Pubblicato il
Oltre 6,500 professionisti hanno consultato un recente articolo sulla teoria della risposta all'item (IRT). L'articolo illustra come l'IRT stia acquisendo sempre maggiore importanza nella creazione e nella verifica delle misure di esito riferite dai pazienti (PRO). Questo cambiamento evidenzia la crescente necessità di dati di alta qualità provenienti dai test PRO per supportare un'assistenza centrata sul paziente.
In precedenza, la creazione e il controllo di queste misure venivano effettuati principalmente con la teoria dei test classici. Ma l'IRT è un nuovo modo di misurare le cose che può risolvere problemi difficili nella ricerca sanitaria. Questo documento spiega le basi dell'IRT, i modelli utilizzati e cosa presuppongono.
Uno studio condotto su 636 adulti americani di origine coreana e vietnamita mostra come funziona la teoria della risposta agli item (IRT). Sono stati utilizzati l' High Blood Pressure Health Literacy Scale e il Patient Health Questionnaire-9 . Questo esempio dimostra come l'IRT possa rendere le misurazioni degli esiti riferiti dai pazienti (PRO) migliori, più accurate ed efficienti.
Punti chiave
- Teoria della risposta agli item (IRT) offre vantaggi rispetto alla teoria dei test classici per lo sviluppo e la valutazione delle misure degli esiti riferiti dal paziente (PRO).
- Modelli IRT può essere utilizzato per valutare le prestazioni degli elementi, identificare elementi con prestazioni scarse e buone e sviluppare forme abbreviate mirate.
- L'IRT facilita i test per funzionamento differenziale dell'oggetto (DIF) tra sottogruppi demografici o clinici, assicurando la equità e l'accuratezza delle misure PRO.
- I punteggi derivati dall'IRT sono più sensibili nei test trasversali rispetto ai metodi classici, fornendo una maggiore precisione di misura.
- L'applicazione dei principi IRT può aumentare la qualità e l'efficienza della misurazione PRO nella ricerca e nella pratica sanitaria.
Introduzione alla teoria della risposta agli oggetti
La teoria della risposta all'item (IRT) è un metodo statistico fondamentale. Collega l'"abilità" o il "tratto" di un individuo al modo in cui risponde alle domande di un test. Questo collegamento è rappresentato dalla curva caratteristica dell'item (ICC). L'ICC è una curva che mostra la probabilità di rispondere correttamente a un item all'aumentare del livello del tratto in questione.
Cos'è la teoria della risposta all'oggetto?
L'IRT usa la matematica per dare uno sguardo più approfondito alla misurazione dei tratti rispetto alla vecchia teoria dei test (CTT). A differenza della CTT, l'IRT esamina la possibilità di rispondere correttamente a ogni domanda. Ciò lo rende più preciso nel mostrare dove si colloca una persona su un tratto.
Vantaggi dell'IRT rispetto alla teoria dei test classici
- L'IRT mostra in che modo ogni domanda è correlata alla caratteristica misurata, fornendo maggiori dettagli sulla precisione della misura.
- IRT assicura parametri dell'articolo rimangono invariati nei diversi gruppi, rendendo il test più equo.
- L'IRT è in grado di individuare quando gli elementi funzionano in modo diverso per determinati gruppi, contribuendo a rendere i test più equi.
- L'IRT fa test adattativi computerizzati (CAT) possibile, che mette alla prova le caratteristiche di una persona con meno domande.
Utilizzando i vantaggi dell'IRT, ricercatori e dottori possono migliorare le misure dei risultati riferiti dai pazienti (PRO). Queste misure forniscono una visione più chiara e accurata della salute e della felicità delle persone.
Concetti fondamentali in IRT
Per comprendere la Teoria della Risposta all'Item (IRT) negli esiti riferiti dai pazienti (PRO), è necessario conoscerne i principi fondamentali. I concetti chiave includono la curva caratteristica dell'item (ICC) e le curve di risposta categoriale (CRC).
