Действа ли една интервенция при един човек? (анализ на единичен случай)

Накратко

Един човек (или няколко) се измерва многократно през по-дълъг период: първо без интервенция (фаза A, изходно ниво), после с интервенция (фаза B). Въпросът е дали стойностите във B са различни - обикновено по-добри - от тези в A. Критериите за сравняване на групи тук не подхождат, защото измерванията следват едно след друго и са свързани помежду си. Затова Statable сравнява фазите с NAP (основна стойност), Tau-U, Tau с корекция за изходното ниво и PND и начертава обичайната диаграма на хода във времето.

Кога пасва?

• Диагностична оценка и оценяване на интервенция при дете или младеж, напр. скорост на четене на седмица преди и след началото на интервенция по четене.
• Няколко души със същия план (множествено изходно ниво): една диаграма за всеки човек и средна стойност за всички хора.

Как изглежда таблицата

Един ред за момент на измерване. Нужни са колоната с мярката (число) и колона, която разграничава изходното ниво (baseline) от фазата на интервенцията (точно две стойности, напр. „A“ и „B“). По желание: колона с момента на измерване (число или дата; иначе важи редът на редовете) и, при няколко души, колона, която ги различава.

Изисквания и ограничения

• Поне 3 измервателни точки (data point) във всяка фаза, за предпочитане 5 (What Works Clearinghouse). При по-малко Statable показва бележка.
• Първо всички измервания в изходното ниво (baseline), после всички измервания по време на интервенцията (A-B). Редуващи се фази (A-B-A-B) Statable засега не изчислява.
• Тренд още в изходното ниво (baseline) се отбелязва; NAP и PND не го отчитат, а Tau-U („минус тренд A“) и Tau с корекция за изходното ниво го отчитат.
• Последователните измервания често си приличат (автокорелация). Statable показва бележка, ако това е забележимо (лаг 1 от ,30); p-стойностите тогава са твърде оптимистични.
• Един A-B дизайн (A-B design) сам не показва причина: зад него могат да стоят съзряване, случайност или други събития.

Прочитане на резултата

• NAP е делът на двойките от едно измерване в A и едно в B, при които B е по-добро (равенството се брои наполовина). 0,5 означава липса на разлика, 1 означава пълно разделяне. Емпирично правило (Parker и Vannest 2009): до ,65 слабо, до ,92 средно, от ,93 силно.
• Tau-U и Tau с корекция за изходното ниво (baseline) също лежат между −1 и +1; групиране по Vannest и Ninci (2015): до ,20 малък, до ,60 умерен, до ,80 голям, над това много голям.
• PND е делът на стойностите във B над най-добрата стойност в A; той зависи от една-единствена стойност и тук служи за сравнение с по-стари работи.
• Ако по-ниска стойност се счита за по-добра (напр. грешки), превключете посоката в резултата. Диаграмата може да показва линия на средната стойност или на тренда за всяка фаза.

NAP = ,97, 95% ДИ [,70; 1,00], p = ,003; Tau-U = ,93, p = ,002; Tau-BC = ,59, p = ,002; PND = 87%

За специалисти

Собствен код, проверен спрямо R (scan 0.68.1: nap, tau_u(method = „parker“), corrected_tau, pnd; SingleCaseES::NAP; wilcox.test). Интервал на NAP по Newcombe (score интервал за AUC), p от теста на Ман-Уитни с нормално приближение (двустранен). Tau-U по Parker и др. (2011): (двойки, в които B е по-добро − двойки, в които B е по-лошо [− S на Кендъл за A във времето]) / (nA · nB); p от S на Кендъл с корекция за равни стойности. Tau с корекция за изходното ниво (baseline) по Tarlow (2017): проверка на тренда в A с τb на Кендъл (α = ,05); при статистически значим тренд се изважда правата на Тейл-Сен за A, след това τb между остатъците и фазата. Моментите се приемат за равноотдалечени (1…n). При няколко случая средните са прости средни на показателите по случаи, без претегляне.

Типични примери

• Едно дете чете по една минута всеки ден: думи в минута преди и по време на интервенцията (NAP, Tau-U).
• Една ученичка: колко пъти на час пречи на занятието - без и с план за подкрепление?