FES-I – jak policzyć i opisać wynik obaw przed upadkiem

Autor: Konrad Hryniewicz · Opublikowano: 28 października 2026 · Aktualizacja: 26 października 2026

Czym jest FES-I

FES-I (Falls Efficacy Scale-International) mierzy obawy przed upadkiem przy codziennych czynnościach. Autorzy wolą mówić o „obawach przed upadkiem” (concerns about falling) niż o lęku, bo skala pyta o stopień zaniepokojenia, a nie o objawy lękowe. Wywodzi się z Falls Efficacy Scale Tinetti i in. (1990). Tamta skala definiowała lęk przed upadkiem jako niskie poczucie skuteczności w unikaniu upadku podczas zwykłych czynności dnia codziennego.

Yardley i in. (2005) zmodyfikowali ją tak, żeby obejmowała czynności łatwe i trudniejsze, w domu i poza nim, a także aktywność społeczną. Chodziło też o to, żeby wyniki z różnych krajów dało się porównywać bezpośrednio. Kempen i in. (2007) opracowali później wersję skróconą, Short FES-I. W pracach z fizjoterapii i pielęgniarstwa FES-I zwykle towarzyszy testom sprawności, takim jak Timed Up and Go, Skala Równowagi Berga czy skala Tinetti. Testy pokazują, jak osoba się porusza, a FES-I – jak bardzo obawia się upadku.

Budowa, klucz i zakres wyniku

Pełna FES-I ma 16 pozycji. Każda dotyczy jednej czynności, np. ubierania się, chodzenia po schodach albo wyjścia na spotkanie towarzyskie. Odpowiedź ma cztery stopnie: od 1 (brak obaw) do 4 (bardzo duże obawy). Wynik to suma punktów, a wyższy wynik oznacza większe obawy (FES-I, b.d.). Treści pozycji tu nie przytaczamy. Weź ją z oficjalnej wersji językowej.

Skala nie ma oficjalnych podskal. Yardley i in. (2005) opisali jeden czynnik z dwoma wymiarami: obawami przy mniej wymagających czynnościach, głównie w domu, i przy bardziej wymagających, głównie poza domem. Przegląd McGarrigle i in. (2023) potwierdza strukturę jednoczynnikową z dwoma wymiarami. Dlatego w pracy licz jeden wynik ogólny, a nie dwie osobne podskale.

Licencja i wersje językowe

Strona FES-I prowadzona przez University of Manchester podaje, że FES-I i Short FES-I są bezpłatne dla badaczy i klinicystów, pod warunkiem właściwego cytowania (FES-I, b.d.). Autorzy proszą też o poinformowanie zespołu o użyciu skali (kontakt jest na stronie). Tłumaczenia można pobrać z tej samej strony. Kto chce przygotować nowe tłumaczenie, musi najpierw skontaktować się z zespołem i udostępnić gotową wersję przez stronę. Na liście języków jest wersja polska FES-I i Short FES-I ze statusem „Validated”. Przed badaniem pobierz właściwy plik i sprawdź aktualne warunki. Jeśli rozważasz własny przekład, zacznij od wpisu o adaptacji kulturowej kwestionariusza.

Jak policzyć wynik krok po kroku

Krok 1. Sprawdź zakres odpowiedzi

Każda pozycja przyjmuje tylko wartości 1–4. Wartość 0 albo 5 to błąd kodowania, który często pojawia się po eksporcie z formularza online, gdy kategorie zakodowano od 0. Sprawdź to w skrypcie, zanim zaczniesz liczyć. Ogólną procedurę opisuje wpis jak policzyć wynik kwestionariusza.

Krok 2. Zastosuj regułę dla braków

Autorzy proszą, żeby badany odpowiedział na wszystkie pozycje, ale podają też regułę na wypadek braków (FES-I, b.d.). Jeśli w FES-I brakuje więcej niż czterech odpowiedzi, wyniku nie liczysz. Przy jednym do czterech braków dodajesz uzupełnione pozycje, dzielisz sumę przez ich liczbę, mnożysz przez 16 i zaokrąglasz w górę. W Short FES-I granica to dwa braki, a mnożnik to 7. Przykład ze strony autorów: suma 14 z pięciu pozycji Short FES-I daje 14 / 5 × 7 = 19.6, czyli wynik 20. Tę regułę stosuj zamiast uzupełniania średnią z próby (zob. braki danych).

