Dissenys - Bloc III (2014)

Apunte Catalán
Universidad Universidad de Barcelona (UB)
Grado Psicología - 2º curso
Asignatura Dissenys de Recerca
Año del apunte 2014
Páginas 22
Fecha de subida 08/04/2016
Descargas 7
Subido por

Descripción

Apunts de Dissenys - Victòria Carreras, Manuel Viader, Antonio Cosculluela

Vista previa del texto

asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com BLOC III: DISSENYS LONGITUDINALS • Característiques principals: o Tots els dissenys d’aquest bloc tenen caràcter longitudinal, és a dir, que tenen l’objectiu bàsic de fer un seguiment en el temps del fenomen d’estudi. Per fer-ho, fan diversos registres de resultats al llarg del temps, de forma que es posin de manifest aspectes com el grau d’estabilitat, la possible existència de tendències, la rapidesa d’impacte d’una intervenció o la persistència del seu efecte, etc. o En general cal considerar que qualsevol plantejament longitudinal necessita com a mínim de sèries de tres registres de dades, difícilment es pot considerar útil una sèrie només amb dos resultats, ja que ens ofereix molt poca informació i fins i tot no fa possible establir de forma fiable cap mena de tendència que puguin mostrar les dades. o Registre de múltiples observacions al llarg del temps, abans i després de l’aplicació d’un determinat tractament. o En principi els diferents registres de resultats es fan sobre els mateixos subjectes, però això no sempre és possible (p. ex.: es registra cada setmana el temps de recuperació mitjà dels pacients que són donats d’alta d’un hospital, evidentment els subjectes no són els mateixos d’una setmana a l’altra, per tant la unitat global o “grup”, és a dir, l’hospital, és el mateix, però els subjectes van canviant). o Una decisió fonamental es refereix al nombre de registres i a l’interval que volem establir entre ells. El nombre de registres ha de ser suficient per detectar els aspectes d’evolució que volem estudiar (tendències, estabilització de l’efecte d’un tractament, etc.), cosa no sempre fàcil d’establir, ja que depèn de les característiques temporals del fenomen que estiguem estudiant. Per altra banda, els intervals entre registres han de ser els correctes per obtenir un nivell de “sensibilitat” suficient. Si, per exemple, es treballa amb un cas de tabaquisme, sembla més raonable fer registres diaris (que ens poden informar, per exemple, de diferències entre la setmana laboral i el cap de setmana) que no registres setmanals o mensuals. En canvi, en un registre d’actes delictius a una ciutat probablement n’hi haurà prou amb registres setmanals o fins i tot de menor periodicitat. o Semblança estructural amb els dissenys de replicació intrasubjecte (però sempre treballant amb grups naturals). asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com 1. DISSENYS QUASI-EXPERIMENTALS LONGITUDINALS / DE SÈRIES TEMPORALS • Els principals tipus de dissenys quasi-experimentals longitudinals són: o Disseny simple de sèries de temps: Exemple: S’intenta veure si una reforma legislativa que protegeix la intimitat de les persones denunciants de delictes sexuals té com a conseqüència un increment en el nombre de delictes denunciats. Es disposa de registres mensuals del número de denúncies durant els dos anys anteriors a la introducció de la reforma, i es continuen realitzant registres durant els anys següents a la seva implantació. o Disseny de sèries de temps amb grup control no equivalent: Equivalent al disseny transversal (comparació estàtica), però amb diversos registres pre-test i post-test per als grups experimentals i control. o Disseny de sèries de temps amb variables dependents no equivalents: asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com Exemple: Es vol esbrinar si la introducció de controls d’alcoholèmia a les proximitats de les zones d’oci d’una determinada ciutat produeix una disminució del número d’accidents de trànsit en aquestes zones. Per afinar la informació obtinguda, es decideix fer els registres en dues circumstàncies diferents: durant el cap de setmana, on els bars i altres locals estan en màxima activitat, i durant hores d’altres dies en els quals els locals són tancats (matins dels dies feiners). Els resultats mostren que quan s’aplica la intervenció, durant el cap de setmana es produeix una reducció important dels accidents, mentre que a la resta d’hores no hi ha variació. Això indica que l’accidentalitat del cap de setmana està vinculada a l’afluència de públic als locals i al consum d’alcohol, i que la introducció dels controls d’alcoholèmia és eficaç. Aquest és un cas especial de variables dependents no equivalents. En realitat no hi ha dues variables dependents diferents, sinó només una que és registrada en dues situacions diferents, amb la idea que en una de les circumstàncies es produirà un canvi i en l’altra no. Naturalment, es pot pensar en casos més estàndard on realment hi hagi dues variables dependents, una d’elles “no equivalent”. o Disseny de sèries de temps amb retirada de tractament i disseny de sèries de temps amb replicacions múltiples: Exemple: En aquest estudi s’intenta descobrir si el fet d’introduir un psicòleg o psicòloga als equips mòbils d’assistència sanitària pot suposar una reducció del nombre d’ingressos hospitalaris. Es suposa que un número importants de peticions d’ajut als equips mòbils es poden relacionar amb trastorns com atacs de pànic, crisis d’ansietat o altres, que podrien ser tractats directament i evitar un possible ingrés a l’hospital. Es disposa de les dades del nombre d’ingressos durant un cert període, després s’introdueix la presència del psicòleg als equips mòbils i es continuen fent registres, i finalment es retira la presència d’aquests professionals i es segueix registrant el número d’ingressos hospitalaris. Es pot veure fàcilment que la presència de professionals de la psicologia als equips mòbils es tradueix en una reducció apreciable del número d’ingressos, i que la seva retirada posterior produeix un retorn dels ingressos als nivells anteriors. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com o Disseny de sèries de temps amb replicacions asincròniques: Exemple: En un estudi realitzat als Estats Units durant els primers anys d’implantació de la televisió es volia constatar si la introducció dels nous aparells tenia com a conseqüència un increment en els robatoris a domicilis. La introducció de la televisió es va produir en moments diferents a diverses zones del país. Els investigadors van estudiar el nombre de robatoris en dos tipus de ciutats: Aquelles on la televisió es va introduir entorn de l’any 1951 (Early cities) i aquelles on es va introduir a l’any 1955 (Late cities). En els dos casos es van fer registres anuals del número de delictes abans i després de la introducció de la televisió. En un disseny com aquest se suposa que cadascun dels grups reaccionarà en el moment d’introduir el canvi. Els resultats d’aquest cas no són molt clars, ja que si bé el grup de Late Cities es comporta clarament com s’esperava, el grup d’Early Citites ja mostrava un increment de delictes des de molt abans d’aquest canvi (probablement per tractar-se de les ciutats més grans del país). Per tant, la comparació entre els dos grups no és tan clara ni informativa com es podia pensar en el moment de fer l’estudi. Tot i que aquest exemple és presentat sovint com a estudi quasi-experimental, es podria discutir aquesta idea, ja que en realitat no hi ha una manipulació intencionada, sinó que s’aprofita un fet que no està sota control de l’investigador (la introducció de les emissions de televisió). Per tant, es pot defensar perfectament la idea de que es tracta d’un estudi ex-post-facto. 2. DISSENYS DE CAS ÚNIC (N=1) (AKA REPLICACIÓ INTRA-SUBJECTE) • Característiques principals: o Els dissenys de cas únic es consideren un exemple especial de disseny experimental. Es treballa amb un únic subjecte o bé amb un petit número de casos que són analitzats individualment (unitat experimental). Es situen en el grup d’experimentals perquè, si es fan bé, ens donen una oportunitat clara de fer comparacions (tot i que sigui discutible). o Els dissenys de cas únic s’han aplicat en dos contexts: Ø Recerca bàsica: control estricte i importació de metodologies pròpies de les ciències experimentals clàssiques. En aquest sentit, han estat utilitzats com a instrument bàsic de asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com recerca en el conductisme skinnerià (ex: caixa d’Skinner à mecanisme en el qual un animal és mantingut es condicions constants de tipus ambiental, alimentació, etc., controlant així radicalment qualsevol influència que pugui rebre. D’aquesta forma, es pot avaluar de manera molt clara l’impacte de qualsevol canvi introduït per l’experimentador (per exemple, un programa de reforçament positiu destinat a aconseguir un determinat aprenentatge). Ø Recerca aplicada: Especialment útils en àmbits com la psicologia clínica, on s’utilitza l’acumulació d’evidències (casos) per poder generalitzar. En el cas de la recerca aplicada, poden utilitzar-se en situacions on hi hagi una intervenció adreçada a un subjecte en particular (o a diferents participants, però cadascun d’ells tractat individualment), sempre que es puguin obtenir registres fiables i continuats d’una o diferents variables dependents abans i després de la introducció de la intervenció, en condicions que permetin un cert control de variables de confusió (tot i que això últim no sempre és fàcil en situacions “reals” o de camp). o En ells també es fa una mesura de les variables dependents en múltiples ocasions de registre (sèries temporals). o Hi ha presència de fases de no-tractament (línia base), que serveixen com a element de comparació de les dades registrades durant d’aplicació de la intervenció experimental. En aquest sentit, juguen un paper similar a altres elements de comparació que s’han vist en diferents dissenys (per exemple, el paper que juga el grup control en un estudi experimental o quasi-experimental). D’altra banda, evidentment hi ha fases de tractament (fases d’intervenció). • Limitacions o dificultats: 1. Habitualment no és fàcil obtenir sèries llargues de dades. 2. No és possible obtenir sèries quan les variables dependents no admeten registres continuats i repetits. 