Curva caratteristica dell'articolo (ICC)
L'ICC mostra come una caratteristica individuale influenzi la probabilità di rispondere correttamente a una domanda. Ci fornisce informazioni sul parametro di posizione (b) e sul parametro di discriminazione (a) di un elemento . La posizione indica dove è più probabile che l'elemento venga risposto correttamente da qualcuno che si trova al centro della scala della caratteristica. La discriminazione mostra quanto bene l'elemento sia in grado di distinguere persone con diversi livelli di caratteristica.
Curve di risposta categoriale (CRC)
Per gli item con più di due risposte, come le scale Likert, le curve di risposta categoriale (CRC) mostrano la probabilità di scegliere ciascuna risposta. Queste curve ci aiutano a capire quanto sia efficace un item. Sono fondamentali per la creazione e il miglioramento delle misure PRO (Patient-Reported Outcomes).
Comprendere ICC e CRC ci aiuta a vedere come funziona ogni elemento in un PRO. Questo ci consente di essere certi che il PRO misuri davvero ciò che vogliamo sapere.
"L'ICC e i CRC forniscono una comprensione dettagliata delle prestazioni degli elementi, il che è fondamentale per sviluppare e perfezionare misure di esito riferite dal paziente che riflettano accuratamente la prospettiva del paziente".
L'utilizzo delle basi IRT nell'analisi PRO rende le valutazioni più forti e affidabili. Ciò supporta l'assistenza sanitaria incentrata sul paziente.
Scopri di più sulle applicazioni dei metodi statistici nelle informazioni riportate dai pazienti.
Modelli IRT comunemente utilizzati
La Teoria della Risposta all'Item (IRT) è un insieme di potenti modelli per l'analisi dei dati di valutazione. Misura tratti che non sono direttamente osservabili. I modelli IRT più diffusi sono il modello di Rasch , il modello a risposta graduata e il modello a credito parziale . Tutti e tre presuppongono unidimensionalità e indipendenza locale.
Assunzioni di unidimensionalità e indipendenza locale
L' assunto di unidimensionalità significa che gli elementi di una scala misurano un solo tratto. Questo garantisce che la scala valuti un'unica ipotesi. L' assunto di indipendenza locale afferma che la risposta a un elemento non dipende dalle risposte ad altri elementi, a meno che non misurino tutti lo stesso tratto.
È fondamentale verificare queste ipotesi per assicurarsi che i risultati IRT siano corretti. Se queste ipotesi non vengono rispettate, i risultati potrebbero essere sbagliati. Testare queste ipotesi è una parte fondamentale dell'utilizzo di IRT.
| Modello IRT | Descrizione |
|---|---|
| Modello Rasch | Un modello IRT a un parametro che presuppone che tutti gli elementi abbiano la stessa discriminazione ma diversi livelli di difficoltà. |
| Modello di risposta graduata | Un modello IRT a due parametri che consente di variare discriminazione di oggetti e parametri di difficoltà, adatti ai formati di risposta politomica ordinata. |
| Modello di credito parziale | Un'estensione del Modello Rasch per formati di risposta politomica ordinata, in cui ogni categoria di risposta ha un parametro di difficoltà univoco. |
Conoscere questi modelli IRT e i relativi presupposti è fondamentale. Aiuta a comprendere i risultati dei test e a prendere decisioni oculate in ambito educativo, psicologico e sanitario.
Applicazioni della teoria della risposta agli elementi
La Teoria della Risposta all'Item (IRT) offre numerosi vantaggi per la creazione e il miglioramento delle misure di esito riferite dai pazienti (PRO). Aiuta a creare una banca di item , ovvero un ampio database di item e dei relativi dettagli. Successivamente, utilizza l'assemblaggio automatizzato dei test , che consiste nella selezione degli item più adatti per i test che meglio si adattano all'obiettivo.
Sviluppo misure PRO
L'IRT è fondamentale per iniziare a fare misure PRO. Esamina i tratti degli item e come si relazionano al tratto misurato. Questo aiuta a scegliere i migliori item per la misura. In questo modo, la scala è precisa a tutti i livelli del tratto.