Krok 3. Zsumuj i nie przeliczaj na średnią

Wynikiem FES-I jest suma 16–64. Gdy zamiast niej podasz średnią 1–4, nie porównasz się z literaturą ani z punktami odcięcia. Zasady wyboru między sumą a średnią przy innych skalach omawia hasło wynik skali: średnia czy suma. Pojedyncze wyniki możesz sprawdzić w kalkulatorze wyniku skali.

Krok 4. Short FES-I liczysz z jej własnych pozycji

Short FES-I ma siedem pozycji wybranych z pełnej skali. Jeśli zbierasz pełną wersję, nie dobieraj pozycji wersji skróconej z pamięci. Listę odpowiadających sobie pozycji weź z publikacji Kempena i in. (2007) albo z oficjalnego formularza.

Interpretacja i punkty odcięcia

Delbaere i in. (2010) zbadali 500 osób w wieku 70–90 lat i na podstawie krzywych ROC zaproponowali punkty odcięcia między niższym a wyższym poziomem obaw. Strona autorów podaje je w trzech kategoriach (FES-I, b.d.):

Autorzy strony zalecają przeczytanie pracy źródłowej przed użyciem tych progów. Delbaere i in. (2010) zaznaczają, że progi trzeba potwierdzić w innych warunkach, na większych próbach i w innych kulturach. Kategoria opisuje więc poziom zgłaszanych obaw, a nie diagnozę ani ryzyko upadku. W analizach używaj wyniku ciągłego, a kategorie podawaj obok niego jako opis próby. W tym samym badaniu wyniki FES-I rosły w ciągu roku niezależnie od tego, czy badani upadli. Przy pomiarze przed i po interwencji pamiętaj więc o grupie porównawczej. Ocenę zmiany u pojedynczej osoby opisuje wpis o RCI, MDC i MCID.

Przykład: 180 osób w wieku 65–90 lat

W badaniu symulowanym 180 osób mieszkających samodzielnie wypełniło FES-I i odpowiedziało, czy upadło w ostatnich 12 miesiącach. Dane są w pliku CSV. Na wszystkie pozycje odpowiedziały 143 osoby. Brak jednej pozycji miało 29 osób, a dwóch – 5 osób. Wyniki tych 34 osób uzupełniono według reguły autorów. Trzy osoby miały 6 lub 7 braków, więc ich wynik jest nieważny. Do analizy weszło 177 osób.

Mediana wyniosła 20 punktów (IQR: 17–30; M = 24.8, SD = 10.3, zakres 16–64). Rozkład jest wyraźnie prawoskośny, a minimalny wynik 16 uzyskało 23.2% badanych. To typowy efekt podłogi w próbie osób sprawnych. Wynik ma rozkład skośny, więc opisz go medianą i IQR, a grupy porównuj testem nieparametrycznym albo modelem odpornym na skośność.

Według punktów odcięcia niskie obawy zgłosiło 78 osób (44.1%, 95% CI [37.0, 51.4]), umiarkowane 44 osoby (24.9%, 95% CI [19.1, 31.7]), a wysokie 55 osób (31.1%, 95% CI [24.7, 38.2]). Przedziały policzono metodą Wilsona (zob. przedział ufności dla proporcji).

Osoby po upadku a osoby bez upadku

Osoby, które upadły w ostatnim roku (n = 65), miały medianę 25 (IQR: 19–34), a osoby bez upadku (n = 112) medianę 19 (IQR: 16–26.25). Test Manna–Whitneya dał W = 2330.00, Z = 4.01, p < .001, r = .30. Przesunięcie Hodgesa–Lehmanna wyniosło 4 punkty, 95% CI [2.00, 8.00]. Wysokie obawy zgłosiło 46.2% osób po upadku i 22.3% osób bez upadku. To badanie przekrojowe, więc nie wiemy, czy upadek zwiększył obawy, czy obawy i mniejsza sprawność poprzedzały upadek. Takie porównanie odpowiada temu, czego oczekiwali Yardley i in. (2005), gdy sprawdzali trafność teoretyczną skali.

Rzetelność: co policzyć i z czym porównać

W pierwszej publikacji FES-I miała spójność wewnętrzną α = .96 i rzetelność test–retest ICC = .96 (Yardley i in., 2005). Short FES-I osiągnęła α = .92 i ICC = .83 przy odstępie czterech tygodni, a jej wynik korelował z pełną wersją na poziomie .97 (Kempen i in., 2007). Przegląd 58 badań (McGarrigle i in., 2023) znalazł dowody wysokiej jakości na spójność wewnętrzną, rzetelność i trafność wszystkich wersji FES-I oraz na wrażliwość pełnej FES-I na zmianę.

