题”“时间安排问题”“讲师能力问题”；“选择编码”提炼为核心主题“居民参与度低的三大障碍”。-主题验证：通过“成员检验”（MemberChecking，将初步结论反馈给受访者确认）和“同行评议”（PeerDebriefing，邀请其他研究者审核分析过程），确保主题的“可信度”。第四步：数据分析与整合——从“数据碎片”到“证据链条”混合整合策略：三种主流整合方法混合整合是混合评价的“临门一脚”，需根据研究目标选择合适的整合方式：-连接法（Connecting）：操作：将定量结果与定性主题“直接对应”，用定性解释定量。示例：定量显示“老年居民健康讲座参与率仅30%”，定性主题“行动不便、交通不便”，结论：“老年居民参与率低的主要原因是物理可及性不足”。适用场景：适合“解释定量结果成因”的顺序设计。-解释法（Explaining）：操作：用定性数据“扩展”或“挑战”定量结论，形成更丰富的解释。示例：定量显示“青少年控烟项目后吸烟率下降10%”，定性发现“部分学生因‘同伴嘲笑戒烟’而复吸”，结论：“项目效果部分被‘同伴压力’抵消，需增加‘同伴支持干预’”。第四步：数据分析与整合——从“数据碎片”到“证据链条”混合整合策略：三种主流整合方法适用场景：适合“深化对效果理解”的并行设计。-转换法（Transforming）：操作：将定量数据“转化为”定性数据（如将“知晓率60%”描述为“六成居民掌握基本健康知识”），或将定性数据“量化”（如将访谈中提到的“三大障碍”赋权后计算“障碍权重”），实现“数据类型转换”。示例：将定性访谈中居民对“健康讲座满意度”的描述（“非常满意-满意-一般-不满意”）转化为“满意度评分”，与定量问卷结果对比。适用场景：适合需“深度融合”的嵌入式设计。第五步：结果应用——从“证据”到“行动”的转化混合评价的最终目的是“推动实践改进”，需通过“多层次、多形式”的结果呈现，确保评价结论被决策者、执行者、公众理解和采纳。第五步：结果应用——从“证据”到“行动”的转化结果呈现：分层分类、精准触达-对决策者：提供“简洁、量化、有建议”的报告，突出“效果-成本-公平”关键信息（如“每投入1元健康促进经费，可减少3元医疗支出，但低收入群体获益仅为高收入群体的1/2，建议增加对弱势群体的倾斜”）；-对执行者：提供“具体、可操作”的指南，结合定性经验优化干预细节（如“根据居民反馈，健康讲座应增加‘方言翻译’‘案例讲解’‘互动问答’，避免纯理论授课”）；-对公众：通过“通俗化、可视化”的方式传播（如短视频、漫画、社区公告），解读项目成效（如“我们社区的‘健康小屋’一年来帮助200位居民控制了血压，来看看他们的故事”）。第五步：结果应用——从“证据”到“行动”的转化动态反馈：建立“评价-改进-再评价”的闭环0504020301混合评价不是“一次性”任务，而应嵌入项目全周期，形成“PDCA循环”（计划-执行-检查-处理）：-计划（Plan）：基于混合评价结果，优化下一阶段干预方案（如针对“物理可及性不足”问题，增加“健康讲座进家门”服务）；-执行（Do）：调整后实施新方案，记录过程数据；-检查（Check）：开展新一轮混合评价，验证改进效果；-处理（Act）：将有效经验固化为“标准化流程”，在更大范围推广。05混合评价的挑战与对策——在实践中破解“落地难题”混合评价的挑战与对策——在实践中破解“落地难题”尽管混合评价在理论上具有显著优势，但在实践中仍面临诸多挑战。结合我的项目经验，总结为“三大核心挑战”及“针对性对策”。（一）挑战一：方法学整合的复杂性——“定量与定性的‘语言隔阂’”表现：定量研究者强调“客观性、统计显著性”，定性研究者重视“情境性、主观诠释”，两者在研究设计、数据收集、分析过程中常产生“方法论冲突”。例如，定量研究者要求“访谈对象随机选择”，定性研究者认为“典型个案更有价值”；定量研究者偏好“大样本统计”，定性研究者认为“深度访谈比广度更重要”。对策：混合评价的挑战与对策——在实践中破解“落地难题”1.组建“跨学科团队”：邀请公共卫生专家、定量方法学家、定性社会学者共同参与评价，在研究设计阶段达成“方法共识”；2.