3. Necessitat d’establiment potent de la fiabilitat del registre de les VD. 4. Possibles efectes reactius del registre continuat. El registre de la VD ha de complir certes condicions. El fet que necessitem sèries de dades és una limitació perquè, en diversos casos, no té sentit (ex: aplicar 20 vegades un test d’ansietat a una mateixa persona). Per tant, utilitzarem variables de tipus conductual o fisiològiques. Tot i això, les conductuals també poden donar problemes a l’hora de registrar el pre-test (p. ex. si volem intervenir davant d’un nen que agredeix als seus companys i estem 3 mesos observant la conducta en pre-tests, els altres nens seguiran patint). • 5. Dificultat de control en situacions naturals. El control en situacions aplicades és bastant reduït, per tant s’han de tenir en compte les variables de confusió a l’hora d’interpretar. Les decisions bàsiques que s’hauran de prendre són quantes fases tindré (de cada tipus –base i intervenció-), de quina duració, establir criteris per decidir el moment de la intervenció, el nombre de registres per fase i els intervals entre registres (sensibilitat al canvi). A l’hora de prendre decisions en el asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com • disseny de l’estudi es pot produir una certa contraposició entre el que metodològicament seria més correcte i el que la situació real permet. Per exemple, quan més llargues siguin les sèries de dades, major informació obtindrem, però és obvi que en una situació real no ens podrem plantejar períodes de registre molt llargs (sobretot si hi ha necessitat d’una intervenció urgent, com passa sovint en l’àmbit clínic). Per altra part, quantes més vegades puguem introduir i retirar el tractament experimental (per tant, quantes més fases de línia base i tractament tinguem), millor informació tindrem, però també està clar que això té limitacions pràctiques. En relació a les línies base, cal posar especial atenció als seus resultats, sobretot a l’absència de tendències (estacionaritat) i a l’estabilitat. Una línia base serà estacionària si no mostra cap tendència, i serà més estable com menor sigui la seva variabilitat. En el cas de tenir un disseny de replicació intrasubjecte, si treballem amb diferents participants hem de mantenir el caràcter individualitzat de l’anàlisi per a cadascun d’ells, el que no farem mai és obtenir mitjanes ni altres estadístics similars, com es feia als dissenys experimentals clàssics. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com La línia vertical equival al moment d’intervenció. De la comparació entre la línia base i la fase d’intervenció se’n podrà començar a derivar els possibles efectes. La idea bàsica és fer una valoració dels resultats gràfics i els criteris (clínics, socials, educatius, etc.) que es tenen prèviament, sense la necessitat de realitzar proves estadístiques. • Terminologia bàsica de fases: A - fase de línia base: registre/s en situació de no-intervenció. A’ - Línia base en situacions especials: placebo, no-contingència, etc. B - fase d’intervenció. B’, B’’, etc. - nivells diferents del mateix tractament: ex: B=tractament farmacològic, B’= 100ml d’aquest tract., B’’=200ml, etc. o B, C, D, etc. - tractaments diferents. o B1, B2, B3, etc. - canvi de criteri. o o o o 2.1. Classificació dels dissenys de replicació intra-subjecte: 2.1.1. Dissenys d’estructura simple (comparacions intrasèrie): • • La idea de comparacions intrasèrie es refereix a que es comparen resultats del mateix subjecte obtinguts en diferents fases de línia base i tractament, amb les variants que sigui. Són dissenys amb una sèrie i diferents fases: o A-B (quasi-experimental) à per la seva debilitat alguns autors el consideren com un disseny quasiexperimental. És una forma discutible d’enfocar-ho, però com a mínim permet visualitzar la diferència entre el disseny A – B i tota la resta. o A-B-A, A-B-A-B, A-B-A-B-A, etc. o B-A-B + variants à cas especial en què es comença amb el tractament i sense línia base prèvia (p. ex: per urgència, quan un nen s’autolesiona. Després retirarem la intervenció per poder comparar). No és la millor solució metodològicament, però ho pot ser a nivell pràctic. o Diversos nivells: A-B-A-B’ (B’’, B’’’,...) o Tractaments múltiples: A-B-A-C (D, E,...) o Interactiu: A-B-A-C-BC o Canvi de criteri: A-B1-B2-B3... asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com • • Inspecció visual d’una gràfica: la inspecció visual de gràfics en un disseny N = 1 es basa en la valoració del comportament de les dades dins de cada fase (estabilitat, estacionarietat) i en la comparació entre unes fases i altres, ja siguin fases de línia base que es comparen amb les fases de tractament, comparacions de tractaments diferents, o bé fases del mateix tipus. Davant una gràfica cal fixar-se en diversos elements com ara: o Estabilitat de la línia base. o Variabilitat intrafases. o Variabilitat entre fases. o Solapament entre fases adjacents: grau de similitud entre fases contigües (per exemple, en un disseny A – B, fins a quin punt els resultats de la fase B es mantenen dins dels marges registrats a la fase A?). Si la línia base té un mínim d’estabilitat, ens pot ajudar el fet d’establir entre quins límits es mouen les línies base. Si són diferents ha pogut tenir efecte. o Canvis de tendència. o Canvis de nivell. o Comparació entre fases similars: si tinc un disseny A-B-A-B, tindrà molt de sentit mirar què ha passat a les dues fases de tractament (B) per veure si es dóna de manera similar (igual amb A). Patrons de canvi: El canvi de nivell pot ser immediat o demorat, és a dir, produir-se al cap d’un temps de l’aplicació de la intervenció, no de forma immediata. El canvi pot ser permanent (mantenir-se durant tot el període registre, com és el cas del gràfic), però també temporal (retorn total o parcial al nivell de la línia base). Exs: asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com • • Moltes vegades la simple inspecció visual dels gràfics no sempre és suficient per valorar el possible impacte de la intervenció i, molt sovint, necessitarem d’eines o elements complementaris. Fases: 1. Valoració del gràfic. 