We własnej pracy policz rzetelność na swojej próbie. W przykładzie, na 143 pełnych odpowiedziach, alfa Cronbacha wyniosła α = .94, a omega McDonalda z modelu jednoczynnikowego ω = .95. Korelacje pozycji z resztą skali mieściły się w przedziale .58–.78, a ładunki czynnikowe w przedziale .61–.80. Wartości bardzo wysokiej alfy nie traktuj jako zalety samej w sobie, bo przy 16 podobnych pozycjach alfa rośnie także dzięki ich liczbie (zob. alfa Cronbacha). Jeśli mierzysz dwukrotnie, policz ICC według wskazówek Koo i Li (2016) i podaj, który model wybrałeś.

Jak opisać FES-I w pracy

Pierwszy wzór opisuje narzędzie w rozdziale metodologicznym, a drugi – wyniki. Liczby pochodzą z przykładu. W nawiasach kwadratowych uzupełnij dane własnego badania. Ogólną budowę takiego akapitu omawia wzór opisu narzędzia badawczego.

# B135 – FES-I: wynik 16–64, braki według reguły autorów, kategorie, rzetelność, porównanie grup (dane symulowane, set.seed(1351)).
# 180 osób w wieku 65–90 lat mieszkających samodzielnie; 16 pozycji FES-I (1 = brak obaw ... 4 = bardzo duże obawy),
# upadek w ostatnich 12 miesiącach (tak/nie). Treści pozycji nie odtwarzamy – kolumny to p1–p16.
suppressPackageStartupMessages({ library(psych); library(DescTools) })
set.seed(1351)
n <- 180
upadek <- rbinom(n, 1, 0.35)
theta <- rnorm(n, -0.55 + 0.55 * upadek, 1)
trudnosc <- seq(-0.6, 1.2, length.out = 16)          # pozycje "poza domem" trudniejsze
odp <- sapply(trudnosc, function(b) {
  z <- 2.4 * (theta - b) + rlogis(n)
  1 + (z > -0.2) + (z > 1.6) + (z > 3.2)
})
colnames(odp) <- paste0("p", 1:16)
odp[sample(length(odp), 40)] <- NA                   # rozproszone braki
odp[1:3, 1:6] <- NA                                  # trzy osoby z 6 brakami
dane <- data.frame(id = 1:n, upadek_12m = ifelse(upadek == 1, "tak", "nie"), odp)
write.csv(dane, "../fes-i-dane-przyklad.csv", row.names = FALSE, na = "")
poz <- paste0("p", 1:16)

# Krok 1. Kontrola zakresu i braków
all(as.matrix(dane[, poz]) %in% c(1:4, NA))
braki <- rowSums(is.na(dane[, poz]))
table(braki)

# Krok 2. Wynik według reguły autorów: > 4 braki – wynik nieważny; 1–4 braki – średnia z uzupełnionych × 16, zaokrąglona w górę
wynik_fesi <- function(x, k = 16, maks_brakow = 4) {
  b <- rowSums(is.na(x))
  w <- ceiling(rowMeans(x, na.rm = TRUE) * k)
  w[b > maks_brakow] <- NA
  w
}
dane$FESI <- wynik_fesi(dane[, poz])
c(waznych = sum(!is.na(dane$FESI)), uzupelnionych = sum(braki %in% 1:4), niewaznych = sum(is.na(dane$FESI)))
# Przykład ze strony autorów dla Short FES-I: 5 uzupełnionych pozycji, suma 14 -> 14 / 5 × 7 = 19.6 -> 20
ceiling(14 / 5 * 7)

# Krok 3. Statystyki opisowe i podłoga (wynik 16)
f <- na.omit(dane$FESI)
round(c(M = mean(f), SD = sd(f), Me = median(f), Q1 = quantile(f, .25, names = FALSE), Q3 = quantile(f, .75, names = FALSE),
        min = min(f), max = max(f), proc_16 = 100 * mean(f == 16)), 1)

# Krok 4. Kategorie obaw według punktów odcięcia Delbaere i in. (2010): 16–19 niskie, 20–27 umiarkowane, 28–64 wysokie
dane$kategoria <- cut(dane$FESI, c(15, 19, 27, 64), labels = c("niskie", "umiarkowane", "wysokie"))
tab <- table(dane$kategoria)
round(cbind(n = tab, BinomCI(tab, sum(tab), method = "wilson") * 100), 1)

