跳到正文
原文
bioRxiv · Neuroscience· Buckner, R. L., Barch 等 12 人
AI 评分54

被试内精度测量:评估变化分数及其方差的原理与效用

Within-Subject Precision Measurement: Theory and Utility of Assessing Change Scores and Their Variance

预印本 · 尚未经过同行评审

AI 导读

被试内研究通过消除稳定的个体间差异来提高统计效力,但选择测量工具时常用的指标多来自重测设计中原始分数的个体间相关。本文阐述从变化分数估计测量特性的统计理论,其中干预前后各测两次的重复变化分数设计可估计平均信号变化,并把变化分数的总方差分解为真实反应异质性与测量噪声;在跨天多次测量的扩展设计中,噪声还可进一步区分场次内与跨天变异。这些估计可用于选择测量方案、比较处理流程、进行效力计算以及评估个体内变化检测的精度上限。

摘要 · AI 翻译

被试内研究通过从比较中移除稳定的被试间差异来获得统计效力。然而,常用于选择测量工具并预期其被试内表现的指标,往往基于重测设计中原始分数的被试间相关。直接测量每个被试的变化——在干预之后,且理想情况下测量不止一次——为评估测量精度和规划被试内变化研究提供了更坚实的基础。在此,我们描述从变化分数估计测量特性的统计理论。在一种具体实现中,干预前和干预后的测量各进行两次,形成重复变化分数设计。这样的设计提供了对平均信号变化的估计,并使变化分数的总观测方差能够分解为真实的被试间反应异质性和测量噪声。在扩展设计中,即在日内和跨日收集多次测量,测量噪声可以进一步分解,以区分会话内与日间的测量变异性。这些估计提供了被试内研究设计所需的输入,包括为在备选测量之间进行选择、比较处理流程、进行效力计算以及估计在单个被试内检测变化的精度极限提供依据。

中文由 AI 翻译,仅供参考,以原文为准。

来源:bioRxiv · Neuroscience · biorxiv.org

相关事件

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。