在一家国际化医院的心理科，一位来自西班牙的患者和一位本地居民同时完成了焦虑自评量表。两人得分相同，但医生却犹豫了：这个分数真的代表相同的焦虑水平吗？语言差异、文化背景、表达习惯……这些因素会不会悄悄扭曲了测评的真实含义？这正是许多医疗机构在多元语言环境中面临的现实挑战。
心理测评不是简单的“对错题”，它依赖于个体对问题的理解、情感的表达方式，甚至对“正常”的认知标准。比如，“我经常感到紧张”这句话，在某些文化中可能被理解为轻微不适，而在另一些文化里则暗示严重困扰。直接翻译量表后，仍要查看目标语言和人群中的条目理解、表达及作答方式等适配证据。机构若准备比较不同语言群体的分数，还要另行查看跨组测量不变性或差异项目功能（DIF）证据：它们检验相同潜在特质水平下，条目和量尺在群体间是否有相近表现。译文通顺、单一语言样本的信度，或相同原始分，都不足以单独支持跨语言比较。
实际使用时，常模、筛查界值和跨组可比性回答的是不同问题。以常用的 PHQ-9 抑郁筛查量表为例，相关资料需要与具体语言版本、目标人群和使用用途对应。上海社区研究和一项针对有多种躯体症状的中国门诊患者的研究曾报告不同的筛查界值，说明界值要结合本次筛查的样本、用途和临床参照条件理解，不能写成统一的当地标准。需要比较不同语言群体时，仍应单独查看测量不变性或 DIF 等跨组证据。医院、高校心理咨询中心等机构评审量表使用方案、准备与参与者沟通报告时，即使使用橙星云等平台，也应核对这些与使用场景相符的资料。
当我们在不同语言之间搭建心理健康的桥梁，工具的科学性与文化敏感性都要对应到具体语言、人群和用途。一份测评报告可以提供带有限制条件的参考资料；比较不同语言群体或用于重要决策前，应先核对适配资料、目标人群证据及跨组可比性资料。