Kunnen we onze metingen vertrouwen? Kwantificatie van betrouwbaarheid voor intensieve longitudinale data

In veel wetenschappelijke domeinen, zoals medische en psychologische wetenschappen, heeft de technische vooruitgang geleid tot de ontwikkeling van instrumenten die biologische, fysieke, gedrags- of omgevingsinformatie in realtime kunnen vastleggen. De metingen kunnen passief zijn (bijv. sensoren) of actief (bijv. vragenlijsten verzonden op een smartphone). Deze nieuwe meetinstrumenten bieden de mogelijkheid om individuen in realtime en real-life settings te bestuderen. Ze genereren intensieve longitudinale gegevens (ILD) van één of meer variabelen (bijvoorbeeld hartslag en stressniveau). Zulke ILD worden gekenmerkt door veel waarnemingen die zeer dicht bij elkaar liggen in de tijd.Onderzoek naar betrouwbaarheid en overeenstemming is noodzakelijk om de kwaliteit van de meetinstrumenten in te schatten omdat er informatie wordt verschaft over de hoeveelheid ruis die inherent is aan een diagnose, score of meting. Helaas bestaat er geen alomvattend statistisch kader met duidelijke richtlijnen en een gebruiksvriendelijke softwaretool om de betrouwbaarheid en overeenstemming voor ILD te bestuderen.In dit doctoraatsproject stellen we voor om Bayesiaanse statistische modellen (i.c., state-space-modellen) te ontwikkelen om de betrouwbaarheid en overeenstemming voor ILD te beoordelen. Het raamwerk zal worden ontwikkeld voor een breed scala aan metingen (binair, Gaussiaans en begrensd) en geïmplementeerd worden in gratis statistische software. We stellen verder voor om empirisch te valideren hoe modelaannames de betrouwbaarheid en overeenstemming beïnvloeden. Op basis van de bevindingen zullen richtlijnen worden opgesteld om de betrouwbaarheid en overeenstemming voor ILD te beoordelen.Dit doctoraatsproject zal een solide statistisch kader bieden met een grote potentiële impact, gezien het toegenomen gebruik van mobiele technologie-innovaties en het gebrek aan methoden om hun betrouwbaarheid en overeenstemming te beoordelen.

Trefwoorden:measurement error, reliability, state-space models

Disciplines:Psychometrie, Biostatistiek, Mathematische psychologie, Motivatie en emotie