U C INNOST SKRININGU PSYCHICKY CH PORUCH POMOCITESTU SLOVNICH ASOCIACI1 PETR S LECHTA Psychologicky ustav AV CR, Praha ABSTRACT Effectiveness of association test P. S lechta
screening
for
ps ycho logical
disturbances
using
word
The author explores diagnostic validity of WAT using both standard test variables as well as parameters of skin resistance. Basing on the data of 108 psychiatric patients and 36 normal subjects (balanced for diagnostic category, sex and age) he concludes that the method does not possess general differentially diagnostic potential. However, designing adaptive fuzzy system to discriminate only between normals and patients results in 75% of correct classifications suggesting that the application focus of the method is likely to lie in the screening domain. Incremental validity of skin resistance amounts, in this context, to approx. 8% increase in the correctly classified cases. The analysis of the systemís performance dependency on the size of its memory base indicates that the precision of the system currently approaches the limit imbedded in the data and further improvements are not to be expected. The diagnostic potential of the method, however, can probably be increased by supplementary qualitative elaboration of the test data. A brief comparison of the adaptive fuzzy system with classification models based on logistic regression documents comparable prediction performance of the fuzzy algorithm and suggests its suitability for evaluating other test results within Computer Based Assessment as well. key words: word association test, psychological diagnostics, electrodermal activity, adaptive fuzzy systems klıc ova slova: test slovnıch asociacı, psychologicka diagnostika, elektroderma lnı aktivita, adaptivnıfuzzy syste my
Doslo: 7.10.2002; P.S ., Psychologicky u stav AV C R, Husova 4, 110 00 Praha 1,
[email protected] 1 Studie byla podporena grantem GA AV reg. c. IAB7025101 (Vyuzitı fuzzy modelova nı v psychologicke diagnostice podporovane pocıtacem) a ca stecnÚ rovnÚz prostredky vy zkumne ho za mÚru s reg. c. AVOZ7025918.
U VOD Test slovnıch asociacı predstavuje pruznou a rychlou metodu umoznujıcı zıskat ekonomicky a se znacnou objektivitou mÚrenı potencia lnÚ hodnotne diagnosticke u daje. PodobnÚ jako u jiny ch projektivnıch test˚ je vsak i v prıpadÚ “asociacnıho experimentuťdiagnosticka validita metody do znacne mıry za visla na vsımavosti a interpretacnı obratnosti zu castnÚne ho psychologa. Prestoze existujı za kladnı pravidla prirazujıcı hodnoty sledovany ch promÚnny ch a testovy ch fenome n˚ jednotlivy m psychopatologicky m okruh˚m (u na s Konda s, 1989), variabilita uvnitr psychiatricky ch kategoriı neumoznuje cinit diagnosticke za vÚry pouze na za kladÚ tÚchto pravidel (viz napr. SyrisÝova , Srnec,1957). U lohou psychologa se pak sta va vy klad testove ho materia lu se zretelem i k tÚm klinicky cenny m projev˚m probanda, ktere se pro svou jedinecnost a nepredvıdatelnost sta vajı predmÚtem statisticky ch analy z jen obtıznÚ. Predkla dana studie od vy kladove ho rozmÚru pra ce psychologa za mÚrnÚ odhlızı a usiluje o stanovenı za kladnı diagnosticke validity testu slovnıch asociacı (da le WAT), jez je nesena pouze standardnımi ukazateli testove ho vy konu jako jsou reakcnı cas (da le RC ), asociacnı selha nı a originalita odpovÚdı. Hermeneuticka pra ce psychologa navazuje pra vÚ na tento vy chozı diagnosticky potencia l testu a kvalitativnım prıstupem jej da le zlepsuje nebo, v krajnıch prıpadech, zhorsuje. VYZKUMNE CILE PrıspÚvek na empiricky ch datech provÚruje, do jake mıry je WAT diagnosticky relevantnı metodou schopnou na za kladÚ testovy ch vy sledk˚ predpovıdat psychiatrickou diagno zu stanovenou pomocı bÚzny ch klinicky ch postup˚. KromÚ standardnıch testovy ch promÚnny ch zminovany ch vy se je rovnÚz ovÚrova na psychodiagnosticka relevance a inkrementa lnı validita za kladnıch parametr˚ koznıho odporu ď amplitudy zmÚny koznıho odporu (da le SRR amp.) a reakcnıho casu amplitudy te to zmÚny (SRR amp.t.). Pro diagnostickou klasifikaci je vyuzit rozhodovacı algoritmus vycha zejıcı z princip˚ teorie fuzzy mnozin, ktery do znacne mıry simuluje lidsky rozhodovacı proces. Studie rovnÚz srovna va vy kon tohoto algoritmu s klasifikacnı presnostı logisticke regrese, ktera v tomto kontextu predstavuje jeho statistickou alternativu. METODA WAT byl pokusny m osoba m administrova n na prenosne m pocıtaci pomocı tachistoskopicke ho software DMDX (Forster, J. C., Forster, K., 2001) v na sledujıcım forma tu: 1) zobrazeno “+ť po dobu 700 ms jako signa l pro nadcha zejıcı podnÚtove slovo a jako pom˚cka pro vizua lnı fixaci na mısto jeho projekce (bıle znaky na cerne m pozadı zobrazovane uprostred obrazovky monitoru), 2) spustÚn chronometr a zobrazeno podnÚtove slovo po dobu 300 ms, 3) zobrazena pra zdna obrazovka bÚhem odpovÚäove ho intervalu trvajıcıho 15.000 ms; pri reakci probanda chronometr zastaven stiskem kla vesy obsluhovane experimenta torem a RC automaticky zaznamena n, pri absenci reakce do 15.000 ms zaznamena no asociacnı selha nı. Jeden cyklus trval vzdy celkem 16 sekund a bylo bÚhem nÚho administrova no jedno podnÚtove slovo. Pro reakci na dany stimul byla vzdy povolena maxima lnı doba 15 s a kratsı asociacnı RC odpovÚäovy interval nezkracoval. Cely testovy blok trval cca 12 minut.