# Krok 5. Rzetelność: alfa Cronbacha i omega (model jednoczynnikowy) na pełnych odpowiedziach
pelne <- na.omit(dane[, poz])
nrow(pelne)
a <- psych::alpha(pelne, warnings = FALSE)
fa1 <- fa(pelne, nfactors = 1, cor = "cor")
lam <- as.numeric(fa1$loadings); omega_t <- sum(lam)^2 / (sum(lam)^2 + sum(1 - lam^2))
round(c(alfa = a$total$raw_alpha, omega = omega_t, r_min_poz_calosc = min(a$item.stats$r.drop),
        r_max_poz_calosc = max(a$item.stats$r.drop), ladunek_min = min(lam), ladunek_max = max(lam)), 2)

# Krok 6. Osoby po upadku a bez upadku: test Manna–Whitneya, r = Z / sqrt(N), przesunięcie Hodgesa–Lehmanna
d <- dane[!is.na(dane$FESI), ]
aggregate(FESI ~ upadek_12m, d, function(v) c(n = length(v), Me = median(v), Q1 = quantile(v, .25, names = FALSE),
                                                Q3 = quantile(v, .75, names = FALSE), M = round(mean(v), 1), SD = round(sd(v), 1)))
mw <- wilcox.test(FESI ~ upadek_12m, d, exact = FALSE, conf.int = TRUE)
z <- qnorm(mw$p.value / 2, lower.tail = FALSE)
round(c(W = unname(mw$statistic), Z = z, r = z / sqrt(nrow(d)), HL = -unname(mw$estimate),
        lo = -mw$conf.int[2], hi = -mw$conf.int[1]), 2)
format.pval(mw$p.value, digits = 3)
# Odsetek wysokich obaw w grupach
round(100 * prop.table(table(d$upadek_12m, d$kategoria), 1), 1)

[1] TRUE
braki
  0   1   2   6   7 
143  29   5   2   1 
      waznych uzupelnionych    niewaznych 
          177            34             3 
[1] 20
      M      SD      Me      Q1      Q3     min     max proc_16 
   24.8    10.3    20.0    17.0    30.0    16.0    64.0    23.2 
             n  est lwr.ci upr.ci
niskie      78 44.1   37.0   51.4
umiarkowane 44 24.9   19.1   31.7
wysokie     55 31.1   24.7   38.2
[1] 143
            alfa            omega r_min_poz_calosc r_max_poz_calosc      ladunek_min 
            0.94             0.95             0.58             0.78             0.61 
     ladunek_max 
            0.80 
  upadek_12m FESI.n FESI.Me FESI.Q1 FESI.Q3 FESI.M FESI.SD
1        nie 112.00   19.00   16.00   26.25  22.60    8.50
2        tak  65.00   25.00   19.00   34.00  28.70   11.80
      W       Z       r      HL      lo      hi 
2330.00    4.01    0.30    4.00    2.00    8.00 
[1] "5.99e-05"
     
      niskie umiarkowane wysokie
  nie   51.8        25.9    22.3
  tak   30.8        23.1    46.2

Najczęstsze błędy przy FES-I

• Kodowanie 0–3 zamiast 1–4. Daje zakres 0–48 i przesuwa wszystkie kategorie. Przed sumowaniem sprawdź zakres pozycji.
• Uzupełnianie braków średnią z próby albo liczenie wyniku mimo pięciu i więcej braków. Autorzy podają własną regułę, łącznie z zaokrągleniem w górę.
• Średnia 1–4 zamiast sumy. Takiego wyniku nie porównasz z literaturą ani z punktami odcięcia.
• Kategoria „wysokie obawy” jako diagnoza lęku albo dowód wysokiego ryzyka upadku. To opis zgłaszanych obaw przy progach, które wymagają potwierdzenia w kolejnych badaniach.
• Dwie podskale „dom” i „poza domem” liczone jak oficjalne. Skala ma jeden wynik ogólny.
• Short FES-I złożona z przypadkowych pozycji pełnej skali. Pozycje wersji skróconej weź z publikacji lub formularza.
• Wnioski przyczynowe z badania przekrojowego. Związek obaw z upadkami może działać w obie strony.

Plan analizy całego kwestionariusza, od czyszczenia danych po rzetelność, omawia przewodnik po analizie kwestionariusza, a wybór testu przy wynikach skośnych – wpis o testach nieparametrycznych. Jeśli chcesz sprawdzić liczenie wyniku lub dobór analiz w swojej pracy, możesz skorzystać z konsultacji w ramach oferty analizy statystyczne dla studentów. Wyniki musisz jednak rozumieć i umieć obronić samodzielnie.

