Nai-publish

Mahigit 6,500 propesyonal ang nagbasa ng isang kamakailang artikulo tungkol sa item response theory (IRT). Tinatalakay nito kung paano nagiging mas mahalaga ang IRT sa paggawa at pagsuri ng mga sukat ng outcome na iniulat ng pasyente (PRO). Ipinapakita ng pagbabagong ito ang lumalaking pangangailangan para sa mataas na kalidad na datos mula sa mga pagsusuri sa PRO upang makatulong sa pangangalagang nakatuon sa pasyente.

Bago, ang paggawa at pagsuri sa mga hakbang na ito ay pangunahing ginawa gamit ang klasikal na teorya ng pagsubok. Ngunit, ang IRT ay isang bagong paraan upang sukatin ang mga bagay na maaaring malutas ang mga nakakalito na problema sa pananaliksik sa kalusugan. Ipinapaliwanag ng papel na ito ang mga pangunahing kaalaman ng IRT, ang mga modelong ginamit, at kung ano ang ipinapalagay nila.

Isang pag-aaral na kinasasangkutan ng 636 na nasa hustong gulang na Korean American at Vietnamese American ang nagpapakita kung paano gumagana ang IRT. Ginamit nila ang High Blood Pressure Health Literacy Scale at ang Patient Health Questionnaire-9 . Ipinapakita ng halimbawang ito kung paano mas mapapabuti, mas tumpak, at mas mahusay ng IRT ang mga sukat ng PRO.

Key Takeaways

  • Teorya ng tugon ng item (IRT) ay nag-aalok ng mga pakinabang kaysa sa klasikal na teorya ng pagsubok para sa pagbuo at pagsusuri ng mga hakbang na iniulat ng pasyente (PRO).
  • Mga modelo ng IRT ay maaaring gamitin upang masuri ang pagganap ng item, tukuyin ang mahihirap at mahusay na gumaganap na mga item, at bumuo ng mga naka-target na maikling form.
  • Pinapadali ng IRT ang pagsubok para sa paggana ng differential item (DIF) sa mga demograpiko o klinikal na subgroup, na tinitiyak ang pagkakapantay-pantay at katumpakan ng mga panukalang PRO.
  • Ang mga markang nagmula sa IRT ay mas sensitibo sa mga cross-sectional na pagsusulit kumpara sa mga klasikal na pamamaraan, na nagbibigay ng mas malaking katumpakan ng pagsukat.
  • Maaaring mapataas ng paglalapat ng mga prinsipyo ng IRT ang kalidad at kahusayan ng pagsukat ng PRO sa pananaliksik at pagsasanay sa pangangalagang pangkalusugan.

Panimula sa Item Response Theory

Ang item response theory (IRT) ay isang mahalagang paraan ng estadistika. Iniuugnay nito ang 'kakayahan' o 'katangian' ng isang indibidwal sa kung paano nila sinasagot ang mga tanong sa isang pagsusulit. Ang ugnayang ito ay ipinapakita sa pamamagitan ng isang item characteristic curve (ICC). Ang ICC ay isang kurba na nagpapakita ng pagkakataong masagot nang tama ang isang aytem habang tumataas ang antas ng katangian ng isang tao.

Ano ang Item Response Theory?

Gumagamit ang IRT ng matematika upang bigyan ng mas malalim na pagtingin ang mga katangian ng pagsukat kaysa sa old-school test theory (CTT). Hindi tulad ng CTT, tinitingnan ng IRT ang pagkakataong masagot nang tama ang bawat tanong. Ginagawa nitong mas tumpak ang pagpapakita kung saan nakatayo ang isang tao sa isang katangian.

Mga Bentahe ng IRT kaysa Classical Test Theory

  • Ipinapakita ng IRT kung paano nauugnay ang bawat tanong sa katangiang sinusukat, na nagbibigay ng higit pang detalye kung gaano katumpak ang sukat.
  • Tinitiyak ng IRT mga parameter ng item manatiling pareho sa iba't ibang grupo, na ginagawang mas patas ang pagsubok.
  • Maaaring makita ng IRT kung kailan gumagana nang iba ang mga item para sa ilang partikular na grupo, na tumutulong na gawing mas patas ang mga pagsubok.
  • Ginagawa ng IRT computerized adaptive testing (CAT) posible, na sumusubok sa katangian ng isang tao na may mas kaunting mga katanungan.