2
Pokusne osoby byly s jeho strukturou predem d˚kladnÚ obezna meny pomocı karet s na crty jednotlivy ch obrazovek a byla jim zada na instrukce reagovat na podnÚtove slovo prvnım slovem, ktere jim prijde na mysl. Na sbÚru dat se podıleli 3 vyskolenı experimenta tori a jejich baza lnı reakcnı rychlosti jsou souca stı mÚrenı RC . Experimenta tory jsme na jednotliva vysetrenı pridÚlovali nesystematicky a ke kontaminaci mÚrenı baza lnımi reakcnımi rychlostmi jsme pristupovali jako k chybove mu rozptylu s vÚdomım, ze mÚrenı RC pri klinicky motivovany ch administracıch nebere baza lnı RC v naproste vÚtsinÚ prıpad˚ v potaz a na sledne rozhodova nı na za kladÚ drıve publikovany ch norem je zatızeno pra vÚ tımto druhem chyby. PodnÚtovy protokol sesta val ze 4 za cvicny ch a 40 testovy ch slov. PodnÚty byly vybra ny podle jejich emocionality a konkre tnosti ze vzork˚ 800 substantiv mapujıcıch se maticke vlastnosti nÚmecke ho jazyka (Baschek, Bredenkamp, Oehrle, Wippich, 1977, Schwibbe, M., R¨der, Schwibbe, G., Borchardt, Geiken-Pophanken, 1994)1 tak, aby: a) 10 podnÚtovy ch slov bylo emocnÚ kladny ch, 10 neutra lnıch a 10 emocnÚ za porny ch a vsechna tato podnÚtova slova vykazovala strednı u roven abstraktnosti, b) 10 podnÚtovy ch slov bylo emocnÚ neutra lnıch, avsak vykazovalo vysokou mıru konkre tnosti, c) vsechna podnÚtova slova mÚla srovnatelnou frekvenci vy skytu v C eske m na rodnım korpusu SYN2000 (2000), d) vsechna podnÚtova slova mÚla srovnatelnou de lku (rozsah 4-8 pısmen). Poradı slov v podnÚtove m protokolu vycha zelo z pravidelne ho strıda nı neutra lnıch a emociona lnıch stimul˚ ď pozitivnıch ci negativnıch ď a jejich specificka sekvence byla na hodnÚ urcena. Plne znÚnı podnÚtove ho protokolu je uvedeno v prıloze a podrobne lingvisticke charakteristiky jednotlivy ch podnÚt˚ a statisticke testy ekvivalence podnÚtovy ch skupin jsou uverejnÚny v plne m rozsahu jinde (S lechta, 2002). BÚhem cele ho experimentu byly pomocı prıstroje Metex 4640A pripojene ho na paralelnı port pocıtace zaznamena va ny se vzorkovacı frekvencı 2 Hz a rozlisenım 100 Ohm hodnoty koznıho odporu (S lechta, 2001). Elektrody (Ag/AgCl) s kontaktnı plochou cca 0,28 cm2 vyplnÚne standardnım isotonicky m NaCl gelem byly upevnÚny na proxima lnı dlanovou svalovinu nedominantnı ruky (thena rnı a hypothena rnı oblast). Ta byla cistÚna 70% roztokem ethanolu a experiment byl zaha jen vzdy az po 10ti minutove hydrataci epidermu. VZOREK Za mÚr srovna vat norma lnı probandy a pacienty jakoz i jednotlive psychiatricke diagno zy navza jem si vyza dal vzorek vyva zeny v hlavnıch demograficky ch determinantech asociacnıho chova nıa elektroderma lnı aktivity ď pohlavı a vÚku. Vzorek psychiatricky ch pacient˚ byl da le stratifikova n podle hlavnıch diagnosticky ch kategoriı MKN-10. Ackoliv by bylo vhodne kontrolovat rovnÚz vzdÚla nı proband˚, vy sledna kombinacnı slozitost by neu mÚrnÚ navy sila na klady na sbÚr dat. Dosazene vzdÚla nı bylo tedy pouze zaznamena va no a na slednÚ testova no pro ekvivalenci mezi jednotlivy mi segmenty vzorku. Vzorek psychiatricky ch pacient˚ byl sestaven z aktua lnÚ hospitalizovany ch nebo pravidelnÚ docha zejıcıch klient˚ rady psychiatricky ch zarızenı v Praze a okolı, kterı byli vedeni pod relevantnı diagno zou (podle Tab. 1 a bez psychiatricky ch ci neurologicky ch
1
NÚmecke se manticke normy pouzity pro nedostatek normativnıch u daj˚ k ceske mu lexiku. Hodnocenı afektivnıch valencı jednotlivy ch podnÚt˚ probandy po administraci WAT nicme nÚ dokla da jejich velmi dobrou prevoditelnost do naseho jazykove ho prostredı(S lechta, 2002, str. 18-22) 3
komorbidit) a kterı byli osetrujıcım le karem shleda ni jako schopnı spolupra ce.1 V naproste vÚtsinÚ prıpad˚ se jednalo o u spÚsnÚ zale cene pacienty bez prima rnıch symptom˚, s nimiz byli hospitalizova ni. 60% pacient˚ bylo hospitalizova no poprve nebo podruhe , 10% vıce bylo hospitalizova no vıce nez 6-kra t. 32% pacient˚ se alespon jednou pokusilo o sebevrazdu (oproti jednomu pokusu ve vzorku norma lnıch osob, tj. cca 3%).
