改良版 Fitzpatrick 皺紋量表評估法令紋可靠嗎？照片加文字可提升一致性｜張光正醫師解讀
摘要
- 研究目的：驗證改良版 Fitzpatrick 皺紋量表（Modified Fitzpatrick Wrinkle Scale，MFWS）用於鼻唇溝／法令紋嚴重度評分時，是否具有足夠的評分者內與評分者間可靠性。
- 研究設計：研究先由9位皮膚科或整形外科醫師評估40張志願者照片，再選出評分者內一致性最高的5位，評估100張臨床研究照片；另一階段則由3位評分者使用「參考照片加文字描述」進行驗證。
- 主要結果：臨床研究照片只使用參考照片時，整體評分者內加權 kappa 為0.71（95%信賴區間0.68–0.74），評分者間為0.65（95%信賴區間0.62–0.68）。加入文字描述後，分別提高至0.79（95%信賴區間0.76–0.82）與0.74（95%信賴區間0.69–0.79）。
- 正確解讀：研究直接支持 MFWS 可較一致地量化鼻唇溝外觀分級，但沒有證明它能精準測出實際毫米深度，也沒有比較任何填充劑、雷射或其他治療的臨床優劣。
- 重要限制：論文未提供受評者人數、年齡、性別、膚色或族群組成；第二階段還選用了第一階段表現最好的5位評分者，可能使可靠性高於一般未經訓練的臨床使用情境。
法令紋治療前後的變化若只用「看起來有改善」描述，很難讓不同醫師、不同時間點或不同研究彼此比較。MFWS 的核心價值不是決定患者應接受哪一種療程，而是提供一套由0至3、共7個等級的共同語言。這篇論文主要回答的是「不同評分者能不能較一致地使用這套量表」，而不是「量表分數改善多少才代表患者滿意」或「哪種治療效果最好」。
研究背景
隨著光老化與面部皺紋治療需求增加，研究者需要可重複、可比較的方式記錄療效。過去已有多種皺紋評估系統，有些依賴攝影分析、高頻超音波、多光子螢光或二次諧波顯微技術；這些工具雖可提供較客觀的資訊，卻需要專門設備與技術。
臨床上較容易使用的方式，是將患者外觀與標準照片比較。不過，當不同研究採用不同量表，治療結果便不容易直接對照。原始 Fitzpatrick 分類於1996年提出，利用參考照片將口周與眼周皺紋分為輕度、中度與重度，同時考慮整體皺紋、彈性組織變化、色素異常及皺紋深度。
本研究將原始系統修改為專門評估鼻翼外緣到嘴角之間的鼻唇溝區域。與原始分類相比，MFWS 更聚焦於皺紋或溝槽的目視深度，以反映鼻唇溝常見的較深折痕。研究作者認為，這種設計可能更適合用於記錄填充注射或雷射等平整皺紋與緊實皮膚技術的結果；但這是作者對適用性的推論，不等於本研究已驗證各種治療的療效。
研究方法
量表如何分級？
MFWS 由0至3分組成，每次增加0.5分，共有7個等級。0、1、2、3分有參考照片與文字定義；0.5、1.5、2.5分屬於中間等級，只用文字描述，沒有各自的參考照片。左右側鼻唇溝分開評估，以處理可能存在的面部不對稱。
| MFWS 分數 | 論文中的定義 |
|---|---|
| 0 | 沒有皺紋；看不到皺紋，皮膚線條連續。 |
| 0.5 | 非常淺，但仍可看見的皺紋。 |
| 1 | 細紋；皺紋可見，伴隨輕微凹陷。 |
| 1.5 | 皺紋可見且凹陷清楚；估計深度小於1毫米。 |
| 2 | 中度皺紋；清楚可見，估計深度1至2毫米。 |
| 2.5 | 明顯可見的皺紋；估計深度大於2毫米、小於3毫米。 |
| 3 | 深皺紋或深溝；估計深度超過3毫米。 |
關鍵注意事項：以上毫米深度均來自評分者目視估計，並非以儀器或實際物理測量取得。參考照片只呈現需要評估的局部臉部區域，避免整張臉的其他特徵影響判斷。每張標準參考照片必須獲得5位委員一致認定，才能被選為該分級的標準照片。
第一階段：志願者照片與評分者篩選
9位皮膚科或整形外科醫師先接受參考照片訓練，之後各自評估相同的40張志願者鼻唇溝照片。第一次評估在訓練後2小時內完成，第二次則在12至16天後進行，而且照片排列順序與第一次不同。
研究接著從原本9位評分者中，選出評分者內及評分者間可靠性最高的5位，進入下一階段。這項程序可降低離群評分者對結果的影響，但也意味最終可靠性是在經過篩選、表現較佳的評分者中估計。
第二階段：臨床研究照片
研究使用接受豬來源膠原蛋白注射填充劑治療之臨床研究照片。5位評分者各自評估相同的一組100張照片，照片呈現鼻唇溝左右側的正面局部影像；12至16天後再進行第二次評估。