Gamit ang mga benepisyo ng IRT, ang mga mananaliksik at mga doktor ay maaaring gumawa ng mga hakbang na iniulat ng pasyente na resulta (PRO) na mas mahusay. Ang mga hakbang na ito ay nagbibigay ng mas malinaw at mas tumpak na mga pananaw sa kalusugan at kaligayahan ng mga tao.

Mga Pangunahing Konsepto sa IRT

Upang maunawaan ang IRT sa mga resulta na iniulat ng pasyente (PRO), kailangan nating malaman ang mga pangunahing kaalaman nito. Kabilang sa mga pangunahing ideya ang item characteristic curve (ICC) at categorical response curves (CRC).

Item Characteristic Curve (ICC)

Ipinapakita ng ICC kung paano nakakaapekto ang katangian ng isang indibidwal sa kanilang pagkakataong masagot ang isang tanong. Sinasabi nito sa atin ang tungkol sa parameter ng lokasyon (b) at parameter ng diskriminasyon (a) ng isang item . Ipinapakita ng lokasyon kung saan ang item ay malamang na masasagot nang tama ng isang tao sa gitna ng iskala ng katangian. Ipinapakita ng diskriminasyon kung gaano kahusay na nakikilala ng item ang mga tao sa iba't ibang antas ng katangian.

Mga Categorical Response Curves (CRC)

Para sa mga aytem na may higit sa dalawang sagot, tulad ng mga Likert scale, ipinapakita ng mga categorical response curve (CRC) ang pagkakataong mapili ang bawat sagot. Tinutulungan tayo ng mga kurba na ito na makita kung gaano kahusay gumagana ang isang aytem. Mahalaga ang mga ito sa paggawa at pagpapabuti ng mga PRO measure.

Ang pag-unawa sa mga ICC at CRC ay tumutulong sa amin na makita kung paano gumagana ang bawat item sa isang PRO. Nagbibigay-daan ito sa amin na matiyak na talagang sinusukat ng PRO ang gusto naming malaman.

"Ang mga ICC at CRC ay nagbibigay ng isang detalyadong pag-unawa sa pagganap ng item, na mahalaga para sa pagbuo at pagpino ng mga hakbang sa kinalabasan na iniulat ng pasyente na tumpak na sumasalamin sa pananaw ng pasyente."

Ang paggamit ng mga pangunahing kaalaman sa IRT sa pagsusuri sa PRO ay ginagawang mas malakas at mas maaasahan ang mga pagtatasa. Sinusuportahan nito ang pangangalagang pangkalusugan na nakasentro sa pasyente.

Matuto nang higit pa tungkol sa mga aplikasyon ng mga istatistikal na pamamaraan sa mga pasyenteng iniulat.

Mga Karaniwang Ginagamit na IRT Models

Ang Item Response Theory (IRT) ay isang hanay ng mga makapangyarihang modelo para sa pagsusuri ng datos ng pagtatasa. Sinusukat nito ang mga katangiang hindi direktang nakikita. Ang pinakasikat na mga modelo ng IRT ay ang Rasch model , ang graded response model , at ang partial credit model . Pareho silang nagpapalagay ng unidimensionality at lokal na kalayaan.

Unidimensionality at Local Independence Assumptions

Ang palagay ng unidimensionality ay nangangahulugan na ang mga aytem sa isang iskala ay sumusukat lamang sa isang katangian. Tinitiyak nito na ang iskala ay sumusubok sa isang ideya lamang. Sinasabi ng palagay ng lokal na kalayaan na ang isang sagot sa isang aytem ay hindi nakadepende sa mga sagot sa iba pang mga aytem, ​​maliban kung lahat sila ay sumusubok sa parehong katangian.

Mahalagang suriin ang mga pagpapalagay na ito upang matiyak na tama ang mga resulta ng IRT. Kung hindi natutugunan ang mga pagpapalagay na ito, maaaring mali ang mga resulta. Ang pagsubok sa mga pagpapalagay na ito ay isang mahalagang bahagi ng paggamit ng IRT.