DGN. PRO JEDNOTLIVA VEKOVA PA SMA
DIAGNOSTICKA SKUPINA
POHLAVI
za vislost na alkoholu F10.2 jina la tkova za vislost F1x.2
muz zena muz zena
F10.2 F10.2 F11.2 F11.2
F10.2 F10.2 F11.2 F11.2
F10.2 F10.2 F11.2 F19.2
F10.2 F10.2 F11.2 F13.2
F10.2 F10.2 F11.2 F13.2
F10.2 F10.2 F13.2 F13.2
schizofrenie F20 jine psychoticke poruchy F22, F23
muz zena muz zena
F20.0 F20.0 F23.2 F23.1
F20.0 F20.0 F23.1 F23.1
F20.0 F20.0 F23.2 F23.0
F20.0 F20.0 F23.1 F23.1
F20.0 F20.0 F22.0 F22.0
F20.5 F20.0 F22.0 F22.0
manicka fa ze F30, F31.0-2 depresivnı fa ze F31.3-5, F32, F33
muz zena muz zena
F31.2 F31.2 F32.3 F32.1
F31.2 F31.2 F31.3 F32.1
F31.2 F31.1 F33.1 F33.0
F31.0 F31.3 F32.1 F31.3
F31.2 F31.2 F31.3 F33.1
F31.1 F31.2 F32.1 F32.1
u zkostne poruchy F40, F41, F42 reakce na stres F43
muz zena muz zena
F42.0 F41.2 F43.2 F43.2
F42.0 F42.1 F43.2 F43.2
F42.2 F41.0 F43.2 F43.2
F42.2 F41.2 F43.1 F43.2
F40.8 F41.2 F 43.2 F 43.2
F41.2 F41.2 F 43.2 F 43.2
poruchy osobnosti F60, F61
muz zena
F60.8 F60.1 F61.0 F60.0 F60.3 F61.0 F60.8 F60.3 F60.7 F60.7 F60.6 F60.6
norma lnı probandi
muz zena
16-30
Pru merny vek
31-45
46-60
6 osob 6 osob
6 osob 6 osob
6 osob 6 osob
24,1
37,7
52,6
Tab. 1 Struktura vzorku pacient˚ (N = 108) a norma lnıch proband˚ (N = 36) Vzorek norma lnıch proband˚ byl slozen zejme na z osob reagujıcıch na inzera t vyvÚseny na nÚkolika fakulta ch Univerzity Karlovy a uverejnÚny v 1 celosta tnım a 1 prazske m denıku. Do vzorku byly zahrnuty pouze osoby bez historie psychiatricke le cby. Podle u vodnıho interview byly pokusne osoby motivova ny zvÚdavostı a financnı odmÚnou. 72% proband˚ (pacient˚ i zdravy ch osob) udala jako sve bydlistÚ Prahu. Ekvivalence poctu proband˚ podle vzdÚla nı (za kladnı, strednı bez maturity a s maturitou, vysokoskolske) u roven byla po sestavenı obou vzork˚ testova na testem dobre 1
Dık zde patrı cele radÚ osob, jejichz za jem a ochota umoznila prove st potrebna tere nnı vysetrenı. Jedna se zejme na o Dr. Dvora ka, Dr. Goldmana, Dr. Formana, Dr. Hradilovou, Dr. Jarolımka, Mgr. Knoba, Dr. Knotkovou, Dr. MatÚjkovou, Dr. Mra ckovou, Dr. Papezovou, sestru Pavlıckovou, Dr. Povolnou, Dr. Praska, Dr. Pelika novou, Dr. Peka rkovou, Dr. Pesicovou, Dr. Procha zkovou, Dr. Rodriguez, Dr. Strasrybkovou, sestru Vrubalovou, Dr. Vyhna nkovou, Dr. Za leske ho a mnoho dalsıch. 4
shody, ktery ukazuje, ze vzorek pacient˚ disponuje nizsı vzdÚlanostnı u rovnı nezli vzorek norma lnıch proband˚ (c2(df = 3) = 27; p £ 0,0001). Protoze intelekt koreluje negativnÚ s [asociacnım] RC , je nutne tuto demografickou nevyva zenost vzork˚ zvazovat pri interpretaci rozdıl˚ v testove m vy konu skupin. VYSLEDKY A DISKUSE V predbÚzny ch analy za ch zverejnÚny ch jinde (S lechta, 2002) se potvrdily jak statisticky vy znamne rozdıly ve zp˚sobu zpracova va nı jednotlivy ch typ˚ podnÚt˚, tak signifikantnı interakce v jejich zpracova nı pacienty a norma lnımi probandy. Testove vy sledky byly tudız pro kazde ho probanda vyja dreny oddÚlenÚ pro jednotlive typy podnÚtovy ch slov - jedna se o media ny a 3. kvartily hodnot na sledujıcıch promÚnny ch: a) Asociac nı RC. Asociacnı selha nı bylo pro u cely tohoto vy poctu ko dova no jako RC = 16 s; vy sledny RC tak lezıv intervalu (0 s, 16 s>. b) Mıra obvyklosti reakcı byla zıska na porovna nım probandovy ch odpovÚdı s frekvencnımi normami norma lnıho vzorku a vycıslena jako relativnı podıl reakcı na dany podnÚt s frekvencı vy skytu stejnou nebo nizsı. Vy sledna hodnota obvyklosti tak lezı v intervalu <0, 1>, kde 0 znamena idiosynkratickou odpovÚä a 1 nejcastÚjsı odpovÚä na dany podnÚt. Porovna va ny byly pouze koreny slov (tj. bez prıpon a koncovek) a obvyklost reakcı norma lnıch proband˚ byla urcova na na za kladÚ norem, z nichz byly reakce hodnoceny ch proband˚ vzdy vypoustÚny.
