Más contenido relacionado La actualidad más candente (20) まとめ.pdf3. はじめに ②
■ SCEDを用いた研究の共通特徴
① 1人の対象者または小規模な集団を前方視的に追跡
② 追跡期間中に、アウトカムの測定を反復的に、
高頻度に実施
③ 追跡期間中に、特定の介入を導入する時期(介入期)
としない時期(ベースライン期)を設定
https://www.jstage.jst.go.jp/article/jjbct/advpub/0/advpub_21-024/_article/-char/ja/
8. はじめに ③
■ SCEDによって測定されたアウトカムを
ベースライン期と介入期で比較することで
介入の効果の検証が可能
■ 従来のSCEDの研究では,介入の有効性を
視覚分析で評価
→ しかし,視覚分析は信頼性の点で不十分
https://www.amazon.co.jp/R%E3%81%A7%E3%81%AF%E3%81%98%E3%82%81%E3%82%8B%E3%82%B7%E3%83%B3%E3%82%B0%E3%83%AB%E3%82%B1%E3%83%BC%E3%82%B9%E3%83%87%E3%82%B6%E3%82%A4%E3%83%B3-%E8%97%A4%E5%B7%BB-%E5%B3%BB/dp/4907438397
12. 視覚分析
■ 視覚分析を実施する際のデータの特徴
〇 レベル(level)
〇トレンド(trend)
〇 変動性(variability)
〇 重複度(overlap)
〇 効果の即時性(immediacy of effect)
〇 類似フェーズ間のデータパターンの一貫性
(consistency of data patterns across similar phases)
https://www.jstage.jst.go.jp/article/jjbct/advpub/0/advpub_21-024/_article/-char/ja/
16. 〇 重複度(overlap)
■ ベースライン期のデータと介入期のデータが
重複する割合。
(e.g., percentage of nonoverlapping data: PND)
44
38
45
42
43
41
20
25
30
35
40
45
50
1 2 3 4 5 6
不
安
35
43
35
39
37
26
32 32
22
7 8 9 10 11 12 13 14 15
PND = 7/9 = 78%
Ruiz らで報告されているSubject 7 について公開されているローデータを使用(https://osf.io/v48r6/)
17. 〇 効果の即時性(immediacy of effect)
■ ベースライン期の最後の3時点のデータと
介入期の最初の3時点のデータの
レベル(平均)の差。
Rではじめるシングルケースデザインのローデータとスクリプトを用いて出力した。
21. 視覚的判断に代わる介入効果の評価方法
■ 統計的検定(効果の有無)
e.g., ランダマイゼーション検定・・・・・・×?
■ 個人内効果量(効果の大きさ)
重複率系(e.g., PND / Tau-U)・・・・・・〇?
平均系(e.g., SMD / LRR)
回帰系 ※詳細不明により割愛
■ 個人間効果量(効果の大きさ+統計的検定?)
e.g., BC-SMD
https://www.amazon.co.jp/R%E3%81%A7%E3%81%AF%E3%81%98%E3%82%81%E3%82%8B%E3%82%B7%E3%83%B3%E3%82%B0%E3%83%AB%E3%82%B1%E3%83%BC%E3%82%B9%E3%83%87%E3%82%B6%E3%82%A4%E3%83%B3-%E8%97%A4%E5%B7%BB-%E5%B3%BB/dp/4907438397
22. 個人内効果の評価:重複率系(PND)
■ Percentage of Non-overlapping Data(PND)
介入条件のデータの内,ベースライン条件のデータの最小値を
下回る(従属変数の値の上昇を目指した介入であれば
データの最大を上回る)データの割合
44
38
45
42
43
41
20
25
30
35
40
45
50
1 2 3 4 5 6
不
安
35
43
35
39
37
26
32 32
22
7 8 9 10 11 12 13 14 15
最小値(38)を下回るデータ数:7
介入条件の総データ数:9
PND = 7÷9 = 78%
ベースライン条件 介入条件
36. 個人内効果の評価:重複率系(NAP)
■ Non-overlap of All Pairs(NAP)
■ ベースライン期と介入期の全てのペアを
用いて効果量を算出。
■ 一方のフェーズから他のフェーズについて
