Słownik metodologiczny · Dobór próby

Podwójnie ślepa próba

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Podwójnie ślepa próba

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Podwójnie ślepa próba?

Podwójnie ślepa próba oznacza, że przydziału nie znają uczestnicy i osoby oceniające lub prowadzące kluczowe procedury — dokładny zakres trzeba opisać.
Co odróżnia to pojęcie? Podwójne zaślepienie oznacza, że co najmniej uczestnicy i osoby oceniające lub prowadzące procedurę nie znają przydziału, przy czym dokładne role trzeba nazwać. Ogranicza różnice oczekiwań, zachowania i oceny wyników, lecz nie rozwiązuje selekcji ani reaktywności pretestu. W wielu interwencjach pełne zaślepienie jest niemożliwe; wtedy opisuje się, kto pozostał nieświadomy i jak sprawdzono jego skuteczność.

Zastosowanie, warunki i dobre praktyki

Najważniejsze zastosowanie: Stosuj podwójne zaślepienie do ograniczenia oczekiwań uczestników i personelu, dokładnie wskazując, kto nie znał przydziału.

Podwójne zaślepienie ogranicza wpływ oczekiwań uczestników i personelu, ale wymaga jednoznacznego wskazania, kto faktycznie nie znał przydziału. Po badaniu warto ocenić powodzenie zaślepienia i opisać sytuacje jego naruszenia; sama etykieta nie gwarantuje eliminacji wszystkich błędów.

Jak poprawnie stosować i interpretować hasło „Podwójnie ślepa próba”?

W odniesieniu do „Podwójnie ślepa próba” najpierw trzeba wskazać populację, jednostkę przydziału lub obserwacji, momenty pomiaru oraz sposób powstawania porównywanych warunków. Przy ocenie hasła „Podwójnie ślepa próba” to projekt, a nie późniejszy wybór testu, wyznacza możliwość wnioskowania o zmianie, związku lub przyczynie. W analizie dotyczącej hasła „Podwójnie ślepa próba” należy też nazwać zagrożenia dla trafności, takie jak selekcja, odpływ, historia, efekt pomiaru czy brak zaślepienia.

Ocena pojęcia „Podwójnie ślepa próba” wymaga sprawdzenia, czy realizacja badania odpowiada planowi: czy randomizacja faktycznie zadziałała, czy pomiary wykonano w tej samej kolejności i czy utrata uczestników różniła się między grupami. Dla interpretacji hasła „Podwójnie ślepa próba” odstępstwa trzeba opisać wraz z ich konsekwencjami. W odniesieniu do hasła „Podwójnie ślepa próba” analiza statystyczna może ograniczyć niektóre problemy, ale nie odtwarza kontroli, której zabrakło w projekcie.

Co trzeba opisać w raporcie?

Opis pojęcia „Podwójnie ślepa próba” powinien pozwolić odtworzyć rekrutację, przydział, kolejność procedur, liczbę pomiarów i reguły wyłączeń. Przy ocenie hasła „Podwójnie ślepa próba” warto podać diagram przepływu uczestników, moment ustalenia hipotez oraz informację, które analizy były planowane. W analizie dotyczącej hasła „Podwójnie ślepa próba” zakres wniosku należy dopasować do tego, co projekt rzeczywiście identyfikuje.

Zakres raportowania dla hasła „Podwójnie ślepa próba”: Opisz randomizację, osoby zaślepione i sposób sprawdzenia naruszeń.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Identyczne kapsułki i kodowany przydział sprawiły, że uczestnicy oraz osoby oceniające wynik nie znały warunku; farmaceuta przygotowujący randomizację znał kod.

Jak ją zinterpretować: Zaślepienie ogranicza różnice oczekiwań i oceny, jeżeli wskazane osoby rzeczywiście nie znają przydziału. Raport powinien nazwać każdą zaślepioną rolę i opisać sytuacje, w których kod mógł zostać ujawniony.

Najczęstsza pułapka i granica interpretacji

Określenie „podwójnie ślepa” jest niejednoznaczne, dopóki nie nazwiesz konkretnych nieświadomych ról.

Nawet poprawnie przeprowadzony „Podwójnie ślepa próba” nie usuwa błędu pomiaru ani nie gwarantuje reprezentatywności. Dla interpretacji hasła „Podwójnie ślepa próba” trafność wewnętrzna i możliwość uogólnienia są odrębnymi pytaniami, które wymagają osobnego uzasadnienia.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Lakens, 2022).

Powiązane hasła

PróbaPróba kwotowaPróba losowaMoc testuPlan SalomonaPopulacja

Poradniki, w których użyjesz tego pojęcia

Poradnik

Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować

Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.

Czytaj →Poradnik

Regresja logistyczna: założenia, interpretacja i raportowanie modelu

Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.

Czytaj →Poradnik

Modelowanie równań strukturalnych (SEM): od teorii do raportu

SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Lakens, D. (2022). Sample size justification. Collabra: Psychology, 8(1), 33267. https://doi.org/10.1525/collabra.33267
  2. Maxwell, S. E., Kelley, K., & Rausch, J. R. (2008). Sample size planning for statistical power and accuracy in parameter estimation. Annual Review of Psychology, 59, 537–563. https://doi.org/10.1146/annurev.psych.59.103006.093735
  3. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
  4. Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
  5. Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594
  6. Altman, D. G. (2015). Making research articles fit for purpose: Structured reporting of key methods and findings. Trials, 16, 53. https://doi.org/10.1186/s13063-015-0575-7

Cytowania BibTeX

@article{lakens2022sample, author={Lakens, Daniël}, title={Sample size justification}, journal={Collabra: Psychology}, year={2022}, volume={8}, number={1}, pages={33267}, doi={10.1525/collabra.33267}}
@article{maxwell2008samplesize, author={Maxwell, Scott E. and Kelley, Ken and Rausch, Joseph R.}, title={Sample size planning for statistical power and accuracy in parameter estimation}, journal={Annual Review of Psychology}, year={2008}, volume={59}, pages={537--563}, doi={10.1146/annurev.psych.59.103006.093735}}
@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}
@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}
@article{altman2015reporting, author={Altman, Douglas G.}, title={Making research articles fit for purpose: structured reporting of key methods and findings}, journal={Trials}, year={2015}, volume={16}, pages={53}, doi={10.1186/s13063-015-0575-7}}
R