The PROsetta Stone Project, summarized in this issue by Schalet et al. (Psychometrika 86, 2021), is a major step forward in enabling comparability between different patient-reported outcomes measures. Schalet et al. clearly describe the psychometric methods used in the PROsetta Stone project and other projects from the Patient-Reported Outcomes Measurement Information System (PROMIS): linking based on unidimensional item response theory (IRT), equipercentile linking, and calibrated projection based on multidimensional IRT. Analyses in a validation data set and simulation studies provide strong support that the linking methods are robust when basic assumptions are fulfilled. The links already established will be of great value to the field, and the methodology described by Schalet et al. will hopefully inspire the next series of linking studies. Among potential improvements that should be considered by new studies are: (1) a thorough evaluation of the content of the measures to be linked to better guide the evaluation of measurement assumptions, (2) improvements in the design of linking studies such as selection of the optimal sample to provide data in the score ranges where linking precision is most critical and using counterbalanced designs to control for order effects. Finally, it may be useful to consider how the linking algorithms are used in subsequent data analyses. Analytic strategies based on plausible values or latent regression IRT models may be preferable to the simple transformation of scores from one patient at the time.

Schalet 等人在本期中总结的 PROsetta Stone 项目。(Psychometrika 86, 2021)，是在实现不同患者报告的结果测量之间的可比性方面向前迈出的重要一步。沙莱特等人。清楚地描述了 PROsetta Stone 项目和来自患者报告结果测量信息系统 (PROMIS) 的其他项目中使用的心理测量方法：基于单维项目反应理论 (IRT) 的链接、等百分位链接和基于多维 IRT 的校准投影。验证数据集中的分析和模拟研究提供了强有力的支持，即在满足基本假设时链接方法是稳健的。已经建立的联系对该领域以及 Schalet 等人描述的方法具有重要价值。希望能激发下一系列的链接研究。新研究应考虑的潜在改进包括：(1) 对要关联的度量内容进行彻底评估，以更好地指导对度量假设的评估，(2) 改进关联研究的设计，例如选择在链接精度最关键的分数范围内提供数据的最佳样本，并使用平衡设计来控制顺序效应。最后，考虑如何在后续数据分析中使用链接算法可能会很有用。基于合理值或潜在回归 IRT 模型的分析策略可能比对当时一名患者的分数进行简单转换更可取。(1) 对要关联的度量内容进行全面评估，以更好地指导对度量假设的评估， (2) 改进关联研究的设计，例如选择最佳样本以提供关联的分数范围内的数据精度是最关键的，使用平衡设计来控制阶次效应。最后，考虑如何在后续数据分析中使用链接算法可能会很有用。基于合理值或潜在回归 IRT 模型的分析策略可能比对当时一名患者的分数进行简单转换更可取。(1) 对要关联的度量内容进行全面评估，以更好地指导对度量假设的评估， (2) 改进关联研究的设计，例如选择最佳样本以提供关联的分数范围内的数据精度是最关键的，使用平衡设计来控制阶次效应。最后，考虑如何在后续数据分析中使用链接算法可能会很有用。基于合理值或潜在回归 IRT 模型的分析策略可能比对当时一名患者的分数进行简单转换更可取。(2) 改进链接研究的设计，例如选择最佳样本以提供链接精度最关键的分数范围内的数据，并使用平衡设计来控制顺序效应。最后，考虑如何在后续数据分析中使用链接算法可能会很有用。基于合理值或潜在回归 IRT 模型的分析策略可能比对当时一名患者的分数进行简单转换更可取。(2) 改进链接研究的设计，例如选择最佳样本以提供链接精度最关键的分数范围内的数据，并使用平衡设计来控制顺序效应。最后，考虑如何在后续数据分析中使用链接算法可能会很有用。基于合理值或潜在回归 IRT 模型的分析策略可能比对当时一名患者的分数进行简单转换更可取。