Prom– nna a U p Č 3. kvartil typ podn– tu 3. kvartil (oboustranne)
U media n
p Č media n p < p media n (oboustranne) kvartil
RC +
1204,0
0,000541
1330,000
0,004332
Ano
RC N
988,0
0,000006
1101,000
0,000073
Ano
RC -
1301,0
0,002776
1391,000
0,010377
Ano
RC K
958,0
0,000003
1044,000
0,000021
Ano
Obvyklost +
1309,0
0,003145
1316,500
0,003503
Ano
Obvyklost N
978,0
0,000005
773,000
0,000000
Ne
Obvyklost -
1200,5
0,000503
1309,500
0,003145
Ano
Obvyklost K
1426,0
0,016503
1439,500
0,019474
Ano
SRR amp. +
1816,0
0,557959
1920,000
0,914050
Ano
SRR amp. N
1608,0
0,121998
1779,000
0,449556
Ano
SRR amp. -
1816,0
0,557959
1924,000
0,928637
Ano
SRR amp. K
1633,0
0,152586
1751,000
0,376078
Ano
SRR amp.t. +
1238,0
0,000986
1538,000
0,061170
Ano
SRR amp.t. N
962,0
0,000003
1335,000
0,004669
Ano
SRR amp.t. -
1332,0
0,004464
1487,000
0,034789
Ano
SRR amp.t. K
1075,0
0,000042
1133,000
0,000141
Ano
Tab. 2 Mann-Whitney U test rozdılu v hodnota ch jednotlivy ch promÚnny ch pro jednotlive typy podnÚt˚ mezi vzorkem pacient˚ (N = 108) a norma lnıch proband˚ (N = 36) a porovna nı u cinnosti 3. kvartil˚ a media n˚ pro odlisenı obou skupin. Hodnoty p £ 0,01 jsou zvy raznÚny.
5
c) SRR amp. bylo pocıta no jako rozdıl (v MOhm) mezi nejnizsı hodnotou koznıho odporu na sledujıcı po nejvyssı hodnotÚ koznıho odporu lezıcı v casove m intervalu <1,0 s, 15,5 s> po prezentaci podnÚtu. Pro vy pocet byly pouzity casove rady koznıho odporu s nızkofrekvencnı slozkou signa lu (frekvence vyssı nezli 32 s, tj. dva podnÚtove cykly) odfiltrovanou pomocı diskre tnıch Fourierovy ch transformacı. d) SRR amp.t. uda va cas vy skytu SRR amp. po prezentaci podnÚtu a lezı v intervalu <1,0 s; 15,5 s>. Tab. 2 dokumentuje relevanci vÚtsiny vy se uvedeny ch promÚnny ch pro odlisenı norma lnıch probadn˚ a psychiatricky ch pacient˚ a za roven ukazuje lepsı schopnost 3. kvartil˚ odlisit obÚ skupiny. Vzorek pacient˚ vykazuje statisticky vy znamnÚ delsı RC nezli vzorek norma lnıch proband˚, ktere jsou doprova zeny zvy senou tendencı k idiosynkraticky m reakcı a pozdÚjsı kulminacı reakcı koznıho odporu. Vyssı SRR amp. u pacient˚ je sice celkovÚ statisticky nevy znamne (avsak vy znamne napr. u pacient˚ s psychotickou poruchou), jak nicme nÚ uvidıme pozdÚji, zahrnutı SRR amp. do klasifikacnıho syste mu zlepsuje jeho vy kon.