PRO Misura Affinamento
Per le misure PRO già realizzate, IRT può anche essere utilizzato per migliorarle. Controlla gli elementi e trova quelli migliori. Ciò significa eliminare gli elementi che non funzionano bene e mantenere quelli che forniscono più informazioni.
| Domanda IRT | Benefici |
|---|---|
| Banca degli articoli coerenti | Fornisce un database completo di elementi ben sviluppati per assemblaggio di test automatizzato |
| Sviluppo misure PRO | Identifica gli elementi più informativi e discriminanti da includere nella misura finale |
| PRO Misura Affinamento | Individua gli elementi più informativi e ottimizza la precisione complessiva della scala |
Utilizzando i punti di forza dell'IRT, ricercatori e clinici possono creare e migliorare le misure PRO. Ciò porta a valutazioni migliori, affidabili e valide dei risultati dei pazienti. Ciò aiuta a rendere le decisioni sanitarie più significative e impattanti.
Valutazione dell'equivalenza metrica con IRT
La Teoria della Risposta all'Item (IRT) ha un grande vantaggio: l'invarianza degli item . Ciò significa che gli stessi item funzionano allo stesso modo in gruppi diversi. Aiuta a verificare se una misura di esito riferita dal paziente (PRO) funziona allo stesso modo in vari gruppi. Questo è fondamentale per garantire che i punteggi mostrino differenze reali nella caratteristica misurata, e non solo differenze nel modo in cui viene misurata.
Controllare se le cose sono le stesse con IRT significa osservare come gli elementi agiscono in modo diverso nei gruppi. Strumenti come la differenza media senza segno (AUD) e l'indice DIF non compensativo (NCDIF) individuano queste differenze. Poi, ci sono misure di impatto che esaminano come queste differenze influenzano i punteggi per tutti e in totale.
Esistono strumenti speciali come Differential Functioning of Items and Tests (DFIT), Item Response Theory for Patient Reported Outcomes (IRTPRO) e logistic ordinal regression lordif. Questi strumenti aiutano a capire come DIF modifica i punteggi e ad assicurare che le misurazioni siano eque in tutti i gruppi.
| Misure di valutazione dell'equivalenza metrica | Descrizione |
|---|---|
| Misure di magnitudo |
|
| Misure di impatto |
|
L'invarianza degli item e l'invarianza di misurazione della teoria della risposta agli item (IRT) ci aiutano a verificare se le misure PRO sono le stesse in gruppi diversi. In questo modo, è possibile essere certi che eventuali differenze di punteggio riflettano differenze reali nei tratti di personalità, e non solo problemi di misurazione. Ciò contribuisce a garantire che i confronti siano equi e significativi.
"Garantire l'equivalenza delle metriche è fondamentale per trarre conclusioni valide dai dati sugli esiti riferiti dai pazienti in diverse popolazioni."
Funzionamento differenziale degli elementi (DIF)
Creare test equi e imparziali è fondamentale. L'analisi del funzionamento differenziale degli item (DIF) aiuta a individuare gli item che non funzionano allo stesso modo per tutti. Questo accade anche quando le competenze di tutti i partecipanti sono simili.
Nella creazione di test per il feedback dei pazienti, DIF è molto importante. L'obiettivo è assicurarsi che i test funzionino allo stesso modo per tutti i tipi di persone. Trovando DIF, possiamo adattare i test in modo che siano equi per tutti, indipendentemente da età, sesso o razza.
Rilevamento e risoluzione dei problemi DIF
Esistono diversi modi per individuare il DIF (Differential Item Functioning), come la regressione logistica , la standardizzazione , l' approccio di Mantel-Haenszel e la teoria della risposta all'item (IRT) . Questi metodi analizzano le prestazioni di gruppi diversi in un test per individuare gli item iniqui.
Se troviamo DIF, ci sono modi per risolverlo. Possiamo eliminare gli item ingiusti o modificare il punteggio. Questo assicura che il test sia equo per tutti.
| Metodo statistico | Descrizione |
|---|---|
| Regressione logistica | Confronta le probabilità di rispondere correttamente a una domanda tra i gruppi, tenendo conto del livello di abilità. |
| Standardizzazione | Esamina le differenze tra i punteggi effettivi e quelli attesi tra i gruppi, tenendo conto del punteggio complessivo del test. |
| Approccio Mantel-Haenszel | Verifica se l'appartenenza a un gruppo influisce sul risultato di una domanda, tenendo conto del punteggio totale del test. |
| Teoria della risposta all'oggetto (IRT) | Esamina quanto siano difficili e chiare le domande rivolte a gruppi diversi per verificare se vengono trattati ingiustamente. |
"Il funzionamento differenziale degli item misura il grado in cui un item del test valuta in modo diverso le capacità di sottogruppi separati ma simili".