論文寫的是「100張照片」，並未清楚說明這些照片來自多少位患者，因此不能將照片數直接解讀為100位患者。本文驗證的是評分工具，而不是該填充劑的療效、安全性或效果持續時間。
照片加文字描述的驗證
研究另由2位皮膚科醫師與1位整形外科醫師接受「參考照片加文字描述」的分級訓練。3位評分者先評估相同的22張志願者照片，之後再以100張臨床研究照片測試可靠性，兩次評估相隔7至13天；表格將此間隔呈現為10±3天。
統計方法
研究使用 Cohen’s kappa 與加權 kappa 評估一致性。kappa 等於1代表完全一致，等於0代表一致程度相當於隨機巧合。加權 kappa 會讓相鄰分級之間的差異受到較小懲罰，例如2分與3分的不一致，影響小於0分與3分的不一致。
作者依 Landis 與 Koch 的解讀方式，將高於0.61視為可靠。評分者內可靠性比較同一評分者兩次的結果；評分者間可靠性則比較不同評分者的結果。論文也提到描述性統計與百分比一致率，但未完整報告所有百分比數值。
研究結果
只使用參考照片：志願者階段
9位評分者評估40張志願者照片時，左右側結果相近，因此作者合併兩側分析。整體評分者內加權 kappa 為0.72（95%信賴區間0.68–0.76）。9位中有1位的 kappa 為0.54，依作者預設標準被視為不可靠；其餘評分者的結果達到作者設定的可靠範圍。
進入第二階段的5位評分者，其第一次與再次評估間的加權 kappa 為0.75至0.84。這項結果顯示受過訓練且經篩選的評分者，可以相對一致地重複評估相同量表；但它不能代表所有臨床使用者在沒有訓練時都會得到相同表現。
只使用參考照片：臨床研究照片
5位評分者評估100張臨床研究照片時，每位評分者的評分者內加權 kappa 均高於0.61，範圍為0.66至0.79。
- 左側評分者內 kappa：0.69（95%信賴區間0.64–0.74）。
- 右側評分者內 kappa：0.73（95%信賴區間0.68–0.78）。
- 左右兩側合併：0.71（95%信賴區間0.68–0.74）。
評分者間的一致性略低：
- 左側評分者間 kappa：0.66（95%信賴區間0.63–0.69）。
- 右側評分者間 kappa：0.65（95%信賴區間0.63–0.67）。
- 左右兩側合併：0.65（95%信賴區間0.62–0.68）。
- 不同評分者的係數範圍：0.62至0.69。
也就是說，同一位評分者重複判讀的穩定度，整體上高於不同評分者彼此之間的一致程度。所有臨床研究照片結果仍達到作者預先採用的可靠門檻。
參考照片加文字描述
3位評分者同時使用參考照片與文字定義後，臨床研究照片的整體結果為：
- 評分者內 kappa：0.79（95%信賴區間0.76–0.82）。
- 評分者間 kappa：0.74（95%信賴區間0.69–0.79）。
與只看照片時相比，評分者內 kappa 由0.71提高至0.79，評分者間則由0.65提高至0.74。研究直接顯示加入描述後觀察到較高的一致性係數；作者推論，文字定義可減少評分者的主觀判斷。
不過，論文沒有針對兩種使用方式的差值提供正式假設檢定或 p value，也沒有將兩者設計成同一批評分者的隨機交叉比較。因此，不能僅憑數值上升宣稱文字描述在統計上或臨床上「顯著優越」。論文也沒有報告傳統治療研究中的效果量；本研究的核心統計指標是可靠性係數及其95%信賴區間。
張光正醫師的臨床解讀
研究直接顯示的是評分一致性，而不是治療效果。張光正醫師在解讀這類量表研究時，首先會區分「評估工具可靠」與「治療有效」：MFWS 的 kappa 結果支持醫師在受訓後，可較穩定地將鼻唇溝分成7個等級；但分數本身不會告訴醫師患者適合填充注射、雷射或其他處置，更不能證明某種療程優於另一種療程。
在實際評估與醫病溝通上，這套量表可能有三項用途。第一，治療前分開記錄左右側，可提醒醫師注意原本就存在的面部不對稱。第二，以同一套照片、拍攝條件及文字定義追蹤，有助於降低只憑印象描述變化的問題。第三，若由不同醫師進行評估，清楚的文字定義可能減少部分判讀差異。
然而，1.5至3分中的毫米數字不能當作真正的深度測量。研究明確指出，皺紋深度是評分者估計而非物理測量。因此，不能將「2分」直接寫成儀器證實的1至2毫米，也不能把0.5分的變化解讀為固定體積或固定毫米數的改善。
臨床上仍待確認的問題包括：多少分數變化才會被患者察覺、多少變化具有臨床重要性、現場面診與照片評估是否同樣可靠，以及不同年齡、膚色與族群是否適用。作者認為 MFWS 可能延伸到其他皺紋或皮膚皺摺，也可能用於現場患者評估，但這些都是後續應驗證的方向，不是本研究已直接證明的結果。