NOR
DEP PSY
STR
MAN POR SCH
TOX ALK
ANX
Graf 1 Prostorove rozmıstÚnı jednotlivy ch diagnosticky ch skupin podle vza jemne podobnosti v hodnota ch sledovany ch promÚnny ch. Graf 1 zobrazuje vy sledky multidimenziona lnıho ska lova nı matice pr˚mÚrujıcı vza jemne rozdıly media n˚ jednotlivy ch diagnosticky ch skupin a ukazuje, ze jedinou vy raznÚji odlisitelnou podskupinu tvorı norma lnı pokusne osoby. Jiz v tomto sta diu analy zy tedy lze oceka vat, ze data obsahujı informace nezbytne pro detekci psychiatricke ho onemocnÚnı obecnÚ, avsak presnÚjsıdiferenciace mezi diagnosticky mi kategoriemi bude problematicka .
6
Identifikace psychickych poruch pomocı adaptivnıho fuzzy syste mu Pro ovÚrenı tohoto oceka va nı byl navrzen adaptivnı fuzzy syste m1 porovna vajıcı u daje klasifikovane ho probanda s hodnotami promÚnny ch zıskany ch pro normu a jednotlive diagnosticke skupiny a radıcı diagno zy podle jejich pravdÚpodobnosti. Kroky pouzite ho algoritmu byly na sledujıcı: a) Urcenı stupn˚ prıslusnosti do jednotlivy ch diagnosticky ch skupin oddÚlenÚ pro jednotlive promÚnne a typy podnÚt˚ (jak uvedeny v Tab. 2). StupnÚ prıslusnosti byly konstruova ny jako M = 1 - 2*ABS(0,5 - X); kde X uda va percentilove poradı hodnoty klasifikovane ho probanda v distribuci normativnıch hodnot diagnosticke skupiny dÚlene 100. Stupen prıslusnosti klasifikovane ho probanda tedy pro danou promÚnnou a typ podnÚtu vzr˚sta linea rnÚ v intervalu 0-1 tak, jak se vy kon probanda v dane promÚnne a typu podnÚtu blızı media nu referencnı skupiny. b) Pr˚mÚrova nı stupn˚ prıslusnosti pro typy podnÚtovy ch slov v ra mci jednotlivy ch promÚnny ch. c) Va zene pr˚mÚrova nı stupn˚ prıslusnosti pro jednotlive promÚnne do celkove ho odhadu stupnÚ prıslusnosti k dane diagnosticke kategorii ci normÚ. Zde byl zohlednÚn na lez nesignifikantnıho rozdılu mezi skupinami v promÚnne SRR amp. (Tab. 2) a SRR amp. bylo va zeno hodnotou 0,252. Ostatnı promÚnne byly va zeny hodnotou 1,0. d) Za vÚrecne razenı diagnosticky ch kategoriı podle klesajıcıch stupn˚ prıslusnosti, jez odra zı klesajıcıpravdÚpodobnost prıslusnosti probanda do dane diagnosticke skupiny. Pohlavı probanda nenı v tomto postupu zohlednova no proto, ze kromÚ promÚnne SRR amp.(jejız vliv je jiz omezen va zenım) nepredstavuje tento faktor ve sledovany ch promÚnny ch zdroj signifikantnıch rozdıl˚ mezi skupinami (Mann-Whitney U Î <2193,5; 2574,5>; p ³ 0,11). Stejny d˚vod se vztahuje i na vÚk (Kruskal-Wallis H (df = 2) Î <0,069; 4,705>; p ³ 0,095). Vy kon syste mu byl nejprve ovÚrova n pro klasifikaci proband˚ do jednotlivy ch diagnosticky ch skupin popsany ch v Tab. 1. Pro kazdou kategorii byl cely vzorek proband˚ (vcetnÚ normy, N = 144) klasifikova n v termınech na lezenı ci nena lezenı do dane diagnosticke ho skupiny a rozhodnutı o na lezenı bylo cinÚno v prıpadÚ, ze hodnota poradı posuzovane diagno zy byla nizsı nebo rovna pr˚mÚrne mu poradı vsech ostatnıch kategoriı. Klasifikace byla zalozena na vzorku, z nÚhoz byl posuzovany proband vzdy vypustÚn (tj. syste m pracoval s pamÚÝovou ba zı N = 143) a vy sledna presnost syste mu byla vycıslena jako procentua lnı podıl spra vny ch kategorizacı ze vsech ucinÚny ch rozhodnutı. Tab. 3 ukazuje, ze presnost klasifikace do jednotlivy ch diagnosticky ch skupin nevykracuje z intervalu 40%-60% dane ho na hodny m kolısa nım (v vy jimkou diagno zy manicka fa ze) a ojedinÚle vysoke hodnoty pro vyloucenı podezrenı na danou poruchu (napr. u zkostne poruchy) nebo pro jejı potvrzenı (napr. psychoticke poruchy) jsou znehodnocova ny vysokou mırou falesnÚ negativnıch ci falesnÚ pozitivnıch kategorizacı. Ukazuje se tedy, ze WAT svy mi za kladnımi promÚnny mi nezachycuje specificke znaky konkre tnıch psychicky ch poruch a pri jeho vyuzitı v oblasti diferencia lnı psychologicke diagnostiky je potreba vÚnovat pozornost spıse kvalitativnım rozmÚr˚m testove ho vy konu.
