Calcolatrice gratuita Editverse
Calcolatore ICC (Coefficiente di Correlazione Intraclasse)
Quantifica l'affidabilità delle misurazioni continue tra valutatori o delle misurazioni ripetute con il coefficiente di correlazione intraclasse a effetti casuali unidirezionali, ICC(1,1) nella notazione di Shrout e Fleiss, e un comando R che lo riproduce. Una guida completa all'interpretazione segue di seguito. Validato rispetto a R 4.3.3.
In parole semplici
Il coefficiente di correlazione intraclasse (ICC) misura quanta parte della variabilità nelle misurazioni continue è dovuta a differenze reali tra i soggetti piuttosto che a incoerenze tra valutatori o occasioni. Un ICC elevato indica che i valutatori o le misurazioni ripetute concordano strettamente; un ICC basso indica che gran parte della variabilità è dovuta al rumore di misurazione.
A differenza di una semplice correlazione tra due valutatori, l'ICC gestisce un numero qualsiasi di valutatori e li tratta all'interno di un unico modello. È fondamentale notare che esistono diverse forme – che si differenziano per il fatto che i valutatori siano fissi o casuali e che si consideri la concordanza assoluta o solo la coerenza – e che non sono intercambiabili, quindi è necessario specificare la forma utilizzata.
Quando utilizzare l'ICC
Utilizza l'ICC per dati continui quando desideri affidabilità tra valutatori (inter-rater), tra misurazioni ripetute (test-retest) o all'interno di un singolo valutatore (intra-rater). È l'equivalente per dati continui del kappa di Cohen , che è utilizzato per le categorie.
Indica sempre quale forma di ICC hai utilizzato: la scelta tra modelli a una via e a due vie, valutatori casuali o fissi, e accordo assoluto o coerenza, modifica il valore e il suo significato. Riporta l'ICC con il relativo intervallo di confidenza , poiché le stime di affidabilità basate su campioni di piccole dimensioni sono imprecise. Non sai quale misura di affidabilità sia più adatta al tuo progetto? Il nostro strumento di selezione dei test può aiutarti.
Formato previsto: Valutatori (uno per riga): NomeValutatore: v1, v2 …
Trascina qui un file CSV oppure fai clic per scegliere. Analisi effettuata nel browser: nessun file verrà caricato.
Formato previsto: Valutatori (uno per riga): NomeValutatore: v1, v2 …
library(irr) ratings <- {icc_ratings} # righe = soggetti, colonne = valutatori icc(ratings, model = "oneway", unit = "single")Guida utente
Quando utilizzarlo. Quantificare l'affidabilità delle misurazioni continue tra più valutatori.
Presupposti. Valutazioni continue; gruppo di valutatori coerente per tutti i soggetti.
Errori comuni. Specificare la forma ICC (1,1 / 2,1 / 3,1): non sono intercambiabili.
Esempio pratico
Fai clic su "Carica dati di esempio" qui sopra, quindi su "Esegui analisi" per visualizzare un risultato completo con grafico, formula e interpretazione per questo test.
Referenze
- Shrout PE, Fleiss JL. Correlazioni intraclasse. Psychol Bull. 1979;86:420-428.
Esempi lavorati
Esempio 1: Due valutatori che assegnano un punteggio agli stessi soggetti
Due valutatori assegnano un punteggio a cinque soggetti su una scala continua con valori molto simili (l'esempio predefinito). Il calcolatore restituisce un ICC(1,1) = 0.93, un'affidabilità eccellente, il che significa che quasi tutta la variazione riflette vere differenze tra i soggetti piuttosto che disaccordo tra i valutatori. Anche l'ICC(2,1) a due vie con accordo assoluto sugli stessi dati è pari a 0.93.
Esempio 2: perché la forma è importante
A parità di dati, un ICC di coerenza (che ignora le differenze sistematiche tra i valutatori) può risultare più elevato di un ICC di concordanza assoluta (che penalizza il valutatore che ottiene un punteggio uniformemente più alto). Riportare il valore senza il modulo impedisce ai lettori di sapere a quale domanda hai risposto.