Modelo ng IRTpaglalarawan
Modelong RaschIsang isang-parameter na modelo ng IRT na ipinapalagay na ang lahat ng mga item ay may pantay na diskriminasyon ngunit iba't ibang antas ng kahirapan.
Markahang modelo ng tugonIsang dalawang-parameter na modelo ng IRT na nagbibigay-daan sa pag-iiba-iba diskriminasyon sa item at mga parameter ng kahirapan, na angkop para sa ordered polytomous na mga format ng pagtugon.
Bahagyang modelo ng kreditoIsang extension ng Modelong Rasch para sa ordered polytomous na mga format ng tugon, kung saan ang bawat kategorya ng tugon ay may natatanging parameter ng kahirapan.

Mahalaga ang pag-alam tungkol sa mga modelong IRT na ito at sa kanilang mga palagay. Nakakatulong ito sa pag-unawa sa mga resulta ng pagsusulit at paggawa ng matalinong mga desisyon sa edukasyon, sikolohiya, at pangangalagang pangkalusugan.

Mga Aplikasyon ng Teorya ng Pagtugon sa Item

Maraming benepisyo ang Item Response Theory (IRT) para sa paggawa at pagpapabuti ng mga sukat ng resulta na iniulat ng pasyente (patient-reported outcome o PRO). Nakakatulong ito sa paglikha ng isang item bank . Ito ay isang malaking database ng mga aytem at ang kanilang mga detalye. Pagkatapos, gumagamit ito ng automated test assembly . Nangangahulugan ito ng pagpili ng mga pinakamahusay na aytem para sa mga pagsubok na akma sa layunin.

Pagbuo ng Panukala ng PRO

Ang IRT ay susi sa pagsisimulang gumawa ng mga hakbang sa PRO. Tinitingnan nito ang mga katangian ng item at kung paano nauugnay ang mga ito sa katangiang sinusukat. Nakakatulong ito sa pagpili ng pinakamahusay na mga item para sa panukala. Sa ganitong paraan, ang sukat ay tumpak sa lahat ng antas ng katangian.

Pagpino ng Sukat ng PRO

Para sa mga hakbang na PRO na nagawa na, maaari ding gamitin ang IRT upang pagandahin ang mga ito. Sinusuri nito ang mga item at hinahanap ang pinakamahusay. Nangangahulugan ito na alisin ang mga item na hindi gumagana nang maayos at panatilihin ang mga nagbibigay ng pinakamaraming impormasyon.

Aplikasyon ng IRTBenepisyo
Bangko ng Item PaglikhaNagbibigay ng komprehensibong database ng mga bagay na mahusay na binuo para sa awtomatikong pagpupulong ng pagsubok
Pagbuo ng Panukala ng PROTinutukoy ang mga pinakakaalaman at namumukod-tanging mga bagay na isasama sa panghuling panukala
Pagpino ng Sukat ng PROPinpoints ang pinaka-kaalaman na mga item at ino-optimize ang katumpakan ng pangkalahatang sukat

Gamit ang mga lakas ng IRT, ang mga mananaliksik at clinician ay maaaring gumawa at mapabuti ang mga hakbang sa PRO. Ito ay humahantong sa mas mahusay, maaasahan, at wastong mga pagtatasa ng resulta ng pasyente. Nakakatulong ito na gawing mas makabuluhan at may epekto ang mga pagpapasya sa pangangalagang pangkalusugan.

Sinusukat ng PRO ang pag-unlad at pagpipino

Pagsusuri ng Pagkakatumbas ng Sukatan gamit ang IRT

Malaki ang bentahe ng Item Response Theory (IRT): ang item invariance . Nangangahulugan ito na ang parehong mga aytem ay gumagana sa parehong paraan sa iba't ibang grupo. Nakakatulong ito na suriin kung ang isang patient-reported outcome measure (PRO) ay gumagana nang pareho sa iba't ibang grupo. Mahalaga ito para matiyak na ang mga marka ay nagpapakita ng mga tunay na pagkakaiba sa katangiang sinusukat, hindi lamang mga pagkakaiba sa kung paano ito sinusukat.

Ang pagsuri kung ang mga bagay ay pareho sa IRT ay nangangahulugan ng pagtingin sa kung paano naiiba ang pagkilos ng mga item sa mga grupo. Nakikita ng mga tool tulad ng average na unsigned difference (AUD) at non-compensatory DIF (NCDIF) index ang mga pagkakaibang ito. Pagkatapos, may mga hakbang sa epekto na tumitingin sa kung paano nakakaapekto ang mga pagkakaibang ito sa mga marka para sa lahat at sa kabuuan.

