Kwestionariusz Rolanda-Morrisa (RMDQ) – jak policzyć wynik

Autor: Konrad Hryniewicz · Opublikowano: 1 listopada 2026

Czym jest RMDQ i gdzie się go stosuje

Kwestionariusz Rolanda–Morrisa (Roland–Morris Disability Questionnaire, RMDQ) mierzy niepełnosprawność z powodu bólu krzyża w ocenie samego pacjenta. Roland i Morris (1983) przygotowali go do badań nad leczeniem bólu pleców, bo brakowało wtedy dobrych miar wyniku. Opisali go jako narzędzie krótkie, proste, czułe i rzetelne. Według oficjalnej strony RMDQ korzysta się z niego zarówno w badaniach, jak i w praktyce klinicznej (Roland, b.d.).

W pracach dyplomowych RMDQ pojawia się przede wszystkim na fizjoterapii, rzadziej na kierunkach lekarskich i w pielęgniarstwie. Zwykle stoi obok skali bólu i narzędzi psychologicznych, np. skali kinezjofobii lub katastrofizacji. Plan analiz w takich pracach opisuje poradnik statystyka dla fizjoterapeuty. Analizę samego natężenia bólu omawia wpis jak analizować skale bólu NRS i VAS. Międzynarodowy panel badaczy, w którym był współautor RMDQ, zalecił mierzenie niepełnosprawności w badaniach bólu krzyża kwestionariuszem Rolanda albo Oswestry (Deyo i in., 1998).

Formularz to lista 24 stwierdzeń o codziennych czynnościach, które utrudnia ból pleców. Pacjent zaznacza te, które opisują jego stan w danym dniu. Treści stwierdzeń nie podajemy – weź formularz z oficjalnej strony.

Jak policzyć wynik RMDQ krok po kroku

Zasady liczenia podaje oficjalna strona kwestionariusza (Roland, b.d.; odczyt 1.11.2026). To krótka i jednoznaczna instrukcja, więc nie musisz zgadywać klucza.

Krok 1. Zakoduj każde stwierdzenie jako 0 albo 1

Zaznaczone stwierdzenie to 1, niezaznaczone to 0. RMDQ nie ma pozycji odwróconych ani wag. Jest to więc skala dychotomiczna: każda odpowiedź ma tylko dwie wartości.

Krok 2. Zsumuj zaznaczenia

Wyższy wynik oznacza większą niepełnosprawność. Wynik 0 to brak ograniczeń opisanych w kwestionariuszu, a 24 – wszystkie zaznaczone. Jeśli promotor chce procentów, podziel wynik przez 24 i pomnóż przez 100. Taki procent maksymalnego wyniku (POMP) to tylko inna skala tej samej sumy, a nie osobny wskaźnik.

Krok 3. „Nie dotyczy mnie” liczy się jako 0

Według strony autorów, jeśli pacjent w jakikolwiek sposób zaznaczy, że stwierdzenie go nie dotyczy, liczysz je jako niezaznaczone. Mianownik zawsze wynosi 24. Nie przeliczaj wyniku na mniejszą liczbę pozycji i nie zastępuj takiej odpowiedzi średnią.

Krok 4. Nie dawaj wyboru „tak/nie”

Strona autorów nie zaleca formatu „tak/nie” przy każdym stwierdzeniu. W ankiecie internetowej użyj więc listy pól wyboru, w której pacjent zaznacza tylko pasujące stwierdzenia. Jeśli już zebrałeś(-aś) dane w formacie „tak/nie”, pusta odpowiedź staje się problemem: to może być „nie” albo pominięcie. Strona tego przypadku nie rozstrzyga. Ustal regułę przed analizą, policz takie przypadki i opisz decyzję w pracy. Ogólne zasady podaje wpis braki danych w ankiecie.

Krok 5. Sprawdź wersję formularza

Używaj poprawnej wersji ze strony rmdq.org. Przegląd Rolanda i Fairbanka (2000) zawiera w aneksie formularz z błędem w pozycji 18, na co zwraca uwagę strona autorów. Jeśli korzystasz z wersji skróconej albo zmodyfikowanej, zakres wyniku jest inny. Wtedy cytuj publikację tej wersji i nie porównuj jej sum z wynikiem 0–24.