改善の見られたデータの割合に注目。
https://www.amazon.co.jp/R%E3%81%A7%E3%81%AF%E3%81%98%E3%82%81%E3%82%8B%E3%82%B7%E3%83%B3%E3%82%B0%E3%83%AB%E3%82%B1%E3%83%BC%E3%82%B9%E3%83%87%E3%82%B6%E3%82%A4%E3%83%B3-%E8%97%A4%E5%B7%BB-%E5%B3%BB/dp/4907438397
37. 個人内効果の評価:重複率系(NAP)
【算出方法】
44
38
45
42
43
41
20
25
30
35
40
45
50
1 2 3 4 5 6
不
安
35
43
35
39
37
26
32 32
22
7 8 9 10 11 12 13 14 15
posi
posi
posi
posi posi posi
posi
posi
posi
https://www.amazon.co.jp/R%E3%81%A7%E3%81%AF%E3%81%98%E3%82%81%E3%82%8B%E3%82%B7%E3%83%B3%E3%82%B0%E3%83%AB%E3%82%B1%E3%83%BC%E3%82%B9%E3%83%87%E3%82%B6%E3%82%A4%E3%83%B3-%E8%97%A4%E5%B7%BB-%E5%B3%BB/dp/4907438397
38. 個人内効果の評価:重複率系(NAP)
【算出方法】
44
38
45
42
43
41
20
25
30
35
40
45
50
1 2 3 4 5 6
不
安
35
43
35
39
37
26
32 32
22
7 8 9 10 11 12 13 14 15
posi
posi
posi
posi
posi
posi
posi
nega
nega
https://www.amazon.co.jp/R%E3%81%A7%E3%81%AF%E3%81%98%E3%82%81%E3%82%8B%E3%82%B7%E3%83%B3%E3%82%B0%E3%83%AB%E3%82%B1%E3%83%BC%E3%82%B9%E3%83%87%E3%82%B6%E3%82%A4%E3%83%B3-%E8%97%A4%E5%B7%BB-%E5%B3%BB/dp/4907438397
40. 個人内効果の評価:重複率系(NAP)
■ 望ましい変化がみられたペア(Posi)は+1
変化がみられなかったペア(Tie)は0.5
望ましくない変化がみられたペア(Nega)は0
として各ペアに点数を与える。
介入1 介入2 介入3 介入4 介入5 介入6 介入7 介入8 介入9
7 8 9 10 11 12 13 14 15
不安 35 43 35 39 37 26 32 32 22
ベース1 1 44 1 1 1 1 1 1 1 1 1
ベース2 2 38 1 0 1 0 1 1 1 1 1
ベース3 3 45 1 1 1 1 1 1 1 1 1
ベース4 4 42 1 0 1 1 1 1 1 1 1
ベース5 5 43 1 0.5 1 1 1 1 1 1 1
ベース6 6 41 1 0 1 1 1 1 1 1 1
https://www.amazon.co.jp/R%E3%81%A7%E3%81%AF%E3%81%98%E3%82%81%E3%82%8B%E3%82%B7%E3%83%B3%E3%82%B0%E3%83%AB%E3%82%B1%E3%83%BC%E3%82%B9%E3%83%87%E3%82%B6%E3%82%A4%E3%83%B3-%E8%97%A4%E5%B7%BB-%E5%B3%BB/dp/4907438397
41. 個人内効果の評価:重複率系(NAP)
NAP = 点数の総和 ÷ ペアの総数
49.5 ÷ 54
92%
https://www.amazon.co.jp/R%E3%81%A7%E3%81%AF%E3%81%98%E3%82%81%E3%82%8B%E3%82%B7%E3%83%B3%E3%82%B0%E3%83%AB%E3%82%B1%E3%83%BC%E3%82%B9%E3%83%87%E3%82%B6%E3%82%A4%E3%83%B3-%E8%97%A4%E5%B7%BB-%E5%B3%BB/dp/4907438397
51. 個人間効果の評価:平均系(BC-SMD)
■ Between-Case Standardized Mean Difference
(BC-SMD)
特徴①:群比較研究で計算される標準化平均値差と比較可能
特徴②:被検者間マルチベースラインデザインと
ABABデザインのデータについて算出可能
特徴③:効果量の算出のため,少なくとも3人の被験者が必要。
https://www.jstage.jst.go.jp/article/jsbse/25/0/25_35/_article/-char/ja