May mga espesyal na tool tulad ng Differential Functioning of Items and Tests (DFIT), Item Response Theory for Patient Reported Outcomes (IRTPRO), at logistic ordinal regression lordif. Nakakatulong ang mga tool na ito na malaman kung paano binabago ng DIF ang mga marka at tiyaking patas ang mga sukat sa lahat ng grupo.

Mga Panukala sa Pagsusuri ng Pagkakatumbas ng Sukatanpaglalarawan
Mga Pagsukat sa Magnitude
  • Average Unsigned Difference (AUD)
  • Non-compensatory DIF (NCDIF) Index
Mga Panukala sa Epekto
  • Mga Pagkakaiba sa Inaasahang Iskor ng Item
  • Mga Pagkakaiba sa Inaasahang Iskor sa Scale

Ang item invariance at measurement invariance ng IRT ay tumutulong sa atin na suriin kung ang mga PRO measure ay pareho sa iba't ibang grupo. Sa ganitong paraan, ang anumang pagkakaiba sa iskor ay mapagkakatiwalaang magpapakita ng mga tunay na pagkakaiba sa katangian, hindi lamang mga isyu sa pagsukat. Nakakatulong ito na matiyak na ang mga paghahambing ay patas at makabuluhan.

"Ang pagtiyak sa katumbas na sukatan ay mahalaga para sa paggawa ng mga wastong hinuha mula sa mga sukat ng kinalabasan na iniulat ng pasyente sa iba't ibang populasyon."

Differential Item Functioning (DIF)

Ang paglikha ng patas at walang kinikilingang mga pagsusulit ay mahalaga. Ang differential item functioning (DIF) analysis ay nakakatulong sa pamamagitan ng paghahanap ng mga aytem na hindi gumagana nang pareho para sa lahat. Nangyayari ito kahit na ang mga kasanayan ng lahat ay magkakatulad.

Sa paggawa ng mga pagsusuri para sa feedback ng pasyente, ang DIF ay napakahalaga. Ang layunin ay tiyaking gumagana ang mga pagsubok sa parehong paraan para sa lahat ng uri ng tao. Sa pamamagitan ng paghahanap ng DIF, maaari naming ayusin ang mga pagsubok upang maging patas para sa lahat, anuman ang kanilang edad, kasarian, o lahi.

Pagtukoy at Pag-address sa DIF

Mayroong ilang mga paraan upang matukoy ang DIF, tulad ng logistic regression , standardization , ang Mantel-Haenszel approach , at item response theory (IRT) . Tinitingnan ng mga pamamaraang ito kung paano gumagana ang iba't ibang grupo sa isang pagsusulit upang makahanap ng mga hindi patas na aytem.

Kung makakita tayo ng DIF, may mga paraan para ayusin ito. Maaari naming alisin ang mga hindi patas na item o baguhin ang pagmamarka. Tinitiyak nito na ang pagsusulit ay patas para sa lahat.

Paraan ng Istatistikapaglalarawan
Logistic RegressionInihahambing ang pagkakataong makakuha ng tanong sa pagitan ng mga grupo, habang kinokontrol ang antas ng kasanayan.
StandardisasyonTinitingnan kung paano naiiba ang aktwal at inaasahang mga marka sa pagitan ng mga pangkat, na nagsasaayos para sa kabuuang marka ng pagsusulit.
Mantel-Haenszel ApproachSinusuri kung ang pagiging nasa isang grupo ay nakakaapekto sa kung paano ang isa sa isang tanong, habang isinasaalang-alang ang kabuuang marka ng pagsusulit.
Item Response Theory (IRT)Tinitingnan kung gaano kahirap at malinaw ang mga tanong para sa iba't ibang grupo upang makita kung hindi patas ang pagtrato sa kanila.

"Sinusukat ng paggana ng pagkakaiba-iba ng item ang antas kung saan naiiba ang pagsusuri ng isang item sa pagsubok sa mga kakayahan ng magkahiwalay ngunit magkatulad na katugmang mga subgroup."

Sa pamamagitan ng pagtugon sa differential item functioning , magagawa nating patas at totoo para sa lahat ang mga sukat ng kinalabasan na iniulat ng pasyente . Ito ay mahalaga para matiyak na ang mga pagsusuri sa klinikal na pananaliksik at pagsasagawa ay wasto at maaasahan.