Affrontando il problema del funzionamento differenziale degli item , possiamo rendere le misure di esito riferite dai pazienti eque e veritiere per tutti. Questo è fondamentale per garantire che i test nella ricerca e nella pratica clinica siano validi e affidabili.
Teoria della risposta agli item, funzionamento differenziale degli item
La combinazione della teoria della risposta all'item (IRT) e dell'analisi del funzionamento differenziale degli item (DIF) è fondamentale per rendere le misure degli esiti riferiti dai pazienti (PRO) eque e precise. L'IRT mostra come il livello di tratti di una persona influenzi le sue risposte. Il DIF individua gli item che potrebbero favorire ingiustamente determinati gruppi. Insieme, assicurano che le misure PRO siano imparziali e forniscano punteggi accurati a tutti i pazienti.
Molti studi utilizzano IRT e DIF per verificare l'efficacia delle misure PRO. Ad esempio, il Dott. Amtmann e il suo team hanno creato e testato banche di item PROMIS per il dolore, l'affaticamento, la funzionalità fisica e altro ancora. Si sono assicurati che queste misure funzionassero allo stesso modo per tutti i pazienti, senza distorsioni.
Una revisione ha trovato molti studi sul rilevamento di bias negli strumenti di qualità della vita correlata alla salute (HRQoL). Questi hanno esaminato bias da lingua, paese, genere, età, etnia, istruzione e stato lavorativo. Hanno utilizzato metodi come IRT, analisi di tabelle di contingenza e regressione logistica per individuare bias.
| Metrico | Valore |
|---|---|
| Accessi agli articoli di ricerca | 17,000 |
| Citazioni di articoli di ricerca | 95 |
| Risultati iniziali della ricerca |
|
| Articoli full-text revisionati | 136 |
L'utilizzo di IRT e DIF è fondamentale per garantire che le misure PRO siano eque e precise. Ciò è essenziale per la ricerca e l'assistenza incentrate sul paziente. Individuando e correggendo i bias, i ricercatori possono creare test che misurino equamente i risultati dei pazienti per tutti.
Test adattativo computerizzato (CAT)
I test adattivi computerizzati ( CAT ) utilizzano la teoria della risposta all'item (IRT) per cambiare il modo in cui misuriamo gli esiti riferiti dai pazienti (PRO). Si avvalgono di un ampio database di item e selezionano quelli più informativi per ogni persona. Questo rende la misurazione dei PRO efficiente e precisa, riducendo al contempo il carico di lavoro per chi si sottopone al test.
Vantaggi del CAT
I principali vantaggi della CAT sono:
- Maggiore precisione di misurazione: CAT seleziona gli elementi che meglio corrispondono al livello della persona, fornendo risultati più accurati e affidabili.
- Riduzione dell'onere per il rispondente: Adattare il test a ogni persona significa dover rispondere a meno domande, rendendo il test più breve e meno noioso.
- Miglioramento della comparabilità dei punteggi: CAT consente di confrontare i punteggi di persone diverse, anche se hanno svolto test diversi.
I test adattivi computerizzati stanno diventando sempre più diffusi per la misurazione dei risultati riferiti dai pazienti . Sono efficienti e personalizzati, e ci aiutano a comprendere meglio la salute, i sintomi e il benessere di una persona.
“La CAT (Computer-Assisted Testing) può fornire una misurazione efficiente e precisa degli esiti riferiti dai pazienti, riducendo al minimo l'onere per i partecipanti.”
