Factsheet: Structural Equation Modelling is goed te gebruiken om response shift te meten
Aanleiding
Gezondheid gerelateerde kwaliteit van leven (KvL)wordt doorgaans gemeten met behulp van zelf-rapportage. Echter, als gevolg van veranderingen in gezondheid kan response shift optreden. Response shift verwijst naar verandering in de betekenis van de zelfrapportage, veroorzaakt door een verandering van de interne standaarden bij het invullen van de vragenlijst (recalibratie), een verandering in het relatieve belang van verschillende subdomeinen (reprioritering), of een verandering in de definitie van het te meten construct (reconceptualisering). Onderzoek naar het optreden van response shift is van belang omdat het de interpretatie van verandering in KvL uitkomsten kan beïnvloeden.
Doel
Dit proefschrift richt zich specifiek op de ontwikkeling en toepassing van geavanceerde statistische methoden voor de detectie van response shift en heeft daarmee als doel onderzoekers te helpen met het onderzoek naar, en de interpretatie van, verandering in KvL uitkomsten.
Aanpak
De invloed van response shift op verandering in KvL uitkomsten werd onderzocht met de Structural equation modeling (SEM) methode. Met SEM kan response shift geoperationaliseerd worden door middel van verandering in specifieke model-parameters door gebruik te maken van het bestaande model voor onderzoek naar meetinvariantie. De SEM methode voor response shift detectie heeft als voordelen dat het de drie verschillende soorten response shift kan detecteren en een meer nauwkeurige meting van de ‘werkelijke’ verandering in het onderliggende construct (KvL) kan geven door rekening te houden met die eventuele response shift effecten.
Resultaten
In dit proefschrift werd de SEM methode voor response shift detectie:
- vergeleken met de toenmeting methode, één van de meest gebruikte methoden voor het detecteren van response shift;
- uitgebreid voor toepassingen in situaties waarbij er meer dan twee meetmomenten zijn;
- uitgebreid voor het analyseren van discrete data (naast continue data);
- en werd getoond hoe effectmaten voor verandering berekend en geïnterpreteerd kunnen worden om een indicatie te geven van de klinische relevantie van response shift effecten.
Samengevat
De SEM methode voor response shift detectie kan bijdragen aan een beter begrip van het fenomeen response shift en verandering in KvL.
Bron
M.G.E. Verdam. Using structural equation modelling to detect measurement bias in patient-reported quality-of-life outcomes to improve their interpretation. Proefschrift, UvA: 2017.