1
Adaptivnı fuzzy systemy jsou matematicke modely, ktere s pomocı pravidel odvozeny ch z existujıcıho datove ho vzorku prirazujı vstupnım hodnota m hodnoty vy stupnı. Tyto syste my zacha zejı se vstupnımi a vy stupnımi daty jako se stupni prıslusnosti do fuzzy mnozin. 2 Prisouzenı va hy 0,25 (namısto 0) zohlednuje tendenci pacient˚ k vyssım SRR amp. (byÝ u vÚtsiny dgn. skupin statisticky nevy znamnou, pr˚mÚrne p naprıc typy podnÚt˚ £ 0,348; oboustranne ). Jak uvidıme pozdÚji, SRR amp. va zene hodnotou 0,25 zpresnuje klasifikacnıpredikci o cca 2%. 7
Spra vn– Spra vn– Celkova identifikovane identifikovane presnost pozitivnı negativnı prıpady prıpady za vislost na alkoholu
43%
50%
36%
jine psychozy
44%
83%
5%
jina la tkova za vislost
52%
75%
30%
u zkostne poruchy
54%
33%
74%
reakce na stres
54%
67%
42%
poruchy osobnosti
58%
67%
49%
depresivnı fa ze
59%
50%
67%
schizofrenie
59%
50%
67%
manicka fa ze
70%
58%
81%
Tab. 3 Presnost klasifikace proband˚ do jednotlivy ch diagnosticky ch skupin. Uda vana celkova presnost je upravena pro baza lnı frekvenci 50% pozitivnıch prıpad˚ (p˚vodnı N = 12) a 50% negativnıch prıpad˚ (p˚vodnı N = 132). Dalsı za jem se soustredil na ovÚrenı schopnosti syste mu odlisit zdrave a aktua lnÚ psychiatricky le cene probandy. PodobnÚ jako v predchozım prıpadÚ byl kazdy proband zarazen do skupiny norma ci patologie na za kladÚ srovna nı poradı zdrave referencnı skupiny a pr˚mÚrne ho poradı ostatnıch, diagnosticky ch skupin1. Tabulka 4 dokla da na lez 75% u spÚsnosti v rozlisenı normy a patologie a ukazuje, ze 7 z 10 norma lnıch proband˚ jsou syste mem identifikova ni spra vnÚ jako psychicky zdravı a 8 pacient˚ z 10 jako psychiatricky nemocnı. Tento klasifikacnı vy kon se jiz statisticky vy znamnÚ odchyluje od na hodne ho rozrazenı proband˚ (c2(df = 1) = 26,42; p £ 0,00001) a naznacuje tÚzistÚ uplatnÚnı WAT jako casovÚ nena rocne skrıningove metody.2
Klasifikace zdravy leceny Skutecnost
zdravy
69%
31%
leceny
19%
81%
Tab. 4 Relativnı podıly spra vnÚ a spatnÚ zakategorizovany ch osob ze vzorku norma lnıch (N = 36) a psychiatricky le ceny ch (N = 108) proband˚. Pozornost byla rovnÚz vÚnova na inkrementa lnı validitÚ parametr˚ koznıho odporu. Klasifikacnı presnost adaptivnıho fuzzy syste mu zalozena pouze na RC a mıre obvyklosti odpovÚdı poklesla na 67%. Oproti tomu kategorizace zalozene jen na SRR amp. a SRR amp.t. dosahovaly presnosti 69%. RovnÚz vypustÚnı ma lo statisticky vy znamne ho parametru SRR 1
Data hodnoceny ch proband˚ byla vzdy vyjmuta z pamÚÝove ba ze syste mu, aby nedocha zelo k nadhodnocenı klasifikacnıpresnosti syste mu. 2 Softwarove zpracova nı te to verze rozhodovacıho algoritmu je k dispozici na http://slechta.euweb.cz/WATscreening.htm. 8
amp. z celkove sestavy sledovany ch promÚnny ch vede k mırne mu poklesu presnosti syste mu na 73%1. Inkrementa lnı validita parametr˚ koznıho odporu pro rozlisenı zdravy ch a psychiatricky le ceny ch proband˚ je rovnÚz na zornÚ dokla da na grafem 2. 75% Vy kon logistick´ regrese
Presnost klasifikace
70%
65%
60%
Predikce s parametry SRR 55%
Predikce bez parametru SRR
50% 28 33 38 43 48 53 58 63 68 73 78 83 88 93 98 103 108 113 118 123 128 133 138 143
Velikost pame éov´ baze
Graf 2 Klasifikacnı vy kon adaptivnıho fuzzy syste mu v za vislosti na velikosti referencnı databa ze a demonstrace inkrementa lnı validity parametr˚ koznıho odporu. Regresnı prımky zıskane polynomickou regresı 3 stupnÚ. Graf 2 da le naznacuje, ze soucasny vzorek je jiz dostatecnÚ veliky pro dosazenı limity presnosti rozlisenı mezi norma lnımi a psychiatricky le ceny mi probandy a vy kon syste mu se s jeho dalsım rozsirova nım jiz pravdÚpodobnÚ nebude dramaticky zlepsovat. Lze spıse oceka vat, ze ke zpresnÚnı povede peclivÚjsı va zenı jednotlivy ch promÚnny ch a podnÚtovy ch typ˚. Znamena to rovnÚz, ze sta vajıcı cca 25% klasifikacnı chybovost je obsazena v samotny ch datech, jez odra zejı hodnotu krite ria (zdravy vs. pacient) jen zprostredkovanÚ. Protoze lze predpokla dat, ze vy kon ve WAT odra zı predevsım stav probanda na kontinuu psychicka porucha ř psychicke zdravı, ca st chybove ho rozptylu je vysvÚtlitelna rovnÚz chybovostı krite ria, kdy odlisne mıry psychicke ho zdravı mohli prılezitostnÚ vykazovat jak probandi zarazenı do vzorku norma lnıch osob, tak psychiatrictı pacienti. Identifikace psychickych poruch pomocı logisticke regrese Graf 2 rovnÚz ukazuje, ze klasifikacnı u cinnost fuzzy syste mu je prinejmensım rovnocenna s kategorizacnı presnostı modelu vycha zejıcıho z logisticke regrese. Logisticky model uvedeny v Tab. 5 je zalozen na datech cele ho vzorku a predikuje na za kladÚ jednotlivy ch 1
Vsechny uda vane presnosti jsou upraveny pro baza lnıfrekvenci 50% pacient˚ a 50% norma lnıch proband˚. 9
promÚnny ch prıslusnost hodnocene ho subjektu k populaci pacient˚ (ko dova no 0) ci norma lnıch proband˚ (ko dova no 1). Model urcuje spra vnÚ 79% prıpad˚ a jeho vy kon je statisticky vy znamny s c2(df = 16) = 68,57; p £ 0,00001.