Interpretacja: bez progów, z błędem pomiaru

Ani oficjalna strona, ani abstrakt pierwotnej publikacji nie podają przedziałów typu „niepełnosprawność łagodna / umiarkowana / ciężka”. Nie podają też minimalnej istotnej klinicznie zmiany. Deyo i in. (1998), w tym współautor RMDQ, napisali wprost, że dla większości miar bólu krzyża potrzeba więcej danych o responsywności i o minimalnej ważnej zmianie. W badaniu korelacyjnym i w porównaniu grup analizuj więc wynik ciągły 0–24.

Progi ważnej zmiany zaproponowali później inni autorzy; omawia je poradnik dla fizjoterapeutów podlinkowany wyżej. Jeśli ich używasz, zacytuj publikację źródłową i opisz, na jakiej próbie powstały. Nie przypisuj ich twórcom RMDQ. Obok progu z literatury policz minimalną wykrywalną zmianę (MDC). Mówi ona, jaka zmiana przekracza błąd pomiaru. Próg ważności, czyli MCID, mówi, czy zmiana ma znaczenie dla pacjenta (de Vet i in., 2006). Różnicę wyjaśnia wpis o RCI, MDC i MCID.

Przykład: 180 pacjentów z bólem krzyża

Dane są symulowane i możesz je pobrać jako plik CSV. Kolumny r1–r24 to pomiar przed fizjoterapią, a r1_po–r24_po pomiar po 6 tygodniach (1 = zaznaczone). Braków nie ma, bo w liście pól wyboru brak zaznaczenia oznacza 0.

Odsetek osób zaznaczających poszczególne stwierdzenia wahał się od 12% do 82%. Po terapii rozkład przesuwa się w stronę zera i staje się prawostronnie skośny (rysunek 1). Odsetek wyników minimalnych i maksymalnych warto podać, bo przy wielu zerach skala słabo różnicuje osoby z małą niepełnosprawnością. Więcej o tym mówi hasło efekt sufitu i podłogi.

Wynik ciągły czy grupy?

Suma 0–24 ma 25 możliwych wartości, więc w większości analiz możesz traktować ją jak zmienną ilościową. Pokaż jednak rozkład. Przy wielu zerach i skośności podaj medianę obok średniej, a wynik testu parametrycznego potwierdź testem nieparametrycznym, tak jak w przykładzie niżej. Nie dziel pacjentów na grupy według mediany z własnej próby. Taki podział traci informację, a granica zmienia się z badania na badanie. Jeśli chcesz porównać odsetki osób, które zaznaczyły konkretne stwierdzenie, raportuj je numerem pozycji i ogólnym obszarem, bez przepisywania treści. Pojedyncze stwierdzenia mają niską rzetelność, dlatego wnioski opieraj na sumie, a analizę pozycji traktuj jako uzupełnienie. Pomoże w tym hasło analiza pozycji testu.

Rzetelność: KR-20 zamiast „zwykłej” alfy

Przy pozycjach 0/1 alfa Cronbacha jest równa współczynnikowi KR-20. W przykładzie KR-20 = .91, 95% CI [.89, .93], a omega McDonalda z jednoczynnikowej CFA ω = .91. Omegę podajemy obok, bo alfa zakłada równe ładunki pozycji (McNeish, 2018). Przy pozycjach dychotomicznych strukturę czynnikową lepiej badać na korelacjach tetrachorycznych. Omega z modelu liniowego opisuje tu rzetelność sumy.

Zmiana po terapii

Wynik RMDQ obniżył się średnio o 4.58 punktu (SD = 4.63), 95% CI [−5.26, −3.90]. Test t dla prób zależnych: t(179) = −13.27, p < .001, d_z = −0.99. Rozkład po terapii jest skośny, dlatego sprawdziliśmy wynik testem Wilcoxona (p < .001). SEM policzony z KR-20 wyniósł 1.83, a MDC₉₅ = 5.09 punktu. Spadek większy niż MDC miało 40.0% osób, a wzrost większy niż MDC – nikt (rysunek 2).