Item Response Theory, Differential Item Functioning

Ang kombinasyon ng item response theory (IRT) at differential item functioning (DIF) analysis ay mahalaga para maging patas at tumpak ang mga sukat ng patient-reported outcome (PRO). Ipinapakita ng IRT kung paano nakakaapekto ang antas ng katangian ng isang tao sa kanilang mga sagot. Hinahanap ng DIF ang mga aytem na maaaring hindi makatarungang pumapabor sa ilang partikular na grupo. Sama-sama, tinitiyak nilang walang kinikilingan ang mga sukat ng PRO at nagbibigay ng tumpak na mga marka sa lahat ng mga pasyente.

Maraming pag-aaral ang gumagamit ng IRT at DIF upang suriin kung gaano kahusay gumagana ang mga panukat ng PRO. Halimbawa, si Dr. Amtmann at ang kanyang pangkat ay lumikha at sumubok sa mga bangko ng item ng PROMIS para sa pananakit, pagkapagod, pisikal na paggana, at marami pang iba. Tiniyak nilang pareho ang epekto ng mga panukat na ito para sa lahat ng mga pasyente, nang walang kinikilingan.

Nakita ng isang pagsusuri ang maraming pag-aaral sa pagtukoy ng bias sa mga tool sa kalidad ng buhay na may kaugnayan sa kalusugan (HRQoL). Ang mga ito ay tumitingin sa bias mula sa wika, bansa, kasarian, edad, etnisidad, edukasyon, at katayuan sa trabaho. Gumamit sila ng mga pamamaraan tulad ng IRT, pagsusuri ng contingency table, at logistic regression upang makita ang bias.

metrichalaga
Mga access sa artikulo ng pananaliksik17,000
Pananaliksik sa mga pagsipi ng artikulo95
Paunang resulta ng paghahanap
  • 211 artikulo mula sa MEDLINE
  • 147 mga artikulo mula sa EMBASE
  • 589 na mga artikulo mula sa Web of Knowledge
Nasuri ang buong tekstong mga artikulo136

Ang paggamit ng IRT at DIF ay susi para matiyak na ang mga hakbang ng PRO ay patas at tumpak. Ito ay mahalaga para sa pananaliksik at pangangalaga na nakatuon sa pasyente. Sa pamamagitan ng paghahanap at pag-aayos ng mga bias, makakagawa ang mga mananaliksik ng mga pagsubok na patas na sumusukat sa mga resulta ng pasyente para sa lahat.

Computerized Adaptive Testing (CAT)

Ang computerized adaptive testing ( CAT ) ay gumagamit ng item response theory (IRT) upang baguhin kung paano natin sinusukat ang mga resultang iniulat ng pasyente (PRO). Gumagamit ito ng malaking item bank at pinipili ang mga item na may pinakamaraming impormasyon para sa bawat tao. Ginagawa nitong mahusay at tumpak ang pagsukat ng mga PRO, at binabawasan nito ang trabaho para sa taong kukuha ng pagsusulit.

Mga kalamangan ng CAT

Ang mga pangunahing benepisyo ng CAT ay:

  • Tumaas na katumpakan ng pagsukat: Pinipili ng CAT ang mga item na pinakamahusay na tumutugma sa antas ng tao, na nagbibigay ng mas tumpak at maaasahang mga resulta.
  • Nabawasan ang pasanin ng sumasagot: Ang pagsasaayos ng pagsusulit sa bawat tao ay nangangahulugan ng mas kaunting mga item na sasagutin, na ginagawang mas maikli at hindi nakakabagot ang pagsusulit.
  • Pinahusay na maihahambing na marka: Hinahayaan ka ng CAT na maghambing ng mga marka sa iba't ibang tao, kahit na kumuha sila ng iba't ibang pagsusulit.

Ang computerized adaptive testing ay nagiging mas popular para sa pagsukat ng mga resulta na iniulat ng pasyente . Ito ay mabisa at personal, na tumutulong sa atin na mas maunawaan ang kalusugan, mga sintomas, at kagalingan ng isang tao.

Computerized Adaptive Testing

"Makakapagbigay ang CAT ng mahusay at tumpak na pagsukat ng mga resultang iniulat ng pasyente habang binabawasan ang pasanin ng mga respondent."

Pag-aaral ng Kaso: High Blood Pressure Health Literacy Scale

Ginamit ng mga mananaliksik ang Item Response Theory (IRT) upang pag-aralan ang 636 na nasa hustong gulang na Korean American at Vietnamese American. Tiningnan nila ang 43-item na High Blood Pressure Health Literacy Scale (HBP-HLS). Natuklasan nila kung aling mga aytem ang pinaka-nakapagtuturo sa iba't ibang antas ng literasiya sa kalusugan. Sinuri rin nila ang bias sa mga aytem.