Presupposti da verificare
Misurazioni continue. L'ICC è per dati a intervalli o di rapporto. Per la concordanza categoriale, utilizzare invece il kappa di Cohen.
Una struttura di valutazione coerente. Gli stessi valutatori (o lo stesso numero di valutatori) devono valutare ogni soggetto, in base al modello scelto: a una via, a due vie casuale o a due vie misto.
Il modulo scelto corrisponde alla domanda. Decidete in anticipo se avete bisogno di un accordo assoluto o di coerenza, e se i valutatori provengono da un campione casuale o sono gli unici valutatori di interesse. Un modulo errato fornisce un numero tecnicamente valido ma fuorviante.
Errori comuni
Segnalazione di un ICC senza il suo modulo
Esistono dieci varianti dell'ICC. Un semplice "ICC = 0.85" non è interpretabile; è sempre necessario specificare il modello, il tipo e la definizione (ad esempio, randomizzato a due vie, accordo assoluto).
Confondere la coerenza con l'accordo assoluto
La coerenza ignora le differenze sistematiche tra i valutatori; l'accordo assoluto no. Scegliere il criterio sbagliato può nascondere un valutatore che è sistematicamente incline a dare valutazioni superiori o inferiori a quelle reali.
Ignorando l'intervallo di confidenza
Con un numero limitato di soggetti o valutatori, la stima puntuale dell'ICC risulta instabile. È opportuno riportare l'intervallo di confidenza, in modo che i lettori possano valutare la reale precisione della stima di affidabilità.
Utilizzo di una singola correlazione per più di due valutatori
La correlazione di Pearson gestisce solo due valutatori e ignora le differenze sistematiche. L'ICC è la misura corretta per valutatori multipli o misurazioni ripetute.
Domande frequenti
Qual è un buon valore ICC?
Una guida comune classifica i valori inferiori a 0.50 come scarsi, tra 0.50 e 0.75 come moderati, tra 0.75 e 0.90 come buoni e superiori a 0.90 come eccellenti, ma il livello adeguato dipende da come verrà utilizzato il parametro di misurazione.
In che cosa si differenzia l'ICC dal coefficiente di correlazione di Pearson (r)?
Il coefficiente di correlazione di Pearson (r) misura solo due valutatori e ignora le discrepanze sistematiche tra di loro; il coefficiente di correlazione intraclasse (ICC) gestisce un numero qualsiasi di valutatori e può penalizzare le discordanze sistematiche.
Quale modulo ICC devo scegliere?
Decidete se i valutatori costituiscono un campione casuale o fisso e se è necessario un accordo assoluto o una coerenza; queste due scelte determinano il modulo da compilare e riportare.
Il risultato corrisponde a quello ottenuto con R e SPSS?
Sì, per il modello unidirezionale. Il valore è uguale a irr::icc(ratings, model = "oneway", unit = "single") in R e all'ICC unidirezionale casuale a misura singola in SPSS. Le forme a due vie e a misure medie, e l'intervallo di confidenza, non vengono calcolati qui; con più valutatori e differenze sistematiche tra i valutatori, le forme a due vie possono differire notevolmente, quindi calcolatele in R se il vostro disegno sperimentale lo richiede.
Calcolatori correlati
Referenze
- Koo TK, Li MY. Linee guida per la selezione e la presentazione dei coefficienti di correlazione intraclasse nella ricerca sull'affidabilità. J Chiropr Med. 2016;15(2):155–163. PMID27330520.
- Shrout PE, Fleiss JL. Correlazioni intraclasse: usi nella valutazione dell'affidabilità dei valutatori. Psychol Bull. 1979;86(2):420–428.
- McGraw KO, Wong SP. Formulazione di inferenze su alcuni coefficienti di correlazione intraclasse. Metodi Psychol. 1996;1(1):30–46.
Hai bisogno di questa analisi per il tuo manoscritto?
I nostri biostatistici con dottorato di ricerca calcolano la forma corretta dell'ICC con intervalli di confidenza e forniscono tabelle di affidabilità pronte per la pubblicazione con output R riproducibile.