Koeficient Wald c2 Konstanta
p
0,3170
0,031
0,859
0,3268 -0,3461 0,3390 -0,6947
2,744 3,701 2,496 3,529
0,098 0,054 0,114 0,060
Obvyklost + Obvyklost N Obvyklost Obvyklost K
-0,3814 -0,1971 0,2703 -0,1152
4,856 1,577 2,780 0,920
0,028 0,209 0,095 0,337
SRR amp. + SRR amp. N SRR amp. SRR amp. K
29,2461 -24,5777 10,0705 -38,6390
4,000 1,281 0,435 2,742
0,046 0,258 0,509 0,098
SRR amp.t. + SRR amp.t. N SRR amp.t. SRR amp.t. K
4,9874 2,0915 -0,3052 -1,7979
5,881 2,081 0,059 1,756
0,015 0,149 0,809 0,185
RC RC RC RC
+ N K
Tab. 5 Koeficienty logisticke regrese pro jednotlive promÚnne a jejich statisticka vy znamnost zalozena na statistice Wald c2. Hodnoty p £ 0,1 jsou zvy raznÚny. Abychom se vyhnuli nadhodnocenı presnosti dane ho pouzitım stejny ch dat pro odvozenı a na slednÚ kvantifikaci presnosti modelu, bylo z dat cele ho vzorku na hodny m vzorkova nım vytvoreno 5 soubor˚ N = 130 a na jejich za kladÚ metodou logisticke regrese vyvozeny predikcnı rovnice vyuzıvajıcı drıve popsany ch kombinacı promÚnny ch a podnÚtovy ch typ˚. S jejich pomocı byla provedena klasifikace vzdy 13 proband˚ p˚vodnÚ ze vzorku vypustÚny ch. Tab. 6 ukazuje, ze zatımco schopnost rozlisit psychiatricke pacienty z˚stala v˚ci adaptivnımu fuzzy syste mu pribliznÚ beze zmÚny, doslo ke zhorsenı spra vne identifikace zdravy ch proband˚. Celkova presnost tohoto postupu predstavuje cca 71% spra vny ch kategorizacı. Klasifikace zdravy leceny Skutecnost
zdravy
60%
40%
leceny
17%
83%
Tab. 6 Relativnı podıly spra vnÚ a spatnÚ zakategorizovany ch osob ze vzorku norma lnıch (N = 18) a psychiatricky le ceny ch (N = 47) proband˚ zıskane na za kladÚ modelu logisticke regrese.