Ipinapakita ng pag-aaral na ito kung paano magagawa ng IRT na mas mahusay at patas ang mga pagsusuri sa literasiya sa kalusugan. Itinatampok nito ang mga benepisyo ng paggamit ng IRT sa paggawa ng mga hakbang sa resulta na iniulat ng pasyente. Ito ay totoo lalo na kapag nakikitungo sa magkakaibang grupo ng mga tao.

Sample at Metodolohiya

Isang magkakaibang grupo ng 636 Korean American at Vietnamese American na nasa hustong gulang ang kumuha ng 43-item na HBP-HLS. Pagkatapos ay inilapat ng mga mananaliksik ang IRT upang makita kung gaano kahusay ang ginawa ng bawat item. Tiningnan nila ang mga curves ng item at tiningnan kung may bias.

Key Findings

  • Ipinakita ng pagsusuri ng IRT kung aling mga item sa HBP-HLS ang pinaka-kaalaman sa iba't ibang antas ng literacy sa kalusugan. Nakatulong ito na pinuhin ang sukat.
  • Natagpuan nila ang ilang mga item ay may kinikilingan batay sa edad, kasarian, at etnisidad. Nakatulong ang impormasyong ito na gawing mas patas ang HBP-HLS.
  • Ang pagpapahusay sa HBP-HLS gamit ang IRT ay ginawa itong mas tumpak at patas. Ito ay mahusay para sa klinikal na paggamit at pananaliksik.

Ipinapakita ng case study na ito kung paano mapapahusay ng Item Response Theory ang mga iniulat ng pasyente na mga hakbang sa kinalabasan. Ito ay humahantong sa mas mahusay at mas maaasahang mga pagsusuri sa kaalaman sa kalusugan. Ito ay susi para sa pangangalaga at pananaliksik ng pasyente.

Pag-aaral ng Kaso: Patient Health Questionnaire-9 (PHQ-9)

Ang Patient Health Questionnaire-9 (PHQ-9) ay isang mahalagang kagamitan para sa pagsuri ng depresyon. Ginagamit ito sa buong mundo sa maraming kultura. Ginagamit ng mga mananaliksik ang Item Response Theory (IRT) upang makita kung gaano ito kahusay gumagana sa iba't ibang lugar. Nagbibigay ito sa atin ng mahahalagang impormasyon tungkol sa katumpakan, pagiging maaasahan, at kung paano ito umaangkop sa iba't ibang kultura.

Sample at Metodolohiya

Ang isang pag-aaral ay tumingin sa 636 Korean American at Vietnamese American adult na kumuha ng PHQ-9 Depression Scale. Gumamit sila ng IRT para tingnan kung gaano kahusay ang PHQ-9. Nalaman nila kung aling mga tanong ang pinaka-kapaki-pakinabang at kung gaano kahusay nasusukat ng sukat ang depresyon sa iba't ibang antas.

Sinuri ng isa pang pag-aaral kung ang PHQ-9 ay gumagana sa parehong paraan para sa 5,958 Chinese na kabataan. Gumamit sila ng IRT upang makita kung ang PHQ-9 ay patas at tumpak. Tiningnan nila kung paano sinagot ng mga lalaki at babae, at mga estudyante sa iba't ibang antas, ang mga tanong.

Key Findings

Natuklasan ng mga pag-aaral ang ilang mahahalagang bagay:

  • Ang pagsusuri sa IRT ay nagpakita na ang ilang mga katanungan sa PHQ-9 ay mas kapaki-pakinabang kaysa sa iba. Nangangahulugan ito na maaari nating gawing mas maikli ang pagsubok nang hindi nawawala ang katumpakan nito.
  • Ang PHQ-9 ay mahusay na nagtrabaho sa mga kabataang Tsino, na nakakatugon sa lahat ng mga pagsusuri sa IRT.
  • Nalaman nila na ang mga lalaki at babae, at mga mag-aaral sa iba't ibang antas, ay magkaiba ang sagot. Ipinapakita nito na kailangan nating bigyang-pansin kung paano natin sinusuri ang kalusugan ng isip sa mga kabataan.
  • Ang PHQ-9 ay isinalin at ginamit sa maraming bansa, tulad ng Uganda, Kenya, Vietnam, South Africa, Tanzania, at China.

Ipinapakita ng mga resultang ito kung gaano kapaki-pakinabang ang Patient Health Questionnaire-9 para sa pagsusuri ng depresyon sa iba't ibang kultura. Itinatampok din nito ang kahalagahan ng mga item information function at pagsusuri ng test information function upang mas mapabuti ang pagsusulit.

Mga Hamon at Limitasyon ng IRT

Ang Item Response Theory (IRT) ay mahusay para sa paggawa at pagsuri ng mga sukat ng resulta na iniulat ng pasyente (PRO). Ngunit, mayroon itong mga hamon at limitasyon na kailangang pag-isipan ng mga mananaliksik.

Isang malaking hamon ang pangangailangan ng malaking bilang ng mga sample . Ang mga mananaliksik ay nangangailangan ng 500 hanggang 1000 kalahok, depende sa pagiging kumplikado ng modelo ng IRT. Maaari itong maging mahirap, lalo na sa mga bihirang sakit kung saan mahirap makakuha ng datos.

Ang IRT ay nakadepende rin sa mga pagpapalagay tulad ng unidimensionality at lokal na kalayaan . Kung hindi magkakatotoo ang mga pagpapalagay na ito, maaaring mali ang mga resulta. Maaari itong humantong sa mga may kinikilingang natuklasan at maling konklusyon.

Ang isa pang isyu ay ang mga modelo ng IRT ay kumplikado at nangangailangan ng espesyal na software. Ginagawa nitong mahirap para sa maraming mananaliksik at doktor na gumamit ng IRT sa kanilang trabaho. Maaaring wala silang tamang kakayahan o kasangkapan.

Mahirap din intindihin ang mga resulta ng IRT, tulad ng Differential Item Functioning (DIF) analysis. Iba-iba ang resulta ng iba't ibang pamamaraan. Dahil dito, mahirap malaman kung may kinikilingan ang mga panukat ng PRO.

Mga Hamon at Limitasyon ng IRTMahalagang Pagsasaalang-alang
Malaki laki ng sample kinakailanganMga rekomendasyon ng 500 hanggang 1000 kalahok, depende sa pagiging kumplikado ng modelo
Mahigpit na pagpapalagay (unidimensionality, lokal na kalayaan)Ang pagkabigong matugunan ang mga pagpapalagay ay maaaring makompromiso ang integridad ng ebidensyang nakabatay sa IRT
Pagiging kumplikado ng mga modelo at pagsusuri ng IRTNangangailangan ng espesyal na kadalubhasaan at software, na posibleng nililimitahan ang malawakang pag-aampon
Mga hamon sa interpretasyon sa pagsusuri ng Differential Item Functioning (DIF).Pag-iiba-iba ng mga resulta sa iba't ibang paraan ng pagtuklas ng DIF, na humahantong sa kalabuan sa interpretasyon

Kahit na may mga hamon nito, ang IRT ay isang makapangyarihang tool para sa mga PRO na hakbang. Nagbibigay ito sa amin ng malalim na insight sa kung ano ang pakiramdam at pamumuhay ng mga pasyente. Sa pamamagitan ng pag-unawa sa mga limitasyon nito at pagharap sa mahihirap na bahagi, maaaring gamitin ng mga mananaliksik ang IRT upang mapabuti ang pangangalagang pangkalusugan para sa mga pasyente.

Konklusyon

Ang teorya ng pagtugon sa item ay isang mahalagang tool para gawing mas mahusay ang mga hakbang sa resulta na iniulat ng pasyente. Tinitingnan nito kung paano nakakaapekto ang mga ugali ng isang tao sa kanilang mga sagot. Ginagawa nitong mas tumpak at patas ang mga sukat ng PRO.

Tumutulong ang IRT sa pagsuri kung ang iba't ibang grupo ay sumasagot sa parehong paraan. Nakikita rin nito ang anumang hindi patas sa mga tanong. Ito ay lubhang kapaki-pakinabang sa pananaliksik at pagsasanay sa pangangalagang pangkalusugan.

Ang paggamit ng IRT, tulad ng pagsusuri sa Differential Item Functioning (DIF), ay tinitiyak na mapagkakatiwalaan ang mga resultang iniulat ng pasyente. Nakakatulong ito na mahanap at ayusin ang anumang bias. Nangangahulugan ito na mas mahusay na gumagana ang mga tool ng PRO para sa lahat, kahit sino sila o ang kanilang kalusugan.

