通过先进的计算机自适应测试来减少医疗保健中PROM患者的负担,停止规则

科学领域:

• 心理测量和健康结果测量
• 计算机化的适应性测试 (CAT)
• 项目响应理论 (IRT)

背景情况:

• 计算机化适应性测试 (CAT) 减少了评估患者报告的健康结果的患者负担.
• 在CAT中优化停止规则可以进一步降低患者负担,提高评估效率.
• 标准误差减少 (SER) 是CAT停止规则中的一个关键参数.

研究的目的:

• 优化计算机自适应测试 (CAT) 中的标准误差减少 (SER) 停止规则.
• 进一步降低使用CAT的健康结果评估中的患者负担.
• 调查不同SER值对CAT效率和准确性的影响.

主要方法:

• 利用了来自荷兰-法兰西PROMIS评估中心的PROMIS焦虑和抑郁症状CAT响应数据.
• 对于每一个CAT步骤,估计的Theta级别 (θ) 和标准误差 (SE) 值 (θ).
• 强制增加SER值 (0.01-0.20) 并将CAT效率 (M_效率),管理的项目数量 (Mn_项目),平均SE(θ) (M_SE(θ)和平均T分差 (M_∆T) 与默认规则进行比较.

主要成果:

• 优化SER值导致了对焦虑和抑郁症状的CAT测试更短,更有效.
• 优化的CATs显示平均效率增加 (焦虑:1.08,抑郁症状:1.45) 和管理的平均项目减少 (焦虑:5.58,抑郁症状:4.79).
• 对于没有问题的参与者来说,优化的规则导致项目减少,但可能会降低准确性和有偏见的T分数.

结论:

• 可以确定一个最佳的 SER 值,以提高 CAT 测量效率,特别是在具有地板/天花板效应的群体中.
• 理想的SER值取决于目标人群的theta (θ) 分布和物件响应理论 (IRT) 模型参数.
• 这种优化策略提高了评估效率,同时承认了特定子组在测量准确性方面的潜在权衡.