制定“标准化操作流程（SOP）”：明确定量与定性的“分工与协作机制”（如定量负责“效果测量”，定性负责“机制解释”），避免“各说各话”；3.搭建“数据整合平台”：采用混合研究软件（如NVivo12结合SPSS），实现定量数据与定性数据的可视化关联，例如将“健康知识知晓率”与“访谈主题”在同一平台展示，直观呈现“知晓率高低与访谈内容的关联”。混合评价的挑战与对策——在实践中破解“落地难题”（二）挑战二：资源投入的制约——“时间、人力、经费的‘双重压力’”表现：混合评价需同时开展定量与定性研究，对资源要求较高：时间上，顺序设计可能需要6-12个月；人力上，需配备定量调查员、定性访谈员、数据分析师等多角色；经费上，问卷印刷、访谈转录、软件购买等成本显著高于单一方法研究。在基层公共卫生项目中，资源不足是混合评价“落地难”的主要原因。对策：1.“轻量化”混合评价：根据项目规模调整评价深度，小规模项目可采用“定量为主+关键定性访谈”的简化模式（如仅开展5-8次深度访谈，补充定量结果的解释）；2.“资源整合”策略：与高校、科研机构合作，利用其“智力资源”降低人力成本；利用现有公共卫生数据（如健康档案、监测系统）减少定量数据收集工作量；混合评价的挑战与对策——在实践中破解“落地难题”3.“分阶段投入”机制：优先保障“核心目标”对应的资源（如结果目标优先保证定量资源，过程目标优先保证定性资源），非核心目标可适当简化。（三）挑战三：伦理与质量控制的困境——“数据隐私与研究者偏见的‘双重风险’”表现：混合评价涉及多源数据（如个人健康信息、访谈录音），存在“数据隐私泄露”风险；同时，研究者可能因“预设偏见”（如“希望项目效果好”）而在定性分析中“选择性引用”数据，或在定量分析中“操纵统计方法”，影响评价的客观性。对策：1.严格伦理审查：通过机构伦理委员会审查，确保所有数据收集“知情同意”（如签署《知情同意书》），对敏感信息（如精神健康状况）进行“去标识化”处理；混合评价的挑战与对策——在实践中破解“落地难题”2.“研究者反思日志”：要求研究者记录研究过程中的“个人偏见”（如“我之前认为社区志愿者积极性不高，可能在分析中过度关注负面信息”），通过“同行评议”纠正偏见；3.“三角验证”质量控制：通过“数据源三角验证”（如用问卷数据、访谈数据、观察数据相互印证）、“研究者三角验证”（如不同分析员独立编码后对比结果），提升评价的信度与效度。06案例实践：某城市“健康社区”项目的混合评价全记录案例实践：某城市“健康社区”项目的混合评价全记录为让混合评价方法更具“可操作性”，我将以“某市‘健康社区’项目”为例，展示混合评价从“设计”到“应用”的全过程。项目背景2022年，某市启动“健康社区”项目，旨在通过“健康环境营造+健康行为干预+健康服务提升”三位一体策略，提升居民健康素养（目标：从28%提升至40%）、降低慢性病患病率（目标：高血压患病率下降5%）。项目覆盖10个社区，服务人口10万，周期2年。混合评价设计目标维度：以“结果目标”（健康素养、患病率）和“公平目标”（不同收入群体效果差异）为重点。混合策略：采用“顺序解释性设计”——先定量评估“效果大小”，再定性解释“效果成因”。样本量：定量采用“分层随机抽样”，每个社区抽取200户，共2000户；定性采用“目的性抽样”，选取“健康素养提升显著”“提升不足”“低收入家庭”等典型对象，开展20次深度访谈+5场焦点小组。数据收集与分析定量数据：通过“健康素养监测问卷”评估干预前后健康素养知晓率，通过“社区卫生服务中心”获取高血压患病率数据，按“高收入（>5000元/月）”“中低收入（≤5000元/月）”分组分析。定性数据：访谈居民（“您觉得哪些因素帮助您提升了健康素养？”）、社区工作者（“项目执行中遇到的最大困难是什么？”）、政策制定者（“如何让低收入群体更受益？”）。结果整合：-定量显示：项目结束后，居民健康素养知晓率从28%提升至42%（超额完成目标），但高收入群体提升至45%，中低收入群体仅提升至35%，差距扩大；高血压患病率从18%降至15%，中低收入群体下降2%（高收入群体下降5%）。数据收集与分析-定性解释：高收入群