Caso di studio: Scala di alfabetizzazione sanitaria per l'ipertensione
I ricercatori hanno utilizzato la Teoria della Risposta all'Item (IRT) per studiare 636 adulti americani di origine coreana e vietnamita. Hanno analizzato la Scala di Alfabetizzazione Sanitaria sull'Ipertensione Arteriosa (HBP-HLS), composta da 43 item. Hanno individuato quali item fossero più informativi a diversi livelli di alfabetizzazione sanitaria e hanno verificato la presenza di distorsioni negli item.
Questo studio mostra come l'IRT può rendere i test di alfabetizzazione sanitaria migliori e più equi. Evidenzia i vantaggi dell'uso dell'IRT nella creazione di misure di esito riferite dai pazienti. Ciò è particolarmente vero quando si ha a che fare con gruppi diversi di persone.
Campione e metodologia
Un gruppo eterogeneo di 636 adulti coreano-americani e vietnamiti-americani ha svolto l'HBP-HLS da 43 item. I ricercatori hanno quindi applicato l'IRT per vedere quanto funzionasse bene ogni item. Hanno esaminato le curve degli item e verificato la presenza di bias.
Risultati chiave
- L'analisi IRT ha mostrato quali item HBP-HLS erano più informativi a diversi livelli di alfabetizzazione sanitaria. Ciò ha aiutato a perfezionare la scala.
- Hanno scoperto che alcuni elementi erano distorti in base a età, genere ed etnia. Queste informazioni hanno contribuito a rendere l'HBP-HLS più equo.
- Migliorare l'HBP-HLS con IRT lo ha reso più preciso ed equo. Questo è ottimo per l'uso clinico e la ricerca.
Questo studio di caso mostra come la teoria della risposta agli item può migliorare le misure di esito riferite dai pazienti. Porta a valutazioni di alfabetizzazione sanitaria migliori e più affidabili. Questo è fondamentale per l'assistenza ai pazienti e la ricerca.
Studio di caso: Questionario sulla salute del paziente-9 (PHQ-9)
Il Patient Health Questionnaire-9 (PHQ-9) è uno strumento fondamentale per la diagnosi di depressione. Viene utilizzato in tutto il mondo e in diverse culture. I ricercatori si avvalgono della Teoria della Risposta all'Item (IRT) per valutare la sua efficacia in contesti diversi. Questo ci fornisce informazioni importanti sulla sua accuratezza, affidabilità e adattabilità alle diverse culture.
Campione e metodologia
Uno studio ha esaminato 636 adulti coreano-americani e vietnamiti-americani che hanno eseguito la PHQ-9 Depression Scale. Hanno utilizzato l'IRT per verificare quanto funzionasse la PHQ-9. Hanno scoperto quali domande erano più utili e quanto bene la scala misurava la depressione a diversi livelli.
Un altro studio ha verificato se il PHQ-9 funzionasse allo stesso modo per 5,958 adolescenti cinesi. Hanno utilizzato l'IRT per vedere se il PHQ-9 fosse equo e accurato. Hanno esaminato come ragazzi e ragazze, e studenti di diversi livelli, rispondevano alle domande.
Risultati chiave
Gli studi hanno rilevato alcune cose importanti:
- L'analisi IRT ha mostrato che alcune domande del PHQ-9 erano più utili di altre. Ciò significa che potremmo essere in grado di rendere il test più breve senza perdere la sua accuratezza.
- Il PHQ-9 ha funzionato bene con gli adolescenti cinesi, superando tutti i controlli IRT.
- Hanno scoperto che ragazzi e ragazze, e studenti di diversi livelli, rispondevano in modo diverso. Ciò dimostra che dobbiamo prestare molta attenzione al modo in cui controlliamo la salute mentale negli adolescenti.
- Il PHQ-9 è stato tradotto e utilizzato in molti paesi, come Uganda, Kenya, Vietnam, Sudafrica, Tanzania e Cina.
Questi risultati dimostrano l'utilità del Patient Health Questionnaire-9 per la diagnosi di depressione in diverse culture. Sottolineano inoltre l'importanza dell'analisi delle funzioni informative degli item e del test per migliorarne lo strumento.
Sfide e limiti dell'IRT
La teoria della risposta all'item (IRT) è ottima per creare e verificare le misure di esito riferite dai pazienti (PRO). Tuttavia, presenta sfide e limiti che i ricercatori devono tenere in considerazione.
Una delle principali difficoltà è rappresentata dalla necessità di un campione di grandi dimensioni . I ricercatori hanno bisogno di un numero di partecipanti compreso tra 500 e 1000, a seconda della complessità del modello IRT. Questo può risultare difficile, soprattutto nel caso di malattie rare, dove ottenere dati è complesso.
La teoria della risposta agli item (IRT) si basa anche su presupposti come l'unidimensionalità e l'indipendenza locale . Se questi presupposti non sono validi, i risultati potrebbero essere errati. Ciò potrebbe portare a risultati distorti e conclusioni inesatte.
Un altro problema è che i modelli IRT sono complessi e necessitano di software speciale. Ciò rende difficile per molti ricercatori e dottori utilizzare l'IRT nel loro lavoro. Potrebbero non avere le giuste competenze o gli strumenti giusti.
Anche interpretare i risultati dell'IRT, come l'analisi del funzionamento differenziale degli item (DIF), è complesso. Metodi diversi possono fornire risultati diversi. Questo rende difficile stabilire se le misure PRO siano distorte.
| Sfide e limiti dell'IRT | Considerazioni chiave |
|---|---|
| Grande misura di prova requisiti | Raccomandazioni da 500 a 1000 partecipanti, a seconda della complessità del modello |
| Presupposti rigorosi (unidimensionalità, indipendenza locale) | Il mancato rispetto delle ipotesi può compromettere l'integrità delle prove basate sull'IRT |
| Complessità dei modelli e delle analisi IRT | Richiede competenze e software specializzati, limitando potenzialmente l'adozione diffusa |
| Sfide interpretative nell'analisi del funzionamento differenziale degli item (DIF) | Risultati variabili nei diversi metodi di rilevamento DIF, che portano ad ambiguità nell'interpretazione |
Nonostante le sue sfide, l'IRT è uno strumento potente per le misure PRO. Ci fornisce approfondimenti approfonditi su come i pazienti si sentono e vivono. Comprendendone i limiti e affrontandone le parti difficili, i ricercatori possono usare l'IRT per migliorare l'assistenza sanitaria per i pazienti.
Conclusione
La teoria della risposta agli item è uno strumento chiave per migliorare le misure di esito riferite dai pazienti. Esamina come i tratti di una persona influenzano le sue risposte. Ciò rende le misurazioni PRO più accurate ed eque.
L'IRT aiuta a verificare se gruppi diversi rispondono allo stesso modo. Individua anche eventuali ingiustizie nelle domande. Ciò è molto utile nella ricerca e nella pratica sanitaria.
L'utilizzo di IRT, come l'analisi Differential Item Functioning (DIF), assicura che i risultati riferiti dai pazienti siano affidabili. Aiuta a trovare e correggere qualsiasi bias. Ciò significa che gli strumenti PRO funzionano meglio per tutti, indipendentemente da chi siano o dal loro stato di salute.
Ciò porta a un migliore utilizzo dei dati PRO nel prendere decisioni per aiutare i pazienti. È un grande passo verso una migliore assistenza sanitaria.
Man mano che andiamo avanti nei risultati riferiti dai pazienti, l'IRT continuerà a essere importante. Aiuta a creare misure PRO precise, sensibili ed eque. Ciò porta a un sistema sanitario che ascolta davvero tutti i pazienti.
FAQ
Che cos'è la teoria della risposta agli articoli (IRT)?
La Teoria della Risposta all'Item (IRT) è un insieme di modelli che collegano le capacità di un individuo al modo in cui risponde alle domande. Utilizza le curve caratteristiche degli item per mostrare questo collegamento. Queste curve sono sempre in salita.
Quali sono i vantaggi dell'IRT rispetto alla teoria dei test classica?
La Teoria della Risposta all'Item (IRT) presenta numerosi vantaggi rispetto alla teoria classica dei test. Mostra come ogni domanda si relaziona al tratto misurato. Fornisce inoltre maggiori dettagli sulla precisione di una misurazione. Infine, garantisce che i parametri degli item rimangano invariati tra i diversi gruppi.
