Słownik metodologiczny · Wielkość efektu

SRM – standaryzowana średnia odpowiedź: wzór i interpretacja

SRM dzieli średnią zmianę przez odchylenie standardowe zmian. Pokazujemy wzór, związek z testem t i ES, przykład z przedziałem bootstrap, opis do pracy i najczęstsze pułapki.

Strona główna / Słownik / SRM – standaryzowana średnia odpowiedź

Opracowanie merytoryczne: · Opublikowano:

W skrócie: SRM (standaryzowana średnia odpowiedź) to średnia zmiana między dwoma pomiarami tych samych osób podzielona przez odchylenie standardowe zmian. Odpowiada dz, a pomnożona przez √n daje statystykę t dla prób zależnych.

Co to jest SRM?

SRM (ang. standardized response mean, standaryzowana średnia odpowiedź) to średnia zmiana wyniku między dwoma pomiarami tych samych osób podzielona przez odchylenie standardowe tych zmian. Liang, Fossel i Larson (1990) użyli SRM do porównania, jak czułe na zmianę po endoprotezoplastyce są różne kwestionariusze stanu zdrowia. SRM to ta sama wielkość co dz, opisana w haśle wielkość efektu dla prób zależnych.

Wzór i interpretacja

SRM = Mzmiany / SDzmiany t = SRM · √n

SRM łączy się wprost ze statystyką testu t dla prób zależnych. Różni się od wielkości efektu ES Kazisa i in. (1989), która dzieli średnią zmianę przez SD wyniku, zwykle w pierwszym pomiarze. Gdy wyniki przed i po korelują silnie (r > .50 przy podobnych SD), zmiany mają mały rozrzut i SRM jest wyższy niż ES. Progi 0.2, 0.5 i 0.8 zapożyczone od d Cohena traktuj ostrożnie.

Przykład

Ból oceniono u 50 osób przed rehabilitacją i po niej (dane symulowane). Średnia poprawa wyniosła 4.19 pkt (SD zmian = 6.15), a SD przed = 9.99. SRM = 0.68, 95% CI bootstrap [0.40, 1.04], ES = 0.42, t(49) = 4.82 ≈ 0.68 · √50 (różnica wynika z zaokrąglenia SRM). Gdy przy tej samej średniej rozrzut zmian zwiększono 1.6 razy, SRM spadł do 0.43.

Jak opisać w pracy

Średnia zmiana nasilenia bólu wyniosła 4.19 pkt (SD = 6.15; n = 50), SRM = 0.68, 95% CI [0.40, 1.04] (bootstrap percentylowy, 5000 prób); ES = 0.42.

Na co uważać

  • SRM to nie responsywność. Terwee i in. (2003) zauważyli, że miary efektu leczenia mało mówią o tym, czy narzędzie spełnia swój cel. Do oceny responsywności narzędzia potrzebna jest kotwica.
  • Zależność od próby i terapii. Ta sama skala da inny SRM po skuteczniejszej terapii albo w jednorodnej grupie.
  • Mylenie skrótów. Podawaj wzór: SRM, ES i dav dają różne liczby.
  • Pojedyncza osoba. SRM opisuje grupę. O zmianie jednej osoby mówi MCID.

SRM obok wskaźnika Guyatta i metod z kotwicą omawia wpis Responsywność narzędzia – wrażliwość na zmianę, SRM i metody z kotwicą.

Najczęstsze pytania

Czy SRM to to samo co d<sub>z</sub>?

Tak. Obie wielkości dzielą średnią różnicę przez SD różnic. Nazwa SRM jest częstsza w badaniach narzędzi zdrowotnych, a dz w literaturze o wielkości efektu.

Jak interpretować wartość SRM?

Jako wielkość zmiany w jednostkach rozrzutu zmian w tej próbie. Progi 0.2, 0.5 i 0.8 zapożyczone od Cohena są tylko orientacyjne, bo SRM zależy od korelacji pomiarów przed i po oraz od skuteczności interwencji.

Jak policzyć SRM w R?

Dla wektora zmian zm: mean(zm) / sd(zm). Przedział ufności możesz uzyskać metodą bootstrap, np. funkcjami boot() i boot.ci() z pakietu boot.

Powiązane hasła

Wielkość efektu dla prób zależnych (d_z, d_av)Test t dla prób zależnychd Cohena (interpretacja)Responsywność narzędziaMCID – minimalna istotna klinicznie różnicaDelta Glassa

Poradniki, w których użyjesz tego pojęcia

Poradnik

Responsywność narzędzia

Definicja COSMIN, ES, SRM i wskaźnik Guyatta, korelacja zmiany z kotwicą, AUC i hipotezy – przykład w R i wzór opisu wyników.

Czytaj →Poradnik

Wielkość efektu – interpretacja

d, g, r, η², OR i NNT na jednym przykładzie, przeliczenia, przedziały ufności, progi Cohena i interpretacja na tle SESOI – z kodem R.

Czytaj →Poradnik

RCI, MDC i MCID

SEM, MDC95, RCI i kryteria Jacobsona–Truaxa, MCID z kotwicy i metod rozkładowych, analiza responderów z 95% CI i koszt dychotomizacji – z kodem R.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Kazis, L. E., Anderson, J. J., & Meenan, R. F. (1989). Effect sizes for interpreting changes in health status. Medical Care, 27(3 Suppl.), S178–S189. https://doi.org/10.1097/00005650-198903001-00015
  2. Liang, M. H., Fossel, A. H., & Larson, M. G. (1990). Comparisons of five health status instruments for orthopedic evaluation. Medical Care, 28(7), 632–642. https://doi.org/10.1097/00005650-199007000-00008
  3. Terwee, C. B., Dekker, F. W., Wiersinga, W. M., Prummel, M. F., & Bossuyt, P. M. M. (2003). On assessing responsiveness of health-related quality of life instruments: Guidelines for instrument evaluation. Quality of Life Research, 12(4), 349–362. https://doi.org/10.1023/a:1023499322593

Cytowania BibTeX

@article{kazis1989effect, author={Kazis, Lewis E. and Anderson, Jennifer J. and Meenan, Robert F.}, title={{Effect sizes for interpreting changes in health status}}, journal={Medical Care}, year={1989}, volume={27}, number={3 Suppl.}, pages={S178--S189}, doi={10.1097/00005650-198903001-00015}}
@article{liang1990comparisons, author={Liang, Matthew H. and Fossel, Anne H. and Larson, Martin G.}, title={{Comparisons of five health status instruments for orthopedic evaluation}}, journal={Medical Care}, year={1990}, volume={28}, number={7}, pages={632--642}, doi={10.1097/00005650-199007000-00008}}
@article{terwee2003assessing, author={Terwee, Caroline B. and Dekker, Friedo W. and Wiersinga, Wilmar M. and Prummel, Mark F. and Bossuyt, Patrick M. M.}, title={{On assessing responsiveness of health-related quality of life instruments: Guidelines for instrument evaluation}}, journal={Quality of Life Research}, year={2003}, volume={12}, number={4}, pages={349--362}, doi={10.1023/a:1023499322593}}
R