Metodi d'indagine in psicologia clinica

Chi è lo psicologo

Questa professione è caratterizzata dall’uso di strumenti conoscitivi e di intervento per la prevenzione, la diagnosi e le attività di abilitazione, riabilitazione e di sostegno, in ambito psicologico, rivolte alla persona, al gruppo, agli organismi sociali e alle comunità e comprensiva altresì delle attività di sperimentazione, ricerca e didattica in tale ambito.

Articolo scientifico

È il principale mezzo di comunicazione all’interno della comunità scientifica ed è in genere scritto in inglese. Vengono pubblicati su riviste specializzate e quando l’articolo viene inviato viene sottoposto al giudizio di valutatori (peer review). Impact factor: è il più noto degli indici citazionali della rivista, è una media fra il numero di citazioni dei lavori pubblicati in una certa rivista e il numero totale di lavori pubblicati della stessa rivista nei due anni precedenti. Diverse tipologie di manoscritti: studi empirici, reviews della letteratura, articoli teorici, articoli metodologici, studi di casi e altri tipi.

Tipologie di manoscritti

Paper: vengono descritti nuovi esperimenti e discussi i risultati derivanti da essi. Obiettivo del paper è quello di rispondere a specifiche domande attraverso dati sperimentali.

Review: non ci sono dati sperimentali nuovi e queste sono costituite dalla discussione di dati pubblicati in diversi paper, vengono messe a confronto le evidenze scientifiche.

Come organizzare un manoscritto

• Titolo: deve riassumere l’idea principale del manoscritto, in modo semplice e con stile.
• Nome e affiliazione dell’autore: inclusi il nome e l’affiliazione istituzionale dell’autore.
• Note dell’autore: per identificare il dipartimento di appartenenza, i riconoscimenti, …
• Abstract: breve e comprensivo riassunto dei contenuti dell’articolo che permette ai lettori di avere informazioni in maniera rapida ed efficace (background e scopo, metodo, risultati, conclusioni).
• Introduzione: si presenta la letteratura scientifica sull’argomento e l’obiettivo dello studio, esposizione dettagliata e dei risultati conseguiti dai ricercatori che si occupano dell’argomento ed esposizione sintetica ma dettagliata del nostro contributo originale; si conclude con la descrizione dell’obiettivo, ipotesi di ricerca.
• Metodo: descrive nel dettaglio com’è stato condotto lo studio e come sono state analizzate le variabili (partecipanti, strumenti, procedura, analisi dei dati).
  • Analisi dei cluster (strumento esplorativo che permette di creare due categorie in modo che il grado di associazione tra i membri della stessa categoria sia forte e debole con i membri dell’altra).
  • Analisi discriminante (per individuare una o più combinazioni lineari delle variabili indipendenti che consentono di differenziare al meglio i gruppi).
  • Reti neurali (RNA - Le unità interne delle reti hanno la funzione di rielaborare i pattern in input formando delle rappresentazioni interne che permettono alle unità di output di fornire la risposta esatta).
• Risultati: si riportano figure e tabelle.
• Discussione: seguono lo stesso schema espositivo dell’introduzione, non si riportano i risultati ma si discutono quelli più rilevanti.
• Bibliografia: norme APA - per le citazioni di libri mettere il cognome e le iniziali seguite da un punto e dall’anno di pubblicazione, si inserisce il titolo in corsivo e la casa editrice; per gli articoli scientifici mettere gli autori seguiti dalla data di pubblicazione, poi il titolo del lavoro e il titolo del giornale in corsivo, poi numero del volume e numeri di pagina; per i siti web si cita l’autore e la data di pubblicazione seguita dal titolo del sito web, la data di accesso, la data di disponibilità del documento sul sito e l’url del sito

(Rossi & Bianchi, 2010) – nel testo

Psicometria

Test parametrici e non

Test parametrici: si basano sui valori di media e deviazione standard, necessitano di una variabile continua (di una scala a rapporti o intervalli) e presuppone l’utilizzo di una distribuzione normale (Anova, T-Test).

Test non parametrici: non presuppongono l’uso dei valori media e deviazione standard, non necessitano di una distribuzione normale e sono utilizzati con campioni piccoli. La statistica inferenziale, che utilizza i dati statistici sintetizzati dalla statistica descrittiva per formulare previsioni di tipo probabilistico, si serve di entrambi.

Variabili

Variabile è tutto ciò che varia, è qualsiasi caratteristica, psichica o fisica, che può assumere valori diversi in un dato intervallo.

