Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

PTE-UdS-WS12 > 8. Einzelfallprüfende Untersuchungsformen > Flashcards

8. Einzelfallprüfende Untersuchungsformen Flashcards

1
Q

Intensive Design

A

viele Patientengruppen mit selektiven Beeinträchtigungen erfordern Studien mit kleinen Stichproben

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Single Case Analysis

A

Einzelfallstudien

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

zufällige Zuweisung

A

random allocation, random assignment

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Zufallsziehung

A

random Sampling

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

anfallende Stichprobe

A

von Therapeuten freigestellte, freiwillig teilnehmende, bezahlte Patienten

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

interne Validität in klinische Studien

A

gefährdet durch konkurrierende Erklärungen

Randomisierungstests stabilisieren sie durch Urnen-Randomisierung, Neuanordnung von Rohdaten

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

externe Validität in klinischen Studien

A

gefährdet, weil es oft unmöglich ist Zufallsziehung zu betreiben, Repräsentativität eingeschränkt

kann durch Randomisierungstests auch nicht gelöst werden, weil zufällige Zuweisung und nicht Zufallsziehung, ist aber in anderen Studien auch eher das Ideal als der Normalfall

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Urnen-Randomisierung

A

jede Bedingung wird als Urne betrachtet in denen Probanden zufällig zugewiesen werden

die beobachteten Werte (Rohdaten) werden wiederholt den Urnen zugewiesen

empirische Verteilung von Mittwlwertdifferenzen wird verglichen

Häufigkeitsverteilung

Wenn gleich große Unterschiede in den den Urnen und zwischen Treatment und Kontroll selten auftauchen sind die Effekte wahrscheinlich basierend auf Treatment

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Nicht-parametrische Rangtests

A

Mann-Whitney-U = t-test für unabh. Stichproben

Wilcoxon = t-Test für abhängige Stichproben

Kruskal-Wallis-H = einfaktoriellle Varianzanalyse

Friedman = Varianzanalyse mit Messwiederholungen

reduzierte Sensitivität (Power) durch Transformationen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Zeitreihenanalyse ARIMA (Autoregressive Integrated Moving Average)

A

verschiedene Prozeduren, die sich auf Einzelfallstudien mit Beobachtungen innerhalb verschiedener Untersuchungsphasen anwenden lassen

ab 50 mind. 100 Beobachtungen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Autokorrelation

A

Residuen von zeitlich nahen Beobachtungen sind ähnlicher als von zeitlich entfernten

Für parametrische Tests wird damit die Annahme der Unkorreliertheit der Residuen verletzt

In Einzelfaldesigns neigen dazu

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Nicht-parametrische Tests in Einzelfalldesigns

A

Transformationen in Ränge führt zu Informationsverlust

neugeordnete Ränge (Permutationen) ohne verbundene Ränge, dadurch nur noch approximativ valide

wenn keine verbundenen Ränge, äquivalent zu Randomisierungstests

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Randomisierungstests in Einzelfallanalyse

A

sind Vielseitig, weil sie sich an verschiedene Kombinationen anpassen lassen

besonders, wenn die Anzahl der Treatment-verabreichungen pro Bedingung nicht fixiert ist

noch nicht die beste Software

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Große Stichproben

Voraussetzungen werden erfüllt

A

klassische parametrische Tests

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

große Stichproben Voraussetzungen werden verletzt

A

nicht-parametrische Tests

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

kleine Stichproben n<15

A

nicht-parametrische Tests (wenn verfügbar) Validität wird mit zunehmender Zahl verbundener Ränge in Frage gestellt

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

sehr kleine Stichproben n<10

A

Randomisierungstests

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Einzelfalldesigns mit Autokorrelation mit wenig Beobachtungen

A

bei n<15 und nicht verbundenen Rängen = nicht parametrische Tests

bei n<10 Randomisierungstest

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Einzelfalldesigns, viele Beobchtungen (mind. 50)

A

ARIMA-Modelle (gut mit Autokorrelationen, großer Aufwand)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Einzelfall-Designs mit wenigen Beobachtungen <50

A

Randomisierungstests

Unsicherheiten bestehen angesichts der Teststärke und Autokorrelationen in Abhängigkeit vom Design

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Operante Verhaltensanalysen

A

deskriptive Statistiken werden durch Zusammenfassung von Daten und Probanden eingesetzt

visual Inspection

Kontrolle über Störvariablen schwierig bei Nicht-Laborsettings

22
Q

zufällige Störvariablen

A

liegt vor, wenn sich Treatments und die Zuordnung von Probanden zufällig verteilen

23
Q

systematische Störvariablen

A

üben einen verzerrenden (biasing) oder konfundierenden (confounding) Effekt aus

gefährden interne Validität

wenn sie durch Zufallszuweisung in zufällige Störvariablen verwandelt werden, bleibt die interne Validität gefährdet

