< Terug naar vorige pagina

Project

Kleine beetjes maken veel: Multilevel meta-analyse van single-case experimentele data

Single-case experimentele designs (SCEDs) zijn vaak gebruikt in verschillende disciplines om de effectiviteit van interventies of behandelingen te evalueren (Schlosser, Lee, & Wendt, 2008; Shadish, 2014a, 2014b; Shadish & Rindskopf, 2007; Smith, 2012). In dit design worden een of enkele individuen herhaaldelijk onder verschillende omstandigheden gemeten (Barlow, Nock, & Hersen, 2009; Kratochwill et al., 2010; Onghena, 2005). Hoewel SCEDs voornamelijk worden gebruikt voor idiografisch onderzoek (wanneer de interesse in een specifiek individu ligt en niet het 'gemiddelde' in een populatie), is een van de belangrijkste problemen van dit soort design hun beperkte generaliseerbaarheid en daarmee hun beperkte bruikbaarheid voor de ontwikkeling van empirisch onderbouwde beslissingen vanwege het kleine aantal onderzochte zaken. Om de generaliseerbaarheid te vergroten, repliceren onderzoekers SCEDs over verschillende individuen, over instellingen heen of over gedrag. SCED-onderzoeken kunnen worden gecombineerd om de generaliseerbaarheid te vergroten en hiervoor kunnen meta-analytische technieken worden gebruikt. Meta-analytische procedures stellen onderzoekers in staat om de resultaten van deze replicaties kwantitatief te synthetiseren en bewijs voor best practices te leveren (Beretvas & Chung, 2008a; Petit-Bois, Baek, Van den Noortgate, Beretvas, & Ferron, 2016; Tincani & De Mers, 2016). De belangstelling voor de meta-analyse van SCEDs is de afgelopen decennia toegenomen (Shadish, 2014a; Shadish, Hedges, & Pustejovsky, 2014). SCED-meta-analisten kunnen verschillende methoden en procedures toepassen voor het samenvatten van de gegevens uit meerdere SCED onderzoeken, zoals de berekening van het gemiddelde, gestandaardiseerd gemiddeld verschil, mediaan of het bereik van effectgroottes, een regressieanalyse van effectgroottes of een multilevel-analyse van onbewerkte gegevens of effectgroottes. Dit proefschrift richt zich op het uitbreiden van multilevel-modellering voor het synthetiseren van SCEDs met tweevoudige doelstellingen. De eerste doelstelling is om een uitgebreid overzicht te geven van gepubliceerde en ongepubliceerde SCED meta-analyses om een beter inzicht te krijgen in wat er gaande is in SCED meta-analyses en om een empirische basis te leggen voor verder onderzoek door SCED onderzoekers, meta-analisten en methodologen. Ten tweede wil het bijdragen aan het verwerken van enkele moeilijkheden bij het aggregeren van meerdere SCEDs met behulp van een meta-analytische benadering op drie niveaus, in het bijzonder het hanteren van bias in de schatting van variantiecomponenten en het omgaan met afhankelijkheden in het geval van meerdere regressiecoëfficiënten. Na een algemene inleiding (Hoofdstuk 1), verkent het tweede hoofdstuk (Hoofdstuk 2) de algemene kenmerken van eerder uitgevoerde SCED meta-analyses, namelijk ontwerpkenmerken, het soort gegevens dat wordt verstrekt in de primaire onderzoeken en degenen die zijn opgenomen in meta-analyses, en het type analyses dat werd uitgevoerd. Hoofdstuk 3 onderzoekt de methodologische kwaliteit van SCED meta-analyses. Door middel van een uitgebreide methodologische kwaliteitsbeoordeling van SCED meta-analyses worden in dit hoofdstuk belangrijke tekortkomingen in de validiteit en betrouwbaarheid van de resultaten van deze meta-analyses nader toegelicht. In Hoofdstuk 4 bespreken we kort enkele bestaande tools voor het beoordelen van de kwaliteit van systematische reviews/meta-analyses die ook nuttig kunnen zijn voor SCED-meta-analyses om de kwaliteit en betrouwbaarheid van de bevindingen te organiseren en te evalueren. Hoofdstuk 5 evalueert de prestaties van een aantal aanpassingsbenaderingen door gestandaardiseerde SCED-gegevens te combineren met kleine meetmomenten (20 of minder) in multilevel meta-analyse voorgesteld door Van den Noortgate en Onghena (2003a, 2003b, 2008) voor het schatten van vaste effecten en variantiecomponenten in meta-analyses op drie niveaus van gestandaardiseerde onbewerkte gegevens en gestandaardiseerde effectgroottes. In Hoofdstuk 6 proberen we om te gaan met de afhankelijkheid van meerdere regressiecoëfficiënten die de behandelingseffecten vertegenwoordigen bij meta-analyse van gegevens uit single-case experimentele studies. Ten slotte wordt in het laatste hoofdstuk (Hoofdstuk 7) een samenvatting van de bevindingen gegeven, gevolgd door methodologische kwesties en beperkingen en worden implicaties voor SCED-onderzoekers, meta-analisten en voor verder onderzoek aangehaald.

Datum:1 dec 2015 →  11 okt 2019
Trefwoorden:Single-case experimental design, multilevel modeling, meta-analysis
Disciplines:Biologische en fysiologische psychologie, Algemene psychologie, Andere psychologie en cognitieve wetenschappen
Project type:PhD project