Методология; до инветигаци; n Надеждността на клиничните измервания и анализът на съответствието
М. изследвания
Индекс на съдържанието
Въведение
Всяко епидемиологично проучване трябва да гарантира качеството на своите измервания, не само защото ще обуслави до голяма степен валидността на своите заключения, но и поради важността на клиничните решения, които се основават на това изследване. Качеството на дадена мярка зависи както от нейната валидност, така и от нейната надеждност. Докато валидността изразява степента, в която явлението, което представлява интерес, всъщност се измерва, надеждността показва степента, до която се получават едни и същи стойности при измерване повече от веднъж, при подобни условия. Фактът, че измерването е много точно, обаче не означава, че то е задължително валидно. По този начин, ако две последователни измервания на кръвното налягане на пациент са направени с лошо калибриран сфигмоманометър, получените стойности със сигурност ще бъдат подобни, макар и напълно неточни.
При проучвания, които се опитват да оценят валидността на дадена мярка, резултатите от нея се сравняват с резултатите, получени чрез референтен тест (златен стандарт), за който е известно, че е валиден и надежден за измерване на феномена, който представлява интерес. Когато целта е фокусирана върху надеждността на измерване, процесът на измерване се повтаря, за да се оцени съгласието между различните измервания. При проучване на надеждността могат да бъдат оценени следните аспекти:
Коефициентът на корекция на вътрекласовия клас
От математическа гледна точка най-подходящият индекс за количествено определяне на съгласието между различни измервания на числова променлива е така нареченият вътрешнокласов коефициент на корелация (ICC). Този коефициент изчислява средната стойност на корелациите между всички възможни подреждания на двойките налични наблюдения и следователно избягва проблема с зависимостта от реда на коефициента на корелация. По същия начин той разширява използването си и в случая, в който има повече от две наблюдения на субект.
Едно от основните ограничения на ICC обаче е трудността при изчисляването му, тъй като то трябва да бъде оценено по различни начини в зависимост от дизайна на изследването. Най-често срещаната форма на изчисление се основава на модел на дисперсионен анализ (ANOVA) с повтарящи се мерки (Таблица 2). Идеята е, че общата променливост на измерванията може да бъде разложена на два компонента: променливостта поради разликите между различните субекти и променливостта поради разликите между измерванията за всеки обект. Последното, от своя страна, зависи от променливостта между наблюденията и остатъчна или случайна променливост, свързана с грешката, свързана с всяко измерване. След това ICC се определя като пропорция от общата променливост, която се дължи на променливостта на субектите.
В момента стойността на CCI може да бъде получена директно с някои компютърни програми като SPSS. Друг лесен начин за получаване на ICC стойността е от таблица ANOVA за повтарящи се мерки. Като пример, Таблица 3 представя данни от хипотетично проучване, при което е взето систолично кръвно налягане при 30 пациенти, използвайки два различни метода. Ако тези данни са представени графично, коефициентът на корелация r = 0,997 показва практически линейна асоциация (Фигура 2). От съответната ANOVA таблица (Таблица 4) ICC може да се изчисли като:
където k е броят на наблюденията, направени по всеки предмет. В примера:
Както всяка пропорция, стойностите на CCI могат да варират от 0 до 1, така че максимално възможното съгласие съответства на стойност на CCI = 1. В този случай цялата наблюдавана вариабилност ще се обясни с разликите между обектите, а не с разликите между методите за измерване или различните наблюдатели. От друга страна, стойността CCI = 0 се получава, когато наблюдаваното съгласуване е равно на това, което се очаква да се случи само случайно. Когато се тълкуват стойностите на ICC, всяка класификация е субективна, въпреки че е полезно да има класификация като тази, предложена от други автори (Таблица 5).