2. Valoració substantiva recollida en la teoria. 3. Estadística, si és necessària, però amb un paper secundari. Exemples gràfics dels diferents tipus de dissenys: És un disseny dèbil. No tenim un punt de comparació (per exemple, una altra línia base A després de B) i, per tant, no podem saber si qualsevol canvi produït és producte de la intervenció. En aquest cas concret, les dades semblen mostrar que el tractament introduït no produeix efecte en els resultats (la tendència creixent mostrada a la línia base, que clarament no és estacionària, es manté a la fase d’intervenció. Útil sempre i quan la intervenció sigui retirable. La retirada ens serveix com a control (punt de comparació). En aquest cas, tenim una doble evidència de l’impacte de la intervenció, ja que quan aquesta es retira, es produeix una regressió a la línia base. Això pot ser interessant metodològicament, però no a nivell pràctic, ja que significa el canvi produït pel tractament és només transitori i depèn de la presència continuada del tractament. No és molt aconsellable, en general. Necessari quan la situació mereix una intervenció immediata (no es pot aplicar una línia base). La línia base es dóna després d’haver aplicat el tractament, com a control. Però en general no és un disseny fàcil d’interpretar. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com • En aquest disseny és interessant veure si cada reintroducció ens dóna un mateix patró de resultats. Es pot prolongar i allargar si les circumstàncies ho permeten i aconsellen. En aquest cas hi ha un efecte clar del tractament, perquè en les diverses vegades que s’aplica, es produeix un canvi de tendència. S’introdueixen simultàniament dos o més tractaments en alguna fase La idea de “disseny interactiu” té una certa relació amb la idea de les interaccions que s’estudiaven als dissenys experimentals clàssics (els dos tractaments poden potenciar-se mútuament, anul·lar-se, o modificar-se entre sí d’alguna manera), tot i que la manera d’analitzar-ho no té res a veure amb els dissenys estudiats al Bloc II. Aquí ens limitarem a estudiar la fase BC com una fase més, comparant-la amb els resultats de la resta de fases, sense cap particularitat especial. En aquest cas concret, podem veure que el tractament B no és efectiu, mentre que el C produeix un canvi de tendència molt clar. La combinació BC tampoc sembla resultar efectiva. Per poder analitzar correctament els resultats d’aquest disseny és important seguir el criteri de fer un sol canvi per fase, tal i com es fa a l’exemple: Línia base – Introducció de B – substitució de B per C , substitució de C per B, introducció dels dos tractaments simultàniament. En canvi, un disseny A – B – A – BC – A - C no seria tan correcte, ja que després de la segona línia base s’introdueixen simultàniament els dos tractament, i després es retiren també tots dos de cop. Disseny de canvi de criteri: es tracta d’un disseny especial basat en la tècnica d’aproximacions successives. S’estableix un objectiu conductual concret; per exemple, reduir un 80% el nombre de faltes d’ortografia que fa un nen a les seves redaccions, en un cas on els errors s’atribueixen sobretot a distraccions, no a un desconeixement de les regles ortogràfiques. Per arribar a aquest objectiu, s’utilitza algun tipus d’actuació (normalment un reforçament positiu o negatiu) per anar assolint objectius intermedis. Per exemple, suposem que el nen ha de fer una redacció diària a l’escola. A la primera setmana es registra el nivell inicial d’errors ortogràfics a la redacció diària, sense intervenció (fase de línia base). A la segona setmana, el nen pot obtenir un punt de bonificació (bescanviable per determinats beneficis escolars) si comet menys de 15 errors (fase B1). A la tercera setmana el punt s’aconsegueix només si comet menys de 10 errors (fase B2), i a la quarta setmana si se’n cometen menys de 5 (fase B3). D’aquest forma, es va “modelant” el comportament fins arribar a l’objectiu establert. Cal fer notar que la intervenció (un reforç positiu concret) es manté constant al llarg de tot el procés (no es modifica el número de punts obtinguts, ni s’utilitza cap altre incentiu), el que canvia és l’exigència conductual que es fa a canvi. Per tant, parlant estrictament no és un cas on s’utilitzin diferents nivells del tractament, (B, B’, B’’, etc.) encara que hi té una semblança. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com A l’àmbit clínic no és infreqüent l’ús de la idea d’aproximació successiva a un objectiu. És el cas, per exemple, del tractament de les fòbies, en el qual el temps que el pacient pot passar davant de l’objecte fòbic es va increment progressivament. 2.1.2.