24
Q

reaktionsgeleitetes Experimentieren - operante Verhaltensanalyse

A

Argument für Operante Verhaltensanalysten zum Verzicht auf Inferenzstatistik

Phasen-Designs in denen Baseline-Beobachtungen solang fortgeführt haben, bis sie sich stabilisiert haben

interne Validität nicht gewährleistet, weil keine Aussage über zukünftige Baseline gemacht werden kann

Fehler 1. Art die Folge

visuelle Inspektion nicht genügend

25
Q

Replikation - operante Verhaltensanalyse

A

Argument zum verzicht auf Inferenzstatistik

Replikation erhöht die Reliabilität, jedoch nicht zwangsläufig die interne Validität

26
Q

klinische Signifikanz

A

nicht inferenzstatistische Analyse

ist überlegen, wenn bei Einzelfällen die Wirkung eines Treatments nachgewiesen werden soll

27
Q

statistische vs. klinische Signifikanz

A

Je größer die experimentelle Kontrole desto geringer die Notwendigkeit stat. Analysen

große Variabilität = geringe experimentelle Kontrolle

Kontrolle in natürlicher Umgebung geringer

je größer der Effekt, desto geringer das Bedürfnis nach stat. Bestätigung

kleine Effekte und geringe Kontrolle = neue esperimentelle Variablen

Replikationen finales Entscheidungskriterium = interne Val. und Rel. sind nochmal im Einzelfallvergleich herzustellen

28
Q

lag-1 Autokorrelation

A

Die Residuen von Beobachtung 1 korrelieren mit 2 und 2 mit 3 usw.

29
Q

lag-2 Autokorrelation

A

Die Residuen von Beobachtung 1 korrelieren mit 3 und 2 mit 4 usw.

30
Q

Angemessenheit der Randomisierungstests

A

Analytische Power ist notwendig wenn computationale Power fehlt in Rand. die analytische Power durch computationale Power ersetzt (keine Transformation)

Zufallsziehung (die immer eher ine Ideal als Realität ist) wird bei Rand. durch Zufallszuweisung ersetzt

parapmetrische Tests bieten bei großen n Approximationen an die exakten Wahrscheinlichkeiten bei kleinen muss man exakte Wahrscheinlichkeiten nehmen deshalb Rand.

Autokorrelation für Rand. weniger schlimm, besonders wenn Zuweisung rand. erfolgt

31
Q

Teststärke in Randomisierungstests

A

Die Teststärke wird größer je nachdem wieviele Anordnungen es bei den Zufallsziehungen gibt.

1000 bis 2000 Anordnungen

32
Q

Grundsatzproblem der Einzelfalldiagnostik

A

von gruppenstatistischen Kennwerten muss auf Einzelfälle geschlossen werden

besonders wenn Reliabilität und Validität kleiner als 1 sind

math. Wahrscheinlichkeitsaussagen beziehen sich immer nur auf Klassen nicht Einzelfälle

deshalb hohe Reliabilität der Messwerte

dafür Konfidenzintervall = Bereich um beobachteten Wert der den wahren Wert überdeckt

Einzelfall = keine Verteilung

33
Q

Aggregatdaten

A

Klassen von Elementen bestimmten Umfangs (als Gegensatz zu Einzelfällen)

34
Q

Standardmessfehler

A

gebildet nach der Äquivalenzhypothese = der beobachtete Wert ist eine gute Schätzung für den wahren Wert

Streuung um den Testwert

hiermit ist eine Schätzung des Konfidenzintervalls, in dem sich der wah!re Wert befindet, um den beobach- teten Wert X möglich.

35
Q

Standardschätzfehler

A

gebildet nach der Regressionshypothese nach der der wahre Wert eine Schätzung aus dem beobachteten Wert ist

Maß für die Vorhersagegenauigkeit des geschätzten wahren Wertes

Der Standardschätzfehler ist die Streuung der tat-
sächlichen Werte um die aufgrund der Regressionglei- chung vorhergesagten Werte.

36
Q

Unterschied Standardmessfehler und Stadardschätzfehler

A

Beim Standardmessfehler wird der Testwert selbst als Schätzer für den wahren Wert angenommen; beim Standardschätzfehler nimmt man den mittels Regressi- on berechneten Wert aus Test- und Gruppenmittelwert zur Grundlage.

Standardmessfehler und Standardschätzfehler erfordern

Homoskedastizität

Normalverteilung der Messfehler

Messfehler zwischen Gruppen nicht unterscheiden

Standardschätzfehler noch zusätzlich

bivariate Normalverteilung der Messfehler und der wahren Werte; dabei müssen beide Größen unkorreliert sein.

