|
| Συλλογές |
|
| Τίτλος |
Factor analysis for daily diary PRO data: data handling decisions and their implications
|
| Εναλλακτικός τίτλος |
Παραγοντική ανάλυση δεδομένων που συλλέγονται καθημερινά και αναφέρονται από τους ασθενείς: στρατηγικές χειρισμού δεδομένων και επιπτώσεις
|
| Δημιουργός |
Ντούμι, Γεράσιμος, Dumi, Gerasimos
|
| Συντελεστής |
Papastamoulis, Panagiotis
Ntzoufras, Ioannis
Athens University of Economics and Business, Department of Statistics
Karlis, Dimitrios
|
| Τύπος |
Text
|
| Φυσική περιγραφή |
208p.
|
| Γλώσσα |
en
|
| Αναγνωριστικό |
http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=10892
|
| Περίληψη |
Daily diaries are an important modality for patient-reported outcome assessment. They typically comprise multiple questions, so understanding their underlying structure is key to appropriate analysis and interpretation. However, considering the high volume of repeated measurements, structural evaluation of such measures can pose challenges. Potential strategies include: (i) selecting a single day, (ii) averaging item-level observations over time, or (iii) using all data while accounting for its multilevel structure.Using simulated diary datasets generated via a graded response model approach comprising correlated scores that emulate a 1 week period of data collection, the current study assessed the above strategies employing exploratory and confirmatory factor modelling. The assessment was primarily focused on the evaluation of the impact of each approach on different estimates including inter-item correlations, factor loading patterns, model fit (i.e., root mean square error of approximation, comparative fit index, Tucker Lewis index and standardized root mean residual) and the estimated the number of factors (i.e., Kaiser criterion, empirical Kaiser criterion and parallel analysis). Both single day and item-average approaches resulted in biased factor loadings. The former displayed lower overall absolute average bias and overall mean square error, but greater frequency of incorrect factor count identification compared with the latter when using Kaiser criterion. The difference in the magnitude of bias and the mean square error between the single selected day and weekly item average approaches was higher in scenario 1 where the true parameter loadings were moderate (i.e., range: 0.62-0.70) compared to when they were high (i.e., range: 0.69-0.86). Increased inter-item correlations, relative to the simulated true values, were apparent in the item-average method. The root mean square error of approximation and Tucker Lewis index produced the most conservative results compared to the other goodness of fit measures. The standardized root mean residual almost invariably produced a good fit across all approaches under evaluation, even in the case of the item-average approach, where the estimated correlation matrix was divergent from the true correlation matrix under the hypothesized model.The presence of non-trivial between- and within-individual variance highlighted the utility of a multilevel approach in examining the measurement properties of the diary instrument, such as dimensional and cross-level invariance. However, results also highlighted that convergence and Heywood cases can be more common with the multilevel approach, amongst low sample sizes typically encountered in clinical applications of such diary measures.The findings established in this study suggest that a multilevel approach can enhance the validity and utility of insight when evaluating the structural properties of daily diary data. However, there are still limitations under small sample size conditions. This multi-faceted investigation offers guidance on the impact of data handling decisions in diary assessment.
Τα καθημερινά ημερολογιακά δεδομένα είναι μια σημαντική μέθοδος συλλογής δεδομένων για την αξιολόγηση της έκβασης του ασθενούς που αναφέρεται από τον ίδιο τον ασθενή. Συνήθως περιλαμβάνουν πολλαπλές ερωτήσεις, επομένως η κατανόηση της υποκείμενης δομής τους είναι το κλειδί για την κατάλληλη ανάλυση και ερμηνεία. Ωστόσο, λαμβάνοντας υπόψη τον μεγάλο όγκο επαναλαμβανόμενων μετρήσεων, η δομική αξιολόγηση τέτοιων δεδομένων μπορεί να δημιουργήσει προκλήσεις. Οι πιθανές στρατηγικές περιλαμβάνουν: (i) την επιλογή μιας μεμονωμένης ημέρας, (ii) τη λήψη του μέσου όρου των παρατηρήσεων στον χρόνο για το κάθε ατομο ή (iii) τη χρήση όλων των δεδομένων, λαμβάνοντας υπόψη την πολυεπίπεδη δομή τους.Χρησιμοποιώντας προσομοιωμένα ημερολογιακά δεδομένα μέσω ενός μοντέλου διαβαθμισμένης απόκρισης με συσχετισμένες λανθάνουσες μετρήσεις σε περίοδο 1 εβδομάδας, η παρούσα μελέτη αξιολόγησε τις παραπάνω στρατηγικές χρησιμοποιώντας διερευνητική και επιβεβαιωτική παραγοντική ανάλυση, αξιολογώντας το αντίκτυπο κάθε προσέγγισης σε διάφορες εκτιμήσεις, συμπεριλαμβανομένων των συσχετίσεων μεταξύ μετρήσεων, τα μοτίβα με βαση τις επιβαρύνσεις των παραγόντων, την προσαρμογή μοντέλου (δηλαδή, μέση τετραγωνική ρίζα σφάλματος προσέγγισης, συγκριτικός δείκτης προσαρμογής, Toύκερ Λούις δείκτης and τυποποιημένη ριζα των αναμενόμενων καταλοίπων) και τον προσδιορισμό του αριθμού παραγόντων (δηλαδή, κριτήριο Kaiser, εμπειρικό κριτήριο Kaiser και παράλληλη ανάλυση).Τόσο οι προσεγγίσεις μίας ημέρας όσο και οι προσεγγίσεις του μέσου όρου στοιχείων οδήγησαν σε μεροληπτικές επιβαρύνσεις των παραγόντων. Το πρώτο εμφάνισε χαμηλότερη συνολική απόλυτη μέση μεροληψία και συνολικό μέσο τετραγωνικό σφάλμα, αλλά μεγαλύτερη συχνότητα αναγνώρισης εσφαλμένου αριθμού παραγόντων σε σύγκριση με το δεύτερο όταν χρησιμοποιήθηκε το κριτήριο Kaiser. Το μέγεθος της μεροληψίας και το μέσο τετραγωνικό σφάλμα ήταν υψηλότερο για την προσέγγιση του μέσου όρου εβδομαδιαίων στοιχείων όταν η πραγματική επιβάρυνση ήταν μέτριου μεγέθους (δηλαδή, εύρος: 0.62-0.70) σε σύγκριση με όταν ήταν υψηλού μεγέθους (δηλαδή, εύρος: 0.69-0.86). Αυξημένες συσχετίσεις μεταξύ στοιχείων, σε σχέση με τις προσομοιωμένες πραγματικές τιμές, ήταν εμφανείς στη μέθοδο του μέσου όρου στοιχείων. Η μέση τετραγωνική ρίζα σφάλματος προσέγγισης και o δείκτης Τούκερ Λούις παρήγαγαν τα πιο συντηρητικά αποτελέσματα σε σύγκριση με τα άλλα μέτρα καλής προσαρμογής. H τυποποιημένη ριζα των αναμενόμενων καταλοίπων σχεδόν πάντα παρήγαγε καλή προσαρμογή σε όλες τις υπό αξιολόγηση προσεγγίσεις, ακόμη και στην περίπτωση της προσέγγισης του μέσου όρου των στοιχείων όπου ο εκτιμώμενος πίνακας συσχέτισης ήταν αποκλίνων από τον πραγματικό πίνακα συσχέτισης κάτω από μοντέλο προσομοίωσης.Η παρουσία σημαντικού ποσοστού διακύμανσης μεταξύ των ατόμων και εντός του ατόμου υπογράμμισε τη χρησιμότητα μιας πολυεπίπεδης προσέγγισης στην εξέταση των ιδιοτήτων μέτρησης του ημερολογιακού οργάνου. Ωστόσο, τα αποτελέσματα τόνισαν επίσης ότι η σύγκλιση και οι περιπτώσεις Χέιγουντ μπορεί να είναι πιο κοινές με την πολυεπίπεδη προσέγγιση, μεταξύ των μεγεθών δειγμάτων που συνήθως χρησιμοποιούνται σε κλινικές εφαρμογές τέτοιων ημερολογιακών μετρήσεων.Τα ευρήματά αυτα υποδηλώνουν ότι μια πολυεπίπεδη προσέγγιση μπορεί να ενισχύσει την εγκυρότητα και τη χρησιμότητα των πληροφοριών που αφορούν την αξιολόγηση των δομικών ιδιοτήτων των ημερολογιακών δεδομένων. Ωστόσο, εξακολουθούν να υπάρχουν προκλήσεις κατά την εφαρμογή τους. Αυτή η πολύπλευρη έρευνα προσφέρει καθοδήγηση σχετικά με τον αντίκτυπο των αποφάσεων διαχείρισης δεδομένων στην αξιολόγηση ημερολογιακών δεδομένων.
|
| Λέξη κλειδί |
Καθημερινά δεδομένα
Παραγοντική ανάλυση
Πολυεπίπεδη μοντελοποίηση
Ασθενείς
Factor analysis
Daily data
Multilevel modelling
Patients
|
| Διαθέσιμο από |
2023-12-04 23:24:54
|
| Ημερομηνία έκδοσης |
04-12-2023
|
| Ημερομηνία κατάθεσης |
2023-12-04 23:24:54
|
| Δικαιώματα χρήσης |
Free access
|
| Άδεια χρήσης |
https://creativecommons.org/licenses/by/4.0/
|