Dissenys d’estructura complexa (comparacions intra i entre sèries): • • Els dissenys d’estructura complexa són útils especialment quan no és possible o desitjable introduir fases de reversió de conducta (línies base intercalades) una vegada introduït el tractament experimental. En aquests casos, a més de les típiques comparacions intra-sèrie, és habitual plantejar comparacions entre sèries diferents de dades, referides a conductes diferents, a situacions diverses, etc. Dos casos principals: o Disseny de línia base múltiple: la idea bàsica és que la intervenció successiva sobre diversos subjectes, conductes o situacions, de forma que la comparació entre elles estableix un element de control. Cal prendre algunes precaucions: conductes independents i sensibles, subjectes sense interacció i comparables, situacions mínimament equiparables, etc. Tres tipus: Ø Entre conductes: Ex: Es vol millorar els hàbits d’una nena en relació a tres aspectes diferents: temps que tarda a vestir-se, temps que dedica a rentar-se les dents i temps que tarda en menjar a migdia. S’estableix un sistema d’economia de fitxes que s’aplica als tres comportaments citats. Es tracta inicialment el temps per vestir-se (els altres dos no són tractats), en segon lloc es comença a tractar el temps per rentar-se les dents (el darrer hàbil encara no es tracta, el primer es continua tractant) i finalment es comença a tractar el temps dedicat a menjar (els tres hàbits són tractats). Ø Entre situacions: Ex: Per a una mateixa nena i un únic comportament (temps dedicat a menjar a migdia), es defineixen dues situacions diferents: dinar a casa o dinar a l’escola. S’introdueix el tractament en una de les situacions però no a l’altra, i posteriorment s’introdueix per a la segona situació. Ø Entre subjectes: Ex: Es vol millorar un dels hàbits citats al cas anterior (per exemple, el temps dedicat a menjar) en tres nenes que dinen a la mateixa escola. S’intervé primer amb una d’elles (mitjançant el programa d’economia de fitxes) sense coneixement de les altres dues, després s’introdueix la intervenció a la segona nena participant, i finalment a la tercera. En aquest cas, miraré com ha canviat cada persona al introduir-li la intervenció (comparació intra-sèrie) i entre les diferents persones (entre sèrie), és a dir, quan introdueixo tractament a la 1ª persona, què passa asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com amb la 2ª i la 3ª. Si les altres també canvien, pot ser degut a un entorn compartit i no a l’efecte del tractament. Malgrat les diferències, hi ha un principi comú a les tres variants: Els components no tractats (siguin altres subjectes, altres conductes o altres situacions) serveixen com a control o element de comparació, de forma que podem trobar que el component tractat mostra un canvi, mentre que els altres es mantenen sense modificacions. Això permet incrementar la seguretat respecte de que els canvis registrats són deguts realment a la intervenció experimental, i no a qualsevol altre factor. o Disseny de tractaments alterns (programa múltiple): aquest disseny només es pot utilitzar quan és possible alternar ràpidament dos o més tractaments, cosa que implica que s’han de poder implantar i retirar de forma senzilla. Per aquest motiu no es poden aplicar a tractaments complexos (per exemple, comparar dues teràpies psicològiques), ni a tractaments per fases que podrien generar factors de confusió lligats al temps, però sí a estímuls ambientals o situacionals que es puguin modificar fàcilment. Per exemple, podem intentar esbrinar si el resultat d’una sessió de teràpia de relaxació per reduir la tensió muscular d’un determinat pacient dóna millors resultats si el terapeuta és un home o una dona (si es sospita que això pot ser un aspecte rellevant). En aquest cas, a les diferents sessions s’anirien alternant (aleatòriament) els dos terapeutes, per veure en quin cas s’obté millor resultat. L’aplicació dels tractaments sol fer-se de forma aleatòria. Ex: B-C-B-B-C-B-C-C-C-B-B-C.... La seva utilitat rau en el fet que neutralitza efectes de confusió deguts al temps. 2.2. Anàlisi de dades en dissenys de replicació intra-subjecte: • Com s’ha indicat abans, en els dissenys N = 1 és fonamental fer una valoració dels gràfics de resultats, però aquesta forma d’avaluar els resultats té les seves limitacions. Naturalment, aquesta valoració dels gràfics s’ha de basar en gran part en criteris d’anàlisi propis de cada situació (per exemple, criteris clínics en el cas del tractament d’una patologia). Sovint això pot ser suficient per assolir una avaluació correcta de la situació i els resultats obtinguts. En alguns casos pot ser útil utilitzar, de forma complementària, algun tipus de prova o tècnica estadística, tot i que la importància d’aquest tipus de proves és molt menor que en el cas dels dissenys experimentals clàssics. En la gran majoria dels casos, però, l’AVAR no és aplicable perquè els registres no són independents, ja que és una mateixa persona la que genera tots els registres. D’altra banda, els índexs de centralització (mitjana) perden gran part de la seva representativitat i ens poden portar a interpretacions errònies. En resum, es poden utilitzar: asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com - - Tècniques (molt pocs casos). Tècniques determinats subjecte. Models de sèries no aplicables en el necessiten molt estadístiques clàssiques específiques per a dissenys de replicació intratemporals (molt bons però 95% dels casos, perquè mostratge). 