2011年10月4日 星期二

文獻閱讀-SF36因素架構的探討

        當一份量表翻譯成一新的版本或是將要適用於特定族群身上時,因素架構的驗證是相當重要的一件事,因為因素架構所代表的是量表理論上題目與題目之間的關係,並會進而影響到測驗分數的解釋[1-4]。同樣的,SF-36應用於海洛因成癮病人身上,量表因素架構是否維持不變,是一個相當重要的議題。
        以下是三篇對於SF-36因素架構探討的研究,使用因素分析(EFA或是CFA)的結果:

原始的SF-36的因素架構[2]
一階因素一共有八個:PF(10題)、RP(4題)、BP(2題)、GH(5題)、VT(4題)、SF(2題)、RE(3題)、MH(5題)
二階因素兩個:PCS與MCS


Guthlin & Walach 使用CFA分析,發現假設二階因素PCS與MCS兩個因素之間有相關的Model較佳。[3]

Thumboo et al., 在使用中文樣本的族群身上,以EFA分析認為第一階因素不是八個,去除掉SF後為七個。其中VT3、VT4、SF2三題應是隸屬於MH因素底下;MH3與MH5同時受到MH與VT兩個因素的影響。SF1隸屬於RE因素底下[4]。

Wu, Lee & Yao在台灣樣本上的研究也EFA分析得到與Thumboo et al.[4]相同的結果,更進一步發現第二階因素只有一個。然而CFA的結果顯示,八因素模型適配度與七因素模型適配度略優於七因素模型,因此支持原始模型較佳的說法[1]。

想法:
1.在目前所閱讀的四篇研究中,可發現到量表因素結構的驗證,對於不同版本、不同族群之間會有些微的差異,有加以驗證的必要性。
2.於海洛因病人的研究中,按照過去研究,可驗證的模型有三個:原始模型、原始模型假設二階因素有相關、七因素模型但二階僅假設一個因素。




1.Wu CH, Lee KL, Yao G. Examining the hierarchical factor structure of the SF-36 Taiwan version by exploratory and confirmatory factor analysis. Journal of Evaluation in Clinical Practice 2007;13(6):889-900.
2.Ware JE, Gandek B, Project I. Overview of the SF-36 Health Survey and the International Quality of Life Assessment (IQOLA) Project. Journal of Clinical Epidemiology 1998;51(11):903-912.
3. Guthlin C, Walach H. MOS-SF 36 - Structural equation modeling to test the construct validity of the second-order factor structure. European Journal of Psychological Assessment 2007;23(1):15-23.
4. Thumboo J, Fong KY, Machin D, Chan SP, Leong KH, Feng PH, et al. A community-based study of scaling assumptions and construct validity of the English (UK) and Chinese (HK) SF-36 in Singapore. Quality of Life Research 2001;10(2):175-188.

2011年10月3日 星期一

SF-36於海洛因病人上的心理計量驗證

目前的發現(from En-Chi的論文)
  1.分數的分布(frequency、平均數、標準差)
  2.內部一致性信度
  3.區辨效度(使用item與自屬domain相關vs. item與其他domain相關)

後續可進行的心理計量驗證
  1.test-retest reliability
  2.校標關聯效度(社會支持量表、壓力知覺量表、EQ5-D、憂鬱與身體症狀評估表)
  3.建構效度--使用SEM分析
      a)驗證性因素分析
      b)測量不變性(measurement invariance)驗證,可分為兩個主題:
          1) factorial invariance (性別、年齡、教育程度、收入、共病),驗證因素架構是否不會依括弧內變項的差異而改變。
          2)logitudinal invariance,由於資料庫最常有追蹤到三年的樣本,所以若是樣本數足夠可進行此分析。

2011年9月26日 星期一

9/26-9/30任務規劃

9/26
中風OT品質問卷電腦化施測版本,譯碼簿製作
9/27
En-Chi海洛因論文閱讀
9/28
SF-36相關論文閱讀
--信效度驗證
--不同族群
9/29
試跑海洛因病人之SF-36 data
-資料分布
-多向度CFA
9/30
1.彙整與確認共同作者修改建議
2.論文修改