Najczęstsze pytania

Jak policzyć wynik FES-I?

Zsumuj odpowiedzi 16 pozycji ocenianych od 1 do 4. Wynik mieści się w zakresie 16–64, a wyższy oznacza większe obawy przed upadkiem (FES-I, b.d.). Skala nie ma pozycji odwróconych ani oficjalnych podskal.

Co zrobić z brakami odpowiedzi w FES-I?

Strona autorów podaje regułę: przy więcej niż czterech brakach wyniku nie liczysz, a przy 1–4 brakach dzielisz sumę uzupełnionych pozycji przez ich liczbę, mnożysz przez 16 i zaokrąglasz w górę. W Short FES-I dopuszczalne są najwyżej dwa braki, a mnożnik to 7.

Jakie są punkty odcięcia FES-I?

Delbaere i in. (2010) zaproponowali kategorie: 16–19 – niskie, 20–27 – umiarkowane, 28–64 – wysokie obawy; dla Short FES-I 7–8, 9–13 i 14–28. Autorzy zalecają potwierdzanie progów w innych populacjach, więc w analizach używaj wyniku ciągłego.

Czy FES-I można używać bezpłatnie?

Oficjalna strona FES-I (University of Manchester) podaje, że skala i jej wersja skrócona są bezpłatne dla badaczy i klinicystów pod warunkiem właściwego cytowania, a autorzy proszą o informację o użyciu. Tam też pobierzesz tłumaczenia, w tym wersję polską. Warunki sprawdź przed badaniem.

Czym różni się Short FES-I od pełnej FES-I?

Short FES-I ma 7 z 16 pozycji i zakres 7–28. Kempen i in. (2007) podają dla niej α = .92 i korelację z pełną wersją .97. Pełną wersję wybierz, gdy interesują Cię konkretne czynności spoza wersji skróconej.

Powiązane hasła

Przeczytaj też

@article{delbaere2010falls, author={Delbaere, K. and Close, J. C. T. and Mikolaizak, A. S. and Sachdev, P. S. and Brodaty, H. and Lord, S. R.}, title={{The Falls Efficacy Scale International (FES-I). A comprehensive longitudinal validation study}}, journal={Age and Ageing}, year={2010}, volume={39}, number={2}, pages={210--216}, doi={10.1093/ageing/afp225}}

@misc{fesind, author={{FES-I}}, title={{FES-I: Falls Efficacy Scale International}}, publisher={University of Manchester}, url={https://sites.manchester.ac.uk/fes-i/}}

@article{kempen2007short, author={Kempen, G. I. J. M. and Yardley, L. and van Haastregt, J. C. M. and Zijlstra, G. A. R. and Beyer, N. and Hauer, K. and Todd, C.}, title={{The Short FES-I: A shortened version of the falls efficacy scale-international to assess fear of falling}}, journal={Age and Ageing}, year={2007}, volume={37}, number={1}, pages={45--50}, doi={10.1093/ageing/afm157}}

@article{koo2016guideline, author={Koo, Terry K. and Li, Mae Y.}, title={{A guideline of selecting and reporting intraclass correlation coefficients for reliability research}}, journal={Journal of Chiropractic Medicine}, year={2016}, volume={15}, number={2}, pages={155--163}, doi={10.1016/j.jcm.2016.02.012}}

@article{mcgarrigle2023systematic, author={McGarrigle, Lisa and Yang, Yang and Lasrado, Reena and Gittins, Matthew and Todd, Chris}, title={{A systematic review and meta-analysis of the measurement properties of concerns-about-falling instruments in older people and people at increased risk of falls}}, journal={Age and Ageing}, year={2023}, volume={52}, number={5}, eid={afad055}, doi={10.1093/ageing/afad055}}

@article{tinetti1990falls, author={Tinetti, M. E. and Richman, D. and Powell, L.}, title={{Falls efficacy as a measure of fear of falling}}, journal={Journal of Gerontology}, year={1990}, volume={45}, number={6}, pages={P239--P243}, doi={10.1093/geronj/45.6.p239}}

@article{yardley2005development, author={Yardley, Lucy and Beyer, Nina and Hauer, Klaus and Kempen, Gertrudis and Piot-Ziegler, Chantal and Todd, Chris}, title={{Development and initial validation of the Falls Efficacy Scale-International (FES-I)}}, journal={Age and Ageing}, year={2005}, volume={34}, number={6}, pages={614--619}, doi={10.1093/ageing/afi196}}