37
Q

kritische Differenz

A

prüft die messfehlerkritische Absicherung, ob Differenzen in den Messwerten zweier Tests auf Messfehler zurückzuführen sind

Kann die Ursache füe Messwertdifferenzen auf einen Messfehler zurückgeführt werden?

Reliabilitäten dürfen nicht zu stark voneinander abweichen und die Messfehler der Messwerte müssen unkorreliert sein

38
Q

Diagnostische Valenz

A

veraltet für Validität

die valenzkritische Absicherung prüft die Differenzen bedingt durch Unterschiede in den gemessenen Merkmalen

39
Q

beobachtete Differenz

A

Vorausgesetzt es besteht eine kritische Differenz, kommt die beobachtete Messwertdifferenz in der Normstichprobe selten vor?

40
Q

Korrelationen der Testverfahren für Beobachtung von Merkmalsunterschieden

A

geringe Korrelation der Testverfahren= Wahrscheinlichkeit für Beobachtung von Merkmalsunterschieden höher einzustufen

hohe Korrelatiion der Testverfahren = Wahrscheinlichkeit für die Beobachtung von Merkmalsunterschieden eher gering einzustufen

41
Q

Theta-Normierung

A

Lösung für unterschiedliche Reliabilitäten bei kritischer Differenz

orientiert sich an der Verteilung der wahren Testwerte in der Population, für die eine ähnliche Verteilung wie die beobachteten Werte angenommen wird

deshalb geht die beobachtete Standardabweichung mit der Quadratwurzel der Reliabilität in die Normierungsgleichung ein

42
Q

x-normierung

A

Lösung für unterschiedliche Reliabilitäten bei kritischer Differenz

liefert einen Vergleichsmaßstab für beobachtete Werte (Rohwerte) (Standardnormen, Prozentrangnormen)

beobachtete Standardabweichung (der Stichprobe) geht in die Normierungsgleichung ein

43
Q

Korrelation zwischen Gesamttest und Subtest

A

um zu verhindern, dass korrelierte Messfehler in der kritischen Differenz auftauchen

44
Q

Reliable Change Index (RCI)

A

untersucht bei Messwiederholungen ob die beobachtete Veränderung möglicherweise durch einen Messfehler hervorgerufen wurde

Im Nenner der Standardmessfehler der Differenz

Der RCI-Index ist ein z-Wert und wird mit einem kritischen z-Wert verglichen

ist er größer ist die Veränderung nicht auf den Messfehler der Messung zurückzuführen

45
Q

Unterdurchschnittlich - Normvergleich (zwischen Personen)

A

wenn das Konfidenzintervall einers Einzelfalls vollständig unterhalb einer SD des Mittelwerrts der Normstichprobe entfernt liegt

46
Q

Unterdurchschnittlich bis durchschnittlich - Normvergleich (zwischen Personen)

A

wenn Konfidenzintervall von Bereich <1 SD bis +-1 SD um den Mittelwert der Normstichprobe liegt

47
Q

Durchschnittlich - Normvergleich (zwischen Personen)

A

Konfidenzintervall vollständig in Bereich +-1SD um den Mittelwert der Normstichprobe liegt

48
Q

Durchschnittlich bis Überdurchschnittlich - Normvergleich (zwischen Personen)

A

Konfidenzintervall im Breich +-1SD bis > 1SD um den Normwert der Normstichprobe liegt

49
Q

Überdurchschnittlich - Normvergleich (zwischen Personen)

A

Konfidenzintervall liegt vollständig in Bereich >1SD um den Mittelwert der Normstichprobe

50
Q

Konfidenzintervalle für Reliabilitätskoeffizienten

A

Reliabilitätsquotient in Einzelfalldiagnostik zur Herleitung des Stichprobenfehlers

Deshalb Reliabilitätsquotienten transformiern

(Produkt-Moment-Korrelation = Fischer)

(Hyperbolische Tngesnfunktion = Tanh)

Alles gut was sich als Schätzung aus dem Quotienten aus wahrer Merkmalsvarianz und beobachteter Varianz interpretieren lässt

Fragestellung wichtig

51
Q

Agglutinationstests - Testprofile für Reliabilitätsquotienten

A

Tests aus mehreren Einzeltests = Eigenständig, hinreichend reliabel aber möglichst niedrig korrelierend

Subtests in Testbatterien = ausreichend reliabel, hohe Testinterkorrelation

ähnliche Tests = nur bei diskrepanten Ergebnissen Nachuntersuchung, versch. Zeitpunkte Übungseffekte

ad-hoc Kombinationen von Einzeltests = gleiche Skalenreliabilitäten vorausgesetzt - einfach arithmetisches Mittel

Vergleich eines Individualprofils mit Referenzprofil

PTE-UdS-WS12 (7 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions