Från ant. och boken Flashcards
Det finns en skillnad mellan population och urval. vilka?
Urvalet är då färre individer än populationen och det är dem individerna som man mäter på och kan ta reda på allt om dem genom att samla data via enkäter utan behovet för att gissa.
Populationen är det motsatta - de vi inte kan mäta på och inte känner till men dem vi vill uttala oss om. Alltså, genom urvalet kan man dra slutsatser om populationen.
Bortfall kan vara antingen internt eller externt. Förklara begreppen.
Externt, alla som valts ut i ett urval men som tackat nej eller inte svarat, tillhör populationen men vill inte delta. Det kan även vara ex. pat. som är för sjuka eller för trötta för att besvara.
Internt, alla som tackat ja och uppfyller kriterierna samt är med i urvalet men som inte ger all data genom ex. missat fylla i någon fråga eller inte vill svara på specifika frågor eller dödsfall som orsakad dataförluster. Eller man svarar på bakgrundsfrågor men inte på det forskaren egentligen vill ta reda på, alltså man saknar data för just dessa frågor.
Bortfall kan vara problematiska om de är systematiska bortfall. Vad kan forskare göra för att analysera orsaken för bortfall?
Genom att göra en bortfallsanalys kan forskaren studera vilken typ av bortfall det rör sig om.
Insamlad data kan innehålla information av kvantitativ typ och kvalitativ typ.
Beskriv vad som ingår idem.
-
Kvantitativ typ
- frekvenser, proportioner, skattningar, graderingar
- används för att beskriva, jämföra, studera samband, testa hypoteser
- Kvalitativ typ
- intresserad av att se variationer/bredd i ett urval eller bland deltagare
- kvantifiera, räkna ord etc.
Interna validiteten
Bara läs av 3 ggr
Studier med flera mättillfällen och som sträcker sig över tid riskerar att påverkas genom att deltagarna i sin tur påverkas på olika sätt, antingen genom yttre eller inre faktorer.
- Yttre faktorer brukar ibland kallas för historia och avser sådant som sker gemensamt för alla deltagare. Det kan till exempel vara samhällsförändringar i form av lagändringar.
- Inre faktorer avser i stället sådant som sker inom deltagarna, som att de kan bli äldre, starkare eller svagare; det handlar då om faktorer som kan benämnas mognad.
I experimentella- och observationsstudier kan forskaren minimera risken för bortfall på grund av yttre och inre faktorer, genom att använda en kontrollgrupp.
Den interna validiteten riskerar även att påverkas av hur data samlas in och vilka mätinstrument som används.
- Det finns alltid en risk för att deltagare som utför samma test flera gånger påverkas i sina svar, eftersom de efter ett tag blir bekanta med instrumentet och besvarar frågorna rutinmässigt.
- Det finns också en risk för att forskaren utför mätningen annorlunda över tid. Ett exempel kan vara en forskare som undersöker en grupp personers funktionsförmåga. Efter en tids datainsamling kan risken då öka för att forskaren medvetet eller omedvetet gör små justeringar eller förändringar i sitt sätt att värdera deltagarnas funktioner.
- Ett annat problem med instrumentering är att innebörden i vissa frågor riskerar att förändras över tid. Ett instrument som skapats på 1950-talet och som mäter arbetsmiljö har kanske inte samma innebörd idag, eftersom arbetsmarknaden, miljökraven och attityderna har förändrats.
Begreppsvaliditet
Läs bara av tills du förstår
Begreppsvaliditet berör experimentella studier som ofta innehåller någon form av intervention. Begreppsvaliditet handlar om vilka delar (teoretiska begrepp) eller aktiva ingredienser i interventionen som orsakade resultatet. Det optimala är förstås att det är det som forskaren har tänkt ska ha effekt, som faktiskt också har det.
Det finns några viktiga aspekter att ta ställning till för att säkerställa begreppsvaliditet.
- En är att forskaren i sin kontakt med deltagarna, eller genom att hon eller han på andra sätt ger deltagarna uppmärksamhet, medför att resultatet påverkas. Det kan räcka med att deltagarna vet att de är med i en studie. Ett klassiskt uttryck för detta är den så kallade placeboeffekten, som innebär att deltagarna i en studie uppvisar resultat som om de fått en viss intervention, trots att de inte fått den. För att då kontrollera placeboeffekten kan forskaren blinda studien.
- En annan aspekt är forskarens egna förväntningar som kan riskera att påverka hur en viss intervention utförs till exempel hur deltagarna reagerar, och hur resultatet blir.
Läs av
Ett mätinstrument är en form av redskap som används för att samla in en viss typ av data, som till exempel ett standardiserat frågeformulär, och som kan innehålla olika variabler (frågor, tester etc.) som tillsammans påstår sig mäta ett visst fenomen.
En hög validitet innebär att ett instrument i hög utsträckning mäter det som det avser att mäta. Ett tydligt exempel på detta är att en våg mäter vikt och att ett måttband mäter längd. Det är inte svårt att förstå att dessa båda mätinstrument har en hög validitet.
Namnge olika validitetstyper minst 3 st
Ytvaliditet
Innehållsvaliditet
Kriterievaliditet
Begreppsvaliditet
Kriterievaliditet (eng, criterion validity)
Läs 3 ggr
Innebär olika tester av ett mätinstruments förmåga att i sin helhet korrelera med andra instrument som påstår sig mäta samma sak. Ett instrument som är skapat för att mäta smärta bör på så vis korrelera med ett annat smärtbedömningsinstrument.
Det finns två aspekter av kriterievaliditet.
- Samtida validitet (eng. concurrent validity) och är ett mått på instrumentets förmåga att korrelera med andra liknande instrument när mätningen sker vid samma tillfälle.
- Prediktiv validitet (eng. predictive validity) och är ett mått på instrumentets förmåga att korrelera med något som skett eller som kommer att ske.
Innehållsvaliditet (eng. content validity)
Läs av 3 ggr
Anger i vilken utsträckning som frågorna (eller testerna) i ett mätinstrument, lyckas fånga alla de teoretiska begrepp som ingår i det fenomen som instrumentet avser att mäta.
Ett mätinstrument som strävar efter att mäta hälsa kan till exempel inte enbart fokusera på fysiska aspekter utan kräver också frågor som berör psykiska och sociala faktorer.
Ytvaliditet (eng. face validity)
Är (eng. face validity) den enklaste formen av validitets bedömning och innebär att ett mätinstrument vid en ytlig anblick verkar mäta det som det påstår sig mäta. Är det första steget i utvärderingen av ett mätinstrument och kräver ingen statistisk beräkning.
Begreppsvaliditet (eng. construct validity)
Handlar om i vilken utsträckning ett mätinstruments olika frågor eller tester placerar sig i relation till varandra och om de verkligen relaterar till de olika teoretiska begreppen i det fenomen som instrumentet ska mäta. Begreppsvaliditet inom mätinstrumentutveckling ska inte förväxlas med den typ av begreppsvaliditet som beskrivs ovan och som handlar om innehållet i en intervention.
Ett sätt att utvärdera begreppsvaliditeten är genom att utföra en särskild statistisk beräkning som kallas faktoranalys. Förenklat innebär det att forskaren bygger en statistisk modell som omfattar mätinstrumentets alla frågor. I modellen kommer sedan en del frågor att relatera till varandra och bilda så kallade faktorer. En faktor kan sägas representera en teoretisk dimension (ett begrepp) av det fenomen som instrumentet avser att mäta.
Begreppsvaliditet kan delas in i konvergent (eng. convergent validity) och diskriminant validitet (eng. dicriminant validity), det vill säga olika sätt att testa hur väl de olika begreppen överensstämmer med (konvergerar) eller skiljer sig åt (diskriminerar) från andra instrument som säger sig mäta samma begrepp.
Läs av
Reliabilitet
Reliabilitet kan definieras som ett mått på mätsäkerhet — eller frånvaro av mätfel. Ett mätinstrument ska sträva efter att ha en så hög grad av mätsäkerhet som möjligt
Det finns olika sätt att bedöma hur mätsäkert ett instrument är. Ett är genom att undersöka den så kallade interna konsistensen (eng. internal consistency). Det är en analys som fokuserar på hur väl frågorna i ett instrument relaterar till varandra. Den interna konsistensen undersöks då statistiskt och analysen ger ett värde som benämns Cronbachs alfa och som kan variera mellan noll och ett. Det ideala är ett alfavärde mellan 0,6 och 0,95. Värden under 0,6 signalerar att frågorna i instrumentet inte hänger samman och på så vis riskerar det att inte vara mätsäkert. Värden över 0,95 indikera att frågorna är för homogena och att det finns en risk för att flera frågor mäter samma sak.
Det ideala är givetvis att ett mätinstrument under liknande omständigheter visar samma mätresultat oavsett vem som gör bedömningen eller när den sker. Ett sätt att undersöka detta är genom att göra ett så kallat test-retest. Det betyder att instrumentet testas vid ett tillfälle och sedan en gång till efter någon vecka med samma deltagare. Fungerar allt då som det ska bör resultatet ligga stabilt. Det förutsätter givetvis att instrumentet som undersöks inte mäter något som drastiskt kan förändras mellan mätningarna. Andra sätt att bedöma mätsäkerheten är genom så kallad interbedömarreliabilitet, vilket innebär att olika bedömare gör samma mätning och att deras resultat jämförs. Ytterligare ett sätt är så kallad intrabedömarreliabilitet, vilket innebär att samma bedömare upprepar mätningen och att resultaten därefter jämförs.
Vad avgör syftet i enkätstudier?
syftet som avgör hur enkätstudien planeras, hur urvalet rekryteras och hur materialet samlas in och analyseras
INFO: Det är flera aspekter som ska beaktas innan enkätstudien inleds: urvalet ska identifieras, urvalsförfarandet specificeras, enkäten konstrueras, nödvändiga tillstånd ska hämtas in och analysen planeras. Allt detta ska ske i ljuset av forskningsetiska överväganden och sedan sammanfattas i en projektplan. En enkätstudie har inte samma flexibilitet som en kvalitativ studie eftersom frågorna måste konstrueras innan studien startar och det sedan är svårt att göra ändringar när studien väl dragit igång och enkäterna delats ut.
Icke-slumpmässiga urval eller icke-sannolikhetsurval (eng. non probability sampling)
Omfattar de urvalsstrategier som har en mindre sannolikhet att generera ett representativt urval; finns en större risk för att urvalet blir skevt.
Det innebär dock inte per automatik att urvalet blir skevt om någon av dessa strategier används. Snarare är det så att det många gånger kan vara ett både rimligt och bra sätt att rekrytera deltagare och inom ramarna för en uppsats är det absolut att rekommendera.
Hur rekryteras deltagare i en studie?
Stegvis:
- Kontakta den som företräder den verksamhet där man ska rekrytera deltagare.
- Informera eventuella deltagare om studien. Det bästa är om det kan ske muntligt.
- Personerna informeras mer utförligt genom att de får skriftlig information. Nu ges eventuella deltagare möjligheten att läsa på egen hand samt gå igenom enkäten och bestämma sig för om de vill delta eller inte.
- I det fjärde steget har personerna fått tillgång till all nödvändig information och lämnar därefter sitt informerade samtycke. Om det är ett anonymt svar behövs inget skriftligt informerat samtycke.
Confounder
En variabel, en yttre faktor, som påverkar resultatet i en skev riktning.
Ett exempel kan vara att en studie visar att en viss sjukdom hänger samman med låg fysisk funktion. Det kan stämma, men slutsatsen tar hänsyn till deltagarnas ålder eftersom fysisk funktion påverkas av kroppens åldrande. Ålder blir i det här fallet en confounder.
a) Dikotoma frågor
b) Skattningsfrågor
LÄS
a) Dikotoma frågor är frågor som har två svarsalternativ. De kan besvaras med ja/nej, stämmer/stämmer inte
b) Deltagarna ska skatta var på skalan de befinner sig, tex NRS, 0, 1, 2 ,3 … 10, där 1 inte alls smärta och 10 värsta tänkbara smärta.
Flervalsfrågor
Läs
Flervalsfrågor är frågor som har minst tre svarsalternativ.
Tex: När du känner dig ensam. Hur stark är din ensamhetskänsla (ange ett alternativ)?
- Mycket stark
- Ganska stark
- Ganska svag
- Mycket svag
Rankningsfrågor
Läs
Rankningsfrågor innebär att deltagarna får flera svarsalternativ som de ska rangordna sinsemellan. Tex:
> När på dygnet känner du dig mest ensam? Rangordna alternativen nedan från ett till sex.
- ___På morgonen
- ___På förmiddagen
- ___Vid lunchtid
- ___På eftermiddagen
- ___På kvällen
- ___På natten
Pilottest
Läs
När du har sammanfogat enkäten och den är klar är det bra om du kan testa den innan den når deltagarna. Det sker enklast genom att du låter några personer — det kan vara studiekamrater — besvara enkäten med fokus på frågornas och instruktionernas tydlighet och hur lång tid enkäten tar att besvara. Därefter sker eventuella justeringar. Ett sätt att verifiera detta är att alla undersöker samma person eller journal och sedan jämför och diskuterar resultaten. Det stärker mätsäkerheten.
Läs om olika skalor: NOIK
- Nominalskalor omfattar variabler som kategoriserar individen i en (eller flera) kategorier. Kategorierna har ingen inbördes hierarkisk ordning utan är en form av etiketter. Typiska exempel på variabler på nominalnivå är kön, civilstånd och boendeform.
- Ordinalskalor omfattar variabler som kategoriserar individen och där det finns en hierarkisk ordning mellan kategorierna — men där man inte vet exakt hur långt det faktiska avståndet mellan de olika kategorierna är i siffror. Typexempel på detta är frågor med svarsalternativen aldrig/ibland/ofta/alltid. Det är uppenbart att ”alltid” är på en högre nivå jämfört med ”aldrig” — men det går inte att säga hur stort avståndet är mellan alternativen i konkreta siffermått. Det finns olika typer av ordinalskalor, ett exempel är likertskalan som innebär att deltagarna får ta ställning till ett påstående och sedan ange sitt svar på en flergradig skala (ofta från ”instämmer helt” till ”instämmer inte alls”). Ett annat exempel är verbal skattningsskala som baseras på frågor och där deltagarna får skatta sina svar med hjälp av ord (aldrig/ibland/ofta/alltid). Ett tredje exempel är den Visuella Analoga Skalan (VAS) som beskrivits tidigare i kapitlet.
- Intervallskalor omfattar variabler där det är lika stort avstånd mellan de olika stegen på skalan, men där det inte finns någon absolut nollpunkt. Ett typiskt exempel är celsiusskalan som mäter temperatur. Temperatur kan variera både över och under nollpunkten och det är ett lika stort steg mellan 1–2 grader som mellan 2–3 grader.
- Kvotskalor omfattar variabler där avståndet mellan de olika skalstegen är lika stort och där det finns en absolut nollpunkt. Typexempel på kvotdata är ålder, vikt, längd, arbetslivserfarenhet i år, blodvärde eller tid. Ingen av dessa kan anta ett värde under noll och det är ett lika stort steg mellan 1–2 som mellan 2–3.
Kvartil
En uppdelning i kvartiler innebär att observationerna delas upp i fyra lika stora delar och spridningen anges som avståndet mellan det sista värdet i den första kvartilen (q1) och det sista värdet i den tredje kvartilen (q3 ).
Numeriska och icke numeriska variabler
Läs
Det går inte att presentera medelvärden eller medianer för icke-numeriska variabler, utan de får i stället presenteras med hjälp av antal eller procent. Procent bör användas först när urvalet omfattar fler än hundra personer eftersom det kan bli missvisande att använda procent vid färre deltagare.