2.2.1. Tècniques estadístiques clàssiques: • S’han fet algunes propostes per utilitzar tècniques estadístiques convencionals (t d’Student, anàlisi de la variància) per analitzar dades de dissenys de replicació intra-subjecte. L’incompliment evident d’algunes de les condicions d’ús d’aquestes proves (per exemple, independència dels registres) i altres insuficiències (per exemple, la pèrdua de valor dels estadístics de centralització, com és el cas de la mitjana aritmètica, en situacions de gran variabilitat i amb possibilitat de canvis de nivell, tendència, etc.), planteja un problema. Alguns autors han proposat modificacions de les proves estadístiques convencionals per adaptar-les a les característiques de les dades dels dissenys N = 1, però en general els resultats no han estat convincents i l’ús d’aquestes proves és mínim. Les tècniques que han mostrat més utilitat són les derivades dels models de regressió lineal, com es mostrarà al parlar dels models de sèries temporals. 2.2.2. Tècniques específiques: • Hi ha un conjunt de tècniques d’anàlisi que han estat pensades específicament per als dissenys N=1. Vista la diversitat de propostes, s’han classificat en dues categories: Tècniques no gràfiques (basades en una anàlisi numèrica de les dades) i tècniques gràfiques (basades en algun tipus de “manipulació” o ’anàlisi dels gràfics de resultats). Com que hi ha moltes eines diferents, es presenta únicament un llistat general de cada una de les dues categories de tècniques i un exemple concret d’una tècnica de cada tipus, a mode d’il·lustració: o Tècniques no gràfiques: Ø Proves d’aleatorització (Edgington). Aplicable només en dissenys de programa múltiple Ex: asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com Ø Proves de Revusky (línia base múltiple). Ø Dependència serial: prova de Dufour. Ø Tendències: tau de Kendall, prova de rècords. Ø Altres (estadístic C, proves de signes, etc.) o Tècniques gràfiques: Ø Tendència lineal: Divisió en meitats (Split-middle). Serveix únicament per detectar canvis de tendència en tendències més o menys lineals. Ex: Amb aquesta tècnica es dibuixa una línia recta que mostra més o menys els resultats de la línia base, i mirem si això es manté en la fase tractament. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com Es subdivideix la fase de línia base en dues meitats, deixant la meitat dels punts a l’esquerra i la meitat a la dreta de la línia de divisió. Si el número de dades és imparell, la línia de divisió haurà de passar per sobre de la puntuació situada al mig de la fase. Les dues meitats obtingudes a la fase anterior es divideixen a la seva vegada en dues submeitats. Es calcula la mediana de cadascuna de les meitats principals, i es traça una línia horitzontal a l’alçada de la mediana corresponent a cada meitat. Naturalment, la línia horitzontal de cada meitat es creuarà amb la línia vertical que marca la divisió en sub-meitats (línies vermelles). Finalment, s’uneixen els dos punts de creuament identificats al punt anterior amb una línia recta, i es prolonga aquesta línia recta també a la fase d’intervenció. La idea és que la línia recta obtinguda representa la possible tendència de les dades (tècnicament, ha de deixar a sobre i a sota la meitat de les puntuacions). asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com A l’exemple proposat es pot veure que les dades mostren una tendència creixent a la fase de línia base. Si el tractament no té cap efecte sobre els resultats, és lògic pensar que a la fase d’intervenció aquesta tendència continuarà, i que aproximadament la meitat de les puntuacions de la fase d’intervenció estaran per sobre de la línia recta i l’altra meitat per sota. Com es pot veure, això no es compleix a l’exemple: a la fase d’intervenció, només una puntuació està per sobre de la línia i les altres 7 estan per sota. Això fa pensar que el tractament ha produït un canvi de tendència i, per tant, que té algun efecte sobre els resultats. Alguns autors proposen utilitzar la distribució binomial per obtenir la probabilitat de que per atzar s’hagi produït la distribució obtinguda, però també hi ha objeccions a aquesta possibilitat. Ø Tendències no lineals: medianes mòbils. Ø Variabilitat: línies i gràfics de rangs. 2.2.3. Models de sèries temporals: • Els models de sèries temporals són el cas de major èxit en l’ús de tècniques estadístiques convencionals en els dissenys de replicació intra-subjecte, fins el punt d’haver-se establert com una alternativa específica i diferenciada. Ara bé, malgrat la seva adequació tècnica, té un problema molt important d’aplicació, ja que per funcionar correctament necessita d’un mínim de 50 registres per fase, una xifra que es produeix en molt pocs casos. S’han plantejat algunes correccions per a sèries més curtes, però sense que es mantingui la mateixa eficàcia. Els models de sèries temporals intenten resoldre un dels problemes principals de les tècniques clàssiques, concretament el seu mal funcionament davant de dades no independents, com són les que es produeixen gairebé sempre en els dissenys N = 1. Modelització dels efectes incloent l’estructura d’auto-correlacions de les dades. o Models auto-regressius. o Models de mitjanes mòbils. o Models ARIMA (auto-regressius i mitjanes mòbils). • Fases principals: asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com 1.