10
D˚slednÚ vzato, protoze pouzita binomina lnı logisticka regrese odhlızı od struktury pacientske ho vzorku a tudız i od strednıch hodnot jednotlivy ch podskupin, spravedlive srovna nı by mÚlo by t realizova no s fuzzy syte mem prova dÚjıcım podobne zjednodusenı. Takovy algoritmus (pracujıcı navıc se srovnatelnou velikostı pamÚÝove ba ze) u stı v presnost cca 73% a opÚt potvrzuje vy konnostnı ekvivalenci obou metod. ZAVüR PrıspÚvek naznacuje, ze za kladnıch promÚnne WAT (RC a obvyklost odpovÚdi) a parametry koznıho odporu (SRR amp. a SRR amp.t.) nezachycujı informace nezbytne pro vseobecne validnı rozlisenı psychodiagnosticky ch kategoriı. Potvrzuje se nicme nÚ schopnost WAT detekovat existenci psychicky ch poruch obecnÚ a rozlisovat mezi zdravy mi a psychiatricky le ceny mi probandy. 25% chybovost rozhodovacıho algoritmu radı metodu spıse do skrıningove ho repertoa ru, je nicme nÚ pravdÚpodobne , ze kvalitativnı rozbor testove ho vy konu probanda zu castnÚny m psychologem bude presnost klasifikace da le zlepsovat. PrıspÚvek ponecha va stranou problematiku kauza lnı atribuce rozdıl˚ mezi norma lnımi a psychiatricky mi probandy. Jak jiz bylo naznaceno statisticky vy znamny mi rozdıly ve vzdÚlanostnı u rovni obou vzork˚, je pravdÚpodobne , ze se na na lezech delsıch RC a nizsı obvyklosti odpovÚdı pacient˚ podılejı kromÚ aktua lnıho psychicke ho zdravı rovnÚz faktory jako medikace, hospitalizace a vytrzenı z kazdodennıho zivota, aktua lnÚ probıhajıcı psychoterapie a jine . ZobecnÚnı nalezene soubÚzne diagnosticke validity na validitu prediktivnı bra nı rovnÚz postdiktivnı charakter provedene studie. RovnÚz je nutne pripomenout, ze nalezeny diagnosticky potencia l se va ze k pouzite mu podnÚtove mu protokolu a zp˚sobu jeho administrace. Externı validita, tzn. zejme na klasifikacnı presnost pri vyuzitı norem pocha zejıcıch z tohoto vy zkumne ho setrenı, m˚ze by t takte z neprıznivÚ ovlivnova na napr. zdrojovou populacı novÚ hodnoceny ch proband˚, mj. jejich vzdÚla nım a bydlistÚm. C la nek da le presvÚdcivÚ dokla da , ze parametry koznıho odporu (predevsım SRR amp.t.) jsou relevantnı pro rozlisenı mezi zdravy mi a psychiatricky le ceny mi probandy a zlepsujıklasifikacnı presnost klasifikacnıho algoritmu o cca 8%. Pouzity adaptivnı fuzzy syste m nabızı vy kon lepsı anebo alespon srovnatelny s klasifikacnım vy konem model˚ vycha zejıcıch z logisticke regrese a kromÚ snadnosti softwarove ho zpracova nı poskytuje moznost pr˚bÚzne aktualizace pamÚÝove ba ze vedoucı ke zlepsova nı rozhodovacı presnosti. Jeho modifikace pro zpracova nı dat jiny ch diagnosticky ch metod v ra mci CBA (Computer Based Assessment) je nasnadÚ. LITERATURA Baschek, I. L., Bredenkamp, J., Oehrle, B., Wippich, W.: Bildhaftigkeit, Konkretheit und Bedeutungshaltigkeit för 800 Substantive. Zeitschrift för Experimentelle und Angewandte Psychologie, 24(3), 1977, 353-396. C esky na rodnı korpus SYN2000.: Praha, UCNK FF UK 2000. Forster, J. C., Forster, K.: DMDX (Verze 2.4.06) [Pocıtacovy software]. University of Arizona, autori 2001. K dispozici: http://www.u.arizona.edu/~jforster/dmdx.htm Konda s, O.: Asociacny experiment: Testova prırucka. Bratislava, Psychodiagnosticke a didakticke testy 1989. Schwibbe, M., R¨der, K., Schwibbe, G., Borchardt, M., Geiken-Pophanken, G.: Zum emotionalen Gehalt von Substantiven, Adjektiven und Verben. In: Hager, W.,
11
Hasselhorn, M. (Eds.): Handbuch deutschsprachiger Wortnormen. G ttingen, Hogrefe 1994, 272-284. SyrisÝova , E., Srnec, J.: K ota zce diagnosticke ho vyuzitı reakcnıch dob v asociacnım pokusu. C eskoslovenska psychologie, 1(1), 1957, 45-52. S lechta, P.: Metodologie mÚrenı koznıho odporu v pr˚bÚhu testu slovnıch asociacı. Bulletin PsU , 7(2), 2001, 44-57. S lechta, P.: Effects of stimulus affectivity and concreteness on electrodermal and verbal responses in word association test. Disertacnı pra ce, Universita Karlova, Praha 2002. K dispozici na http://slechta.euweb.cz/WAT&SRR.htm
12
Prıloha Podn tovy protokol ZACVIC NA SLOVA: slunce ďstrom ďpla c ďokno PODNüTOVA SLOVA: Podn– t
Typ
Podn– t
Typ
1.
ka men
konkr. neutra lnı
21.
brada
konkr. neutra lnı
2.
ztra ta
za porny
22.
nena vist
za porny
3. 4.
rozhovor
neutra lnı
23.
mesıc
konkr. neutra lnı
pochvala
kladny
24.
zrada
za porny
5.
hala
konkr. neutra lnı
25.
kladivo
konkr. neutra lnı
6.
nemoc
za porny
26.
polibek
kladny
7.
uda lost
neutra lnı
27.
smlouva
neutra lnı
8.
hrozba
za porny
28.
da rek
kladny
9.
hodiny
konkr. neutra lnı
29.
dvere
konkr. neutra lnı
10.
radost
kladny
30.
zloc in
za porny
11.
poradı
neutra lnı
31.
oblast
neutra lnı
12.
vraz da
za porny
32.
du vera
kladny
13.
fa ze
neutra lnı
33.
minulost
neutra lnı
14.
prıtel
kladny
34.
strach
za porny
15.
povaha
neutra lnı
35.
kilometr
konkr. neutra lnı
16.
stestı
kladny
36.
bolest
za porny
17.
prkno
konkr. neutra lnı
37.
pru beh
neutra lnı
18.
ýzkost
za porny
38.
fantazie
kladny
19.
vymena
neutra lnı
39.
hektar
konkr. neutra lnı
20.
legrace
kladny
40.
la ska
kladny
13