• Variabile numerica: discreta (insieme dei valori che può assumere è finito o numerabile – numeri naturali 1,2,3), continua (l’insieme dei valori che può assumere è l’insieme dei numeri reali o un intervallo di numeri reali)
• Variabili latenti: quei costrutti che non sono direttamente osservabili (es. ansia, stress)
• Variabili osservabili: sono la definizione dei costrutti latenti attraverso un processo di operazionalizzazione
• Variabile indipendente: quella che ipotizza produca degli effetti di influenzamento su altre variabili
• Variabile dipendente: quella che subisce gli effetti della variabile indipendente
• Variabili artificiali: create artificialmente dallo sperimentatore (es. reddito in fasce). Come si fa a creare una variabile artificiale? Somministrando un test ad un gruppo e a un altro no si crea una variabile indipendente sperimentale e si divide il campione in base a qualcosa di artificiale
• Variabili confondenti: rappresentano un possibile problema per la validità di costrutto. Avvengono nello stesso momento e sono inestricabilmente legate, che genera un’associazione apparente (confondimento positivo) o maschera un rapporto realmente esistente tra una certa esposizione e una certa malattia (confondimento negativo)
• Le variabili studiate nella ricerca in psicologia clinica possono essere raggruppate in 5 ambiti generali: cognitivo, affettivo, comportamentale, biologico, sociale
• Variabili estensive: direttamente misurabili poiché sono sommabili (es. peso, altezza)
• Variabili intensive: non direttamente misurabili perché non sommabili (es. variabili latenti)

Scale di misura

• Nominali: classificazione per nomi. È la scala di misura più semplice in quanto i numeri sono utilizzati solo come etichette (moda – range, conteggio frequenze)
• Ordinali: disporre o classificare gli eventi secondo un ordine, dove il numero rappresenta la posizione e non la quantità posseduta (moda, mediana, percentili – range, conteggio frequenze, distanza interquartilica) -> scala Likert
• A intervalli equivalenti con zero arbitrario: anche questa consente di dare un ordine alle variabili ma in questo caso la distanza tra due punteggi è costante e ha un valore preciso (moda, mediana, media, percentili – range, conteggio frequenze, distanza interquartilica, varianza, deviazione standard)
• A rapporti equivalenti con zero assoluto: la differenza è che viene fissato uno zero assoluto (moda, mediana, media, percentili – range, conteggio frequenze, distanza interquartilica, varianza e deviazione standard)

Indici di tendenza centrale

• Moda: indica la frequenza più elevata ed è facilmente intuibile, è il valore che si presenta più spesso
• Mediana: divide la distribuzione in due parti uguali quando i dati della distribuzione sono in ordine crescente e decrescente, è poco influenzata da valori estremi
• Media: rappresentata dalla somma di tutti i dati, divisa per il numero totale dei dati, è adatta a manipolazione matematiche ed è influenzata da valori estremi
  • Media trimmed: calcolo della media eliminando il 5% dei valori più alti della distribuzione e il 5% dei valori più bassi per evitare che il suo calcolo venga influenzato dai valori estremi
• Percentili: valori che dividono la distribuzione in 100 parti uguali; sono quei punteggi al di sotto dei quali si trova una determinata parte dei dati della distribuzione
  • Rango percentile: la percentuale di casi che ha ottenuto un punteggio pari o minore a quello ottenuto; fornisce la posizione di ogni singolo dato all’interno di una distribuzione
• Decili: valori che dividono la distribuzione in 10 parti uguali
• Quartili: dividono la distribuzione in 4 parti uguali

Indici di dispersione o di variabilità

Si utilizzano in una distribuzione normale e permettono di ottenere una misura di variabilità dei punteggi della distribuzione della maggiore o minore lontananza dei dati statistici dal valore medio, ovvero come i dati raccolti si distribuiscono.

• Range: dato dalla differenza del valore più grande meno il valore più piccolo
• Distanza interquartilica: data dalla differenza tra il primo e terzo quartile (25^° e 75^° percentile)
• Varianza: data dalla deviazione dei dati dalla media divisa per il numero dei casi (rappresentata dal quadrato)
• Deviazione standard: data dalla radice quadrata della varianza, maggiore è la deviazione standard maggiore è la dispersione dei punteggi attorno alla media

Correlazione

Per correlazione si intende una relazione tra due variabili casuali tale che a ciascun valore della prima variabile corrisponda, con una certa regolarità, un valore della seconda (non si tratta necessariamente di un