Ito ay humahantong sa mas mahusay na paggamit ng data ng PRO sa paggawa ng mga desisyon upang matulungan ang mga pasyente. Isa itong malaking hakbang tungo sa mas mabuting pangangalagang pangkalusugan.

Habang sumusulong tayo sa mga resultang iniulat ng pasyente, patuloy na magiging mahalaga ang IRT. Nakakatulong itong gumawa ng mga PRO na hakbang na tumpak, sensitibo, at patas. Ito ay humahantong sa isang sistema ng pangangalagang pangkalusugan na talagang nakikinig sa lahat ng mga pasyente.

FAQ

Ano ang Item Response Theory (IRT)?

Ang Item Response Theory (IRT) ay isang hanay ng mga modelo na nag-uugnay sa mga kakayahan ng isang indibidwal sa kung paano nila sinasagot ang mga tanong. Gumagamit ito ng mga kurba ng katangian ng item upang ipakita ang kaugnayang ito. Ang mga kurba na ito ay palaging pataas.

Ano ang mga pakinabang ng IRT kaysa sa Classical Test Theory?

Maraming benepisyo ang IRT kumpara sa klasikal na teorya ng pagsusulit. Ipinapakita nito kung paano nauugnay ang bawat tanong sa katangiang sinusukat. Nagbibigay din ito ng mas detalyadong impormasyon kung gaano katumpak ang isang sukat. Dagdag pa rito, tinitiyak nito na ang mga parameter ng item ay mananatiling pareho sa iba't ibang grupo.

Ano ang mga pangunahing pagpapalagay ng mga modelo ng IRT?

Ang mga modelo ng IRT ay umaasa sa dalawang pangunahing pagpapalagay. Una, ipinapalagay nila na ang lahat ng mga item ay sumusukat sa parehong katangian. Pangalawa, ipinapalagay nila na ang sagot ng bawat item ay hindi nakasalalay sa iba pang mga item, maliban kung sinusukat nila ang parehong katangian.

Paano magagamit ang IRT para sa pag-unlad at pagpipino ng panukalang PRO?

Nakakatulong ang IRT sa paglikha ng isang item bank , isang koleksyon ng mga item at ang kanilang mga detalye. Binibigyang-daan ka ng item bank na ito na pumili ng pinakamahusay na mga item para sa isang pagsusulit. Nakakatulong din ang IRT na mapabuti ang mga umiiral na PRO measure sa pamamagitan ng paghahanap ng mga pinakakapaki-pakinabang na item at paggawa ng mas tumpak na iskala.

Paano nakakatulong ang IRT na suriin ang metric equivalence at measurement invariance?

Ang item invariance ng IRT ay nangangahulugan na ang mga parameter ng item ay nananatiling pareho sa iba't ibang grupo. Nagbibigay-daan ito sa atin na suriin kung ang isang PRO measure ay gumagana nang pareho sa iba't ibang populasyon.

Ano ang Differential Item Functioning (DIF) at paano ito matutugunan ng IRT?

Ang ibig sabihin ng DIF ay iba-iba ang sagot ng mga tao sa iba't ibang background sa mga tanong, kahit na sila ay nasa parehong antas. Tinutulungan ng IRT na makita at ayusin ang DIF. Tinitiyak nito na ang isang panukalang PRO ay patas para sa lahat.

Ano ang mga benepisyo ng Computerized Adaptive Testing (CAT) sa pagsukat ng PRO?

Gumagamit ang CAT ng IRT para pumili ng mga tanong batay sa kung ano ang nasagot mo dati. Nilalayon nitong gawing mas tumpak ang mga pagsubok. Binabawasan din ng CAT ang oras na kinakailangan upang subukan at hinahayaan ang mga tao na maihambing nang patas, kahit na sumagot sila ng iba't ibang mga tanong.

Ano ang ilang hamon at limitasyon ng paggamit ng IRT sa PRO research?

Maraming benepisyo ang IRT ngunit nahaharap din ito sa mga hamon. Kailangan nito ng malaking sample size at ipinapalagay na totoo ang ilang bagay. Kung hindi matutugunan ang mga pagpapalagay na ito, maaaring hindi maaasahan ang mga resulta.

Source Links