2.
3.
4.
• Establiment d’estructura d’autocorrelacions. Prova de models a partir de correlograma. Establiment del model òptim i validació. Valoració del possible impacte de la intervenció. Ex: La idea bàsica de la tècnica és construir un model de regressió lineal que relacioni els resultats de la variable dependent (variable Y) amb la presència o no del tractament experimental (variable X=0 si és línia base i X=1 si és fase de tractament). El problema de la no independència dels registres s’intenta resoldre incorporant al model la possible correlació entre les dades. Al model que s’exposa, es pressuposa que el resultat obtingut en el registre t és funció de la presència o no del tractament (variable X), però també de les dues puntuacions anteriors (t-1 i t-2). Naturalment, en cas necessari es podrien incorporar més components (t-3, t-4, etc.). D’aquesta manera es pot obtenir un model força complet que ens permetrà valorar el possible impacte de la intervenció mitjançant les proves de significació associades habitualment als models de regressió lineal.
De què depèn una puntuació en un moment determinat? - Del tractament De les puntuacions anteriors: introducció en l’anàlisi de la no-independència dels registres. 3. ESTUDIS DE CORBES DE CREIXEMENT O DESENVOLUPAMENT: • • Les corbes de creixement es consideren dissenys no-experimentals. S’obtenen a partir del registre de variables que canvien en el temps, en situacions no experimentals, és a dir, sense introducció de cap tipus d’intervenció. Aquests corbes mostren, per tant, l’evolució “espontània” de la variable o variables d’interès en el temps. Les corbes de creixement representen un procés de canvi que es produeix en funció del temps (ocasions de registre). Ofereixen possibilitat d’abordatge més quantitatiu (ajust de funcions) i/o més qualitatiu (canvis a la corba, salts, etc.) Encara que lligat sovint a estudis evolutius, el concepte es pot generalitzar a molts processos que es desenvolupen en el temps. Les corbes de temps es construeixen sovint a partir de les mitjanes de cadascuna de les ocasiones de registre. Poden adquirir valor “normatiu” a partir de l’establiment de percentils amb mostres representatives Exemple de diverses funcions: asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com Exemples de funcions lineals (vermella) i curvilínies (verda i blava). Es poden aplicar tècniques d’ajust de funcions per determinar el tipus de funció implicada (lineal, quadràtica, cúbica, etc.). Les línies ens mostren com evoluciona quelcom al llarg del temps Exemple: Evolució de l’índex de massa corporal per a nenes i nens en relació amb l’edat. Cada línia pot correspondre a un subjecte particular o bé a mostres concretes de subjectes, utilitzant en aquest cas les mitjanes del grup. Tenim punts de partida diferents, però l’evolució és la mateixa. • Anàlisi de dades: es fa per mitjà d’ajust de funcions (lineal, exponencial, etc.), enfocament clàssic (AVAR, AMVAR, etc.) i enfocament basat en models multinivell. 4. DISSENYS DE COHORTS I DE PANELL: 4.1. Dissenys de panell: • Un “panell” (panel) és un grup de subjectes que és seguit en el temps amb la idea d’establir la possible relació entre dues o més variables, sense intervenció per part de l’investigador. Exemple: Relació entre consum de tabac i incidència de problemes de salut. El registre de les diferents variables es fa en diverses ocasions de registre (normalment no moltes). • Exemples: asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com L’exemple més senzill de disseny en panell és el que inclou dues variables (X i Y) i dues ocasions de registre (1 i 2), amb l’interval de temps que es determini entre una i l’altra. Notació: 2w2v = 2 ocasions de registre (2w, waves, en la terminologia pròpia dels dissenys en panell) i 2 variables (2v). Les ratlles mostren les correlacions que podem estudiar. Una eina fonamental en els dissenys en panell és l’estudi de les correlacions entre les dades obtingudes per a les diverses variables i ocasions de registre. En el quadre es mostren els tres tipus de correlacions identificables: . Auto-correlacions: Correlacions dels resultats d’una variable al moment 1 amb els registres de la mateixa variable al moment 2. . Correlacions sincròniques: Correlació d’una variable amb l’altra en cadascuna de les ocasions de registre. . Correlacions transretardades: Correlació entre els resultats d’una variable al moment 1 amb els de l’altra variable al moment 2. • Les condicions necessàries per a una bona interpretació dels dissenys de panells són: o Sincronicitat en el registre de les variables. o Estacionarietat del procés o Coneixement raonable d’altres variables implicades. És fonamental que les diverses variables implicades es registrin simultàniament, o com a molt amb diferències de temps petites. La condició d’estacionarietat del procés es refereix a l’estabilitat de les correlacions sincròniques als diferents moments de registre. És un indicatiu de la “coherència” global del procés, considerant que les correlacions entre les dues variables no haurien de variar de forma important en el temps, a no ser que es produeixi l’efecte de variables desconegudes. Sempre és important saber quines altres variables poden influir en la situació, ja que poden explicar en part les relacions detectades. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com Tot i que els estudis en panell són bàsicament correlacionals, es pot intentar establir una relació causal entre les variables, si està ben justificada. Els resultats poden indicar aquesta possible relació quan alguna de les correlacions transretardades és clarament més gran que l’altra (o altres). La idea és que un efecte causal no és instantani, sinó que necessita un temps per manifestar-se. Si els intervals de registre estan ben escollits, una correlació transretardada alta pot ser indici d’efecte causal d’una variable sobre l’altra. Cal insistir en que, en tractar-se d’un estudi no experimental, sempre hi ha el risc que variables desconegudes puguin influir en els resultats i explicar les relacions obtingudes. Els models de regressió lineal poden ajudar a establir i valorar estadísticament les relacions entre variables. A l’exemple proposat es suposa que els resultats de la variable Y al moment 2 són funció dels resultats de la pròpia variable al moment 1 (auto-correlació), dels resultats de la variable X al propi moment 2 (correlació sincrònica) i dels resultats de la variable X al moment 1 (correlació transretardada), cosa que podria fer pensar en una relació causal de X sobre Y, sobretot si l’altra correlació transretardada és molt més petita. • A mode de resum: o Debilitat del disseny amb dues tandes o Importància crucial de la fiabilitat dels registres o Efectes de l’execució de registres repetits o Necessària atenció al possible efecte de variables no controlades o Cal una fonamentació lògica de les inferències causals asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com 4.2. Dissenys de cohorts: Una cohort és un conjunt de persones que han experimentat el mateix fenomen en un mateix interval de temps. Exemples: Persones que han viscut la segona guerra mundial, persones que tenien entre 30 i 40 anys l’any 2000, etc. Normalment, la gran majoria de cohorts es poden considerar com a “cohorts de naixement”: persones nascudes a la dècada de 1930, a l’any 1995, al segle XX, o qualsevol altre. El disseny de cohorts segueix l’evolució d’una o diverses cohorts determinades en relació amb alguna variable d’interès. Mirem el comportament envers una variable de la cohort. L’exemple proposat és el d’un disseny de cohorts transeccional. Suposem que s’intenta esbrinar com varia el coeficient d’intel·ligència a la infantesa, adolescència i joventut en funció de l’edat. Una forma d’estudiar el tema és escollir nens d’edats diferents i valorar-ne el CI amb els instruments pertinents. En el cas del gràfic, a l’any 1990 es van agafar persones que tenien 5 anys (cohort 1985), 10 anys (cohort 1980), 15 anys (cohort 1975) i 20 anys (cohort 1970). El problema evident és que les persones dels diferents grups d’edat són diferents, i no és tasca fàcil assegurar l’equivalència de les diferents cohorts (per exemple, es poden haver produït canvis importants en el sistema educatiu, o molts altres factors que puguin influir, poc o molt, en el desenvolupament de la intel·ligència). Hi ha dificultat al comparar. S’ha de tenir en compte que depenent de la variable, no podrem utilitzar el mateix instrument de mesura. La mateixa recerca indicada a la diapositiva anterior es pot fer amb un disseny pròpiament longitudinal, en el qual una determinada cohort (o m. és d’una) són seguides en el temps per tal de valorar com evoluciona el seu CI. És evident que aquest disseny és metodològicament molt superior a l’anterior, ja que assegura que és el mateix grup el que ofereix els resultats (encara que puguin existir petites variacions, “pèrdua” de subjectes, etc.) i evitar els problemes ja indicats en el cas transeccional. L’únic problema important és, òbviament, que la recerca és molt llarga en el temps, cosa que la pot fer inviable quan es tracta d’intervals molt grans, com és el cas que s’indica. asouto4 – Unybook Si necesitas más apuntes puedes encontrarlos en Unybook.com El disseny de retard de temps és un tipus especial d’estudi de cohorts que permet respondre preguntes diferents als dos dissenys anteriors. Com es pot veure, en moments diferents s’estudien cohorts també diferents, però que en el moment de fer el registre tenen la mateixa edat. A l’exemple, a l’any 1990 es van estudiar els membres de la cohort 1970, que llavors tenien 20 anys. A l’any 1995 es van estudiar els subjectes de la cohort 1975, que tenien 20 anys en aquell moment, i així successivament. Si continuem amb l’exemple de les dues diapositives anteriors, la pregunta que permet contestar aquest estudi és: Evoluciona el coeficient d’intel·ligència a les diferents cohorts?. És a dir: són els joves de 20 anys progressivament més intel·ligents?, o bé, els joves de 20 anys de cohorts recents són més intel·ligents que els de cohorts més antigues? ...