SEM z rzetelności wewnętrznej to przybliżenie. Lepszy jest SEM z badania test–retest w podobnej grupie pacjentów. Jedna grupa bez kontroli nie pozwala też przypisać spadku terapii, bo na wynik wpływa też naturalny przebieg dolegliwości. Więcej piszemy o tym w przewodniku po badaniach przed i po.

Jak opisać RMDQ w pracy

Wzór zawiera liczby z przykładu. W nawiasach kwadratowych wpisz dane swojej wersji.

Ogólny schemat opisu narzędzia znajdziesz we wpisie opis narzędzia badawczego – wzór.

Licencja, wersje i tłumaczenia

Tu RMDQ różni się od wielu narzędzi fizjoterapeutycznych. Według oficjalnej strony oryginał i wszystkie tłumaczenia są w domenie publicznej. Można ich używać bez zgody i w dowolnym celu. Strona dodaje, że prof. Roland jest na emeryturze i nie odpowiada już na prośby o zgodę (Roland, b.d.; odczyt 1.11.2026). W pracy wystarczy więc zacytować publikację z 1983 r. i podać źródło formularza.

Strona udostępnia ponad 50 wersji językowych, w tym polską, oraz odmiany angielskie dla USA, Kanady i Australii. Opis procesu tłumaczenia jest w pliku każdej wersji. Autor RMDQ nie odpowiada za jakość tłumaczeń, więc tę jakość oceniasz sam(a). Nowe tłumaczenie można przygotować bez zgody, ale rzetelną procedurą. Etapy takiej pracy opisuje wpis adaptacja kulturowa kwestionariusza. Polskich norm nie podajemy i nie przenoś na swoją wersję właściwości z badań zagranicznych.

# B283 – RMDQ: wynik 0–24, efekt podłogi, rzetelność (KR-20, omega) i zmiana po terapii (dane symulowane, set.seed(28324)).
# 180 osób z bólem krzyża przed fizjoterapią i po 6 tygodniach; 24 stwierdzenia (r1–r24): 1 = zaznaczone, 0 = niezaznaczone.
# Wynik to liczba zaznaczonych stwierdzeń (strona autorów, rmdq.org). Treści stwierdzeń nie podajemy.
suppressPackageStartupMessages({ library(psych); library(lavaan) })
set.seed(28324)
n <- 180
poz <- paste0("r", 1:24)
b <- seq(-1.4, 1.6, length.out = 24)[sample(24)]       # „trudność” stwierdzeń: jedne zaznacza większość, inne nieliczni
a <- runif(24, 1.2, 2.2)                               # siła związku stwierdzenia z niepełnosprawnością
generuj <- function(F) sapply(1:24, function(j) rbinom(n, 1, plogis(a[j] * (F - b[j]))))
F0 <- rnorm(n)
F1 <- 0.65 * F0 + rnorm(n, 0, 0.65) - 0.85             # po terapii: przeciętnie mniejsza niepełnosprawność
przed <- generuj(F0); po <- generuj(F1)
colnames(przed) <- poz; colnames(po) <- poz
dane <- data.frame(id = 1:n, przed, setNames(data.frame(po), paste0(poz, "_po")))
write.csv(dane, "../rmdq-dane-przyklad.csv", row.names = FALSE)   # plik do pobrania

# Krok 1. Kontrola kodowania: tylko 0 i 1, bez braków (niezaznaczone = 0)
all(sapply(dane[, -1], function(x) all(x %in% 0:1)))

# Krok 2. Wynik RMDQ = liczba zaznaczonych stwierdzeń (0–24); mianownik zawsze 24
dane$RMDQ <- rowSums(dane[, poz])
dane$RMDQ_po <- rowSums(dane[, paste0(poz, "_po")])
opis <- function(x) round(c(n = length(x), M = mean(x), SD = sd(x), Me = median(x), min = min(x), max = max(x),
  proc_0 = 100 * mean(x == 0), proc_24 = 100 * mean(x == 24)), 2)
rbind(RMDQ_przed = opis(dane$RMDQ), RMDQ_po = opis(dane$RMDQ_po))

# Krok 3. Odsetek osób zaznaczających każde stwierdzenie przed terapią (zakres)
p_zazn <- colMeans(dane[, poz])
round(range(p_zazn), 2)