2011年9月21日 星期三

IRT 多向度分析問題與解答

使用軟體:Conquest
諮詢對象:業太

問題
回答
1.使用export與import指令,分兩階段計算,與直接一步驟計算的差異在哪裡?
1.由於Conquest完成一次疊代所需的時間較長,因此先以節點較少(例如100、200)的分析了解資料的大致走向後,再以節點較多(例如2000)的分析進行計算。
2.兩步驟的另一個優點為,第二次分析的起始點不為0,為第一次分析所得出的數值,會較重新跑一次分析來的精確。
2.在刪題過程中,若是發現需要刪除被限制住難度為0的題目時,此時可以調整限制難度為0的題目接續分析,還是需從頭開始分析?
理論上來說,調整format response不會影響各個題目(除了原先被限制住的那一題)fitting的好壞,所以是可以接續分析的。
3.eap檔與shw檔,數據幾乎相同,有何分別?
一般在output中會出現三個檔案:itn、eap以及shw檔。itn顯示古典分析底下的統計量、shw顯示現代測驗理論底下的統計量、eap顯示個人能力估計值。
4.分析結束後出現warning:「Convergence has occurred but a solution with a higher likelihood was encountered at iteration XXX. The result for this earlier soulution will be retained…….
該warning指出,在第316次疊代的結果比目前疊代結果來的好(likelihood值較高),因此將保留第316次疊代的參數估計。程式還建議以第316次結果作為初始值,再一次進行參數估計程序。這時,便可以使用上課中提到的export與import指令,進行兩階段分析。

5.若是有刪題的情形,分析前出現warning:「Parameter(X)for item X, is not identified…
該警告訊息旨在說明第1題因為被移除,所以不估計該題參數
6.若有刪題的情形,分析前出現warning:「You will have to recode the data before estimation can proceed」的指令
原因出在當設定平均難度為0時
各向度的最後1題被限制住不進行估計,因此當要刪除的題目為最後一題時會發生這樣的情形。解決方式為調整format的題號順序,讓被刪除的那一題難度不會被限制住。例如:
format responses 1-8,10,9,11-30; 但此時需注意label也必須同時調整。且題序改變之後,原始資料的第10題已被設定為9,第九題已被設定為10,因此若是要刪除第十題,指令為 delete items(9)。

2011年9月19日 星期一

Development of computerized adaptive testing (CAT) for the EORTC QLO-C30 physical functioning dimension

Qual Life Res. 2011 May;20(4):479-90. Epub 2010 Oct 23.
Development of computerized adaptive testing (CAT) for the EORTC QLQ-C30 physical functioning dimension.

Aim
發展健康相關生活品質量表--EORTC QOL-C30(適用於癌症病人)之電腦適性評量系統
  
Methods
  Sample
    1.來自丹麥、法國、德國、義大利、台灣以及英國的受試者。
    2.條件:癌症診斷、18歲以上、生理及心理層面都足以回答問卷者。

  Questionnaire
    56題(5題來自原始問卷,51題為新編題目)

   Analysis
     1.以因素分析判定問卷結構是否符合單向度假設,以及local independence是否存在,並以是否
        符合單向度假設作為刪題的考量。
         →EFA使用因素負荷量、scree plots、% of variance、residual correlation;CFA使用fit index
     2.以IRT判定每一個題目的item fitting。
     3.使用ordinal logistic regression判定題目是否有DIF存在。

 Result
      1.雖然EFA結果顯示兩因子模型,但第一個因子解釋變異量遠大於第二個因子解釋變異量(66.8 vs. 10.6)。因此作者認為問卷符合單因子模型。
      2.CFA以單因子模型分析,保留34題可得到最佳模型適配度。
      3.561組residual的相關分析中,僅10組相關值大於0.25,顯示除第一個因子外,並無任何顯
         著因子影響這34題,顯示local independence存在。
      4.IRT以GPCM估計法分析,以item fit、難度值、題目內容、點數是否錯置等指標進行刪題,
         於34題中保留31題。
      5.新版的31題問卷所得到的訊息量較原始題目(5題)來的高,顯示新版問卷較佳。
      6.DIF分析中也顯示,沒有發現任何相關的族群差異會影響題目的分數。

 Comments
       1.在原始題庫轉變成CAT的過程中,本文提供相當完整的分析方法與程序,可做為參考。
       2.結果第5點中,證明新版問卷較舊版問卷,可得到較多訊息量的論證有誤。因為新版使用
           31題,而舊版僅選取了5題,光從題目數量來看,新版本就可以獲得較多的訊息量。較 
           佳的方法為,在新版中隨機選取五題,並與舊版五題進行比較。