Quali sono i presupposti fondamentali dei modelli IRT?
I modelli IRT si basano su due ipotesi principali. Innanzitutto, presumono che tutti gli elementi misurino la stessa caratteristica. In secondo luogo, presumono che la risposta di ogni elemento non dipenda da altri elementi, a meno che non misurino la stessa caratteristica.
Come può essere utilizzata la tecnologia IRT per lo sviluppo e il perfezionamento delle misure PRO?
La teoria della risposta agli item (IRT) aiuta a creare una banca di item , ovvero una raccolta di item e dei relativi dettagli. Questa banca di item consente di selezionare gli item più adatti per un test. L'IRT contribuisce inoltre a migliorare le misure PRO esistenti, individuando gli item più utili e rendendo la scala più precisa.
In che modo l'IRT aiuta a valutare l'equivalenza metrica e l'invarianza della misura?
L'invarianza degli item della IRT significa che i parametri degli item rimangono invariati in gruppi diversi. Questo ci permette di verificare se una misura PRO funziona allo stesso modo in diverse popolazioni.
Cos'è il Differential Item Functioning (DIF) e come può affrontarlo l'IRT?
DIF significa che persone con background diversi rispondono alle domande in modo diverso, anche se sono allo stesso livello. IRT aiuta a individuare e correggere DIF. Ciò assicura che una misura PRO sia equa per tutti.
Quali sono i vantaggi del test adattivo computerizzato (CAT) nella misurazione PRO?
CAT usa IRT per scegliere le domande in base a ciò a cui hai risposto in precedenza. Mira a rendere i test più precisi. CAT riduce anche il tempo necessario per il test e consente alle persone di essere confrontate equamente, anche se hanno risposto a domande diverse.
Quali sono le sfide e le limitazioni dell'utilizzo dell'IRT nella ricerca PRO?
La teoria della risposta agli item (IRT) presenta molti vantaggi, ma anche delle criticità. Richiede un campione di grandi dimensioni e presuppone la veridicità di determinate affermazioni. Se queste ipotesi non vengono soddisfatte, i risultati potrebbero non essere affidabili.
Collegamenti di origine
- https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4520411/
- https://jpro.springeropen.com/articles/10.1186/s41687-019-0130-5
- https://www.publichealth.columbia.edu/research/population-health-methods/differential-item-functioning
- https://www.publichealth.columbia.edu/research/population-health-methods/item-response-theory
- https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2262284/
- https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6910650/
- https://assess.com/classical-test-theory-vs-item-response-theory/
- https://en.wikipedia.org/wiki/Differential_item_functioning
- https://www.ucalgary.ca/sites/default/files/teams/594/IRT for DIF Detection_final.pdf
- https://link.springer.com/doi/10.1007/978-94-007-0753-5_728
- https://digitalcommons.odu.edu/psychology_etds/325/
- https://www.scholars.northwestern.edu/en/publications/evaluating-measurement-equivalence-using-the-item-response-theory
- https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5505278/
- https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5459266/
- https://www.responsivetranslation.com/blog/differential-item-functioning/
- https://uwcorr.washington.edu/statistical-analyses/irt-dif/
- https://hqlo.biomedcentral.com/articles/10.1186/1477-7525-8-81
- https://languagetestingasia.springeropen.com/articles/10.1186/s40468-017-0038-z
- https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2019.01010/full
- https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4498512/
- https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0175372
- https://mhresearchnetwork.org/current-mhrn-projects/phq9-differential-item-functioning/
- https://www.researchsquare.com/article/rs-3383494/v1.pdf?c=1706559958000
- https://bmcpsychiatry.biomedcentral.com/articles/10.1186/s12888-017-1506-9
- https://files.eric.ed.gov/fulltext/ED521872.pdf
- https://link.springer.com/article/10.1007/BF02294324
- https://www.thetaminusb.com/intro-measurement-r/irt.html
- https://www.psychologie-aktuell.com/fileadmin/download/PschologyScience/2-2009/04_Teresi.pdf
- https://newprairiepress.org/cgi/viewcontent.cgi?article=1096&context=ijssw