# Krok 4. Rzetelność: KR-20 (alfa dla pozycji 0/1) z 95% CI Feldta i omega z jednoczynnikowej CFA (estymator MLR)
a24 <- alpha(dane[, poz], warnings = FALSE)
fit <- cfa(paste("F =~", paste(poz, collapse = " + ")), data = dane[, poz], estimator = "MLR", std.lv = TRUE)
s <- standardizedSolution(fit); l <- s$est.std[s$op == "=~"]; th <- s$est.std[s$op == "~~" & s$lhs == s$rhs & s$lhs %in% poz]
round(c(KR20 = a24$total$raw_alpha, lo = a24$feldt$lower.ci[[1]], hi = a24$feldt$upper.ci[[1]],
        omega = sum(l)^2 / (sum(l)^2 + sum(th))), 3)

# Krok 5. Zmiana po terapii: test t dla prób zależnych, d_z i – przy skośnym rozkładzie – test Wilcoxona
zm <- dane$RMDQ_po - dane$RMDQ
tt <- t.test(dane$RMDQ_po, dane$RMDQ, paired = TRUE)
round(c(M_zmiany = mean(zm), SD_zmiany = sd(zm), lo = tt$conf.int[1], hi = tt$conf.int[2], t = unname(tt$statistic),
        df = unname(tt$parameter), d_z = mean(zm) / sd(zm)), 2)
format.pval(tt$p.value, digits = 3)
format.pval(wilcox.test(dane$RMDQ_po, dane$RMDQ, paired = TRUE, exact = FALSE)$p.value, digits = 3)

# Krok 6. SEM z KR-20 w tej próbie i minimalna wykrywalna zmiana (MDC95); lepiej: SEM z badania test–retest
SEM <- sd(dane$RMDQ) * sqrt(1 - a24$total$raw_alpha); MDC <- 1.96 * sqrt(2) * SEM
round(c(SEM = SEM, MDC95 = MDC, proc_poprawa_ponad_MDC = 100 * mean(zm <= -MDC),
        proc_pogorszenie_ponad_MDC = 100 * mean(zm >= MDC)), 2)

[1] TRUE
             n     M   SD Me min max proc_0 proc_24
RMDQ_przed 180 11.08 6.20 11   0  24   2.78    0.56
RMDQ_po    180  6.50 4.79  5   0  21   4.44    0.00
[1] 0.12 0.82
 KR20    lo    hi omega 
0.912 0.893 0.930 0.912 
 M_zmiany SD_zmiany        lo        hi         t        df       d_z 
    -4.58      4.63     -5.26     -3.90    -13.27    179.00     -0.99 
[1] "<2e-16"
[1] "<2e-16"
                       SEM                      MDC95     proc_poprawa_ponad_MDC 
                      1.83                       5.09                      40.00 
proc_pogorszenie_ponad_MDC 
                      0.00 

Najczęstsze błędy przy RMDQ

• Format „tak/nie” w ankiecie online. Autorzy go nie zalecają, a puste pola trudno potem zinterpretować.
• Zmniejszanie mianownika. „Nie dotyczy” to 0, a wynik zawsze liczysz z 24 stwierdzeń.
• Formularz z aneksu przeglądu z 2000 r. Ma błąd w pozycji 18; poprawna wersja jest na stronie autorów.
• Kategorie i progi bez źródła. Autorzy ich nie podają; każdy próg cytuj z publikacji, w której go wyznaczono.
• „Alfa” bez komentarza. Przy pozycjach 0/1 napisz, że to KR-20, i dodaj omegę.
• Odsetek „poprawy” bez błędu pomiaru. Obok progu z literatury podaj MDC i opisz, skąd pochodzi SEM.

Podobny kwestionariusz dla bólu szyi opisuje wpis o NDI, a dla kończyny dolnej – wpis o LEFS. Pełną ścieżkę analizy porządkuje przewodnik po analizie kwestionariusza. Jeśli chcesz, żeby ktoś sprawdził liczenie RMDQ i analizę zmiany w Twojej bazie, skorzystaj z oferty analizy statystyczne dla studentów. Wyniki musisz jednak rozumieć i umieć obronić samodzielnie.