張光正醫師作者資料所代表的臨床解讀重點，是把量表當成結構化紀錄工具，而不是單獨的治療決策工具。鼻唇溝外觀仍可能受到左右不對稱及其他面部特徵影響；這篇論文並未建立患者選擇標準，也未提供可直接套用的治療門檻。
研究限制與閱讀邊界
- 照片數不等於患者數：研究報告40張志願者照片、22張志願者照片及100張臨床研究照片，但沒有清楚列出獨立受試者總數，也沒有說明同一患者是否貢獻多張照片。
- 缺乏受試者特徵：論文未提供年齡、性別、膚色、種族、鼻唇溝成因或嚴重度分布，因此無法判斷樣本是否涵蓋一般臨床常見族群。
- 評分者經過訓練與篩選：第二階段5位評分者是從9位中選出評分者內一致性最高者。這有助於建立量表在熟練使用者手中的表現，卻可能高估未經篩選、訓練程度不一之醫師的可靠性。
- 加入描述的比較並非單純控制實驗：只看照片與照片加描述的階段，評分者人數分別為5位與3位，未清楚呈現為同一批人員的隨機交叉比較。數值提高可作為支持性證據，但不能完全排除評分者組成等因素。
- 深度沒有客觀校正：分級中的毫米值是視覺估計，研究未以實體量測、三維攝影或其他客觀方法檢驗準確性。因此，本研究主要建立的是一致性，並非對真實深度的效標效度。
- 沒有臨床重要差異門檻：論文未定義下降0.5分或1分是否對患者具有可感知或重要的意義，也未評估患者滿意度、生活品質或醫師與患者評分的一致性。
- 不是長期追蹤研究：7至13天或12至16天是重複評分的間隔，不是治療效果持續時間。這篇論文未提供恢復期、效果持久度、費用或台灣市場資訊。
- 外推至台灣病人仍待確認：由於族群及膚色資料未提供，不能確認台灣患者使用時會得到完全相同的可靠性。中文化文字定義是否需要正式翻譯與再驗證，這篇論文也未研究。
- 研究資助與場域：研究由以色列 ColBar LifeScience Ltd 資助，並在該公司的醫學部門執行；臨床研究照片來自接受豬來源膠原蛋白填充劑的研究患者。這項背景應納入偏差風險判讀，但論文本身沒有提供足夠資料量化資助對結果造成的影響。
- 統計報告有限：論文提供 kappa 與95%信賴區間，但未報告照片加描述相較只看照片之差異的 p value，也沒有完整呈現所有百分比一致率或樣本數估算，因此無法判斷研究是否具有預先規劃的統計能力。
常見問題 FAQ
- Q：改良版 Fitzpatrick 皺紋量表是什麼？
- A：它是一套用來評估鼻唇溝／法令紋嚴重度的0至3分量表。量表每次增加0.5分，共7個等級；0、1、2、3分配有標準照片與描述，中間的0.5、1.5、2.5分則以文字定義協助判斷。
- Q：MFWS 評估法令紋的結果可靠嗎？
- A：在這篇研究的受訓評分者中，MFWS 達到作者預設的可靠標準。只用照片時，臨床研究照片的整體評分者內加權 kappa 為0.71，評分者間為0.65；但這些結果主要適用於經訓練及部分經篩選的專業評分者。
- Q：評估法令紋時，照片加文字描述會比較一致嗎？
- A：研究觀察到照片加文字後的一致性係數較高。評分者內 kappa 由只看照片時的0.71提高至0.79，評分者間由0.65提高至0.74；不過論文未提供兩種方式差異的 p value，而且兩階段並非完全相同的評分者比較，因此不能宣稱已證明統計或臨床優越性。
- Q：MFWS 的1至3毫米深度是實際測量嗎？
- A：不是，論文明確指出深度是評分者目視估計，而非物理測量。這些毫米範圍是協助分級的描述，不能取代三維影像或其他客觀深度測量。
- Q：這套量表可以證明填充劑或雷射治療有效嗎？
- A：不能單靠這套量表研究證明特定療程有效。研究驗證的是鼻唇溝分級的一致性，雖然使用了填充劑臨床研究的照片，但沒有在本文比較療效、安全性、恢復期或持久度。
- Q：MFWS 可以直接用在台灣患者或現場面診嗎？
- A：這篇論文無法直接確認。作者推測量表可能適用於現場評估及其他皺紋或皺摺，但研究主要分析照片，且未提供族群、膚色或台灣患者資料，因此現場使用、中文化及跨族群適用性仍需另行驗證。
參考文獻
- The Modified Fitzpatrick Wrinkle Scale: A Clinical Validated Measurement Tool for Nasolabial Wrinkle Severity Assessment. DOI: （DOI 未提供，請手動確認）.