Najczęstsze pytania

Jak policzyć wynik kwestionariusza Rolanda-Morrisa?

Zlicz zaznaczone stwierdzenia: każde zaznaczone to 1 punkt, niezaznaczone to 0. Wynik mieści się w zakresie 0–24, a wyższy oznacza większą niepełnosprawność. Według strony autorów stwierdzenie oznaczone jako niedotyczące pacjenta liczy się jako niezaznaczone, więc mianownik zawsze wynosi 24.

Czy RMDQ ma kategorie niepełnosprawności, np. łagodna i ciężka?

Oficjalna strona i abstrakt pierwotnej publikacji takich kategorii nie podają. Analizuj wynik ciągły 0–24. Jeśli promotor wymaga podziału na grupy, użyj progów z konkretnej publikacji, zacytuj ją i opisz, na jakiej próbie powstały.

Jaka zmiana wyniku RMDQ jest istotna klinicznie?

Twórcy RMDQ nie podają takiego progu w zweryfikowanych źródłach, a panel z udziałem współautora narzędzia (Deyo i in., 1998) pisał, że potrzeba więcej danych o minimalnej ważnej zmianie. Progi zaproponowali później inni autorzy – cytuj ich publikację. Obok podaj minimalną wykrywalną zmianę z błędu pomiaru.

Czy potrzebuję zgody na użycie RMDQ w pracy magisterskiej?

Nie. Według oficjalnej strony oryginał i wszystkie tłumaczenia są w domenie publicznej i można ich używać bez zgody w dowolnym celu. Prof. Roland nie odpowiada już na prośby o zgodę. Zacytuj publikację z 1983 r. i podaj źródło formularza.

Jak policzyć rzetelność RMDQ, skoro odpowiedzi są 0/1?

Policz alfę Cronbacha – przy pozycjach dychotomicznych jest ona równa KR-20 i tak ją nazwij w pracy. Dodaj omegę McDonalda, bo alfa zakłada równe ładunki pozycji. W przykładzie KR-20 = .91 i ω = .91.

Powiązane hasła

Przeczytaj też

@article{devet2006minimal, author={de Vet, Henrica C. W. and Terwee, Caroline B. and Ostelo, Raymond W. J. G. and Beckerman, Heleen and Knol, Dirk L. and Bouter, Lex M.}, title={{Minimal changes in health status questionnaires: Distinction between minimally detectable change and minimally important change}}, journal={Health and Quality of Life Outcomes}, year={2006}, volume={4}, number={1}, eid={54}, doi={10.1186/1477-7525-4-54}}

@article{deyo1998outcome, author={Deyo, Richard A. and Battie, Michele and Beurskens, A. J. H. M. and Bombardier, Claire and Croft, Peter and Koes, Bart and Malmivaara, Antti and Roland, Martin and Von Korff, Michael and Waddell, Gordon}, title={{Outcome measures for low back pain research: A proposal for standardized use}}, journal={Spine}, year={1998}, volume={23}, number={18}, pages={2003--2013}, doi={10.1097/00007632-199809150-00018}}

@article{mcneish2018thanks, author={McNeish, Daniel}, title={{Thanks coefficient alpha, we’ll take it from here}}, journal={Psychological Methods}, year={2018}, volume={23}, number={3}, pages={412--433}, doi={10.1037/met0000144}}

@misc{rolandrmdqnd, author={Roland, Martin}, title={{Roland Morris Disability Questionnaire}}, publisher={Roland Morris Disability Questionnaire (oficjalna strona; University of Manchester)}, url={https://www.rmdq.org/}}

@article{roland2000roland, author={Roland, Martin and Fairbank, Jeremy}, title={{The Roland–Morris Disability Questionnaire and the Oswestry Disability Questionnaire}}, journal={Spine}, year={2000}, volume={25}, number={24}, pages={3115--3124}, doi={10.1097/00007632-200012150-00006}}

@article{roland1983study, author={Roland, Martin and Morris, Richard}, title={{A study of the natural history of back pain: Part I. Development of a reliable and sensitive measure of disability in low-back pain}}, journal={Spine}, year={1983}, volume={8}, number={2}, pages={141--144}, doi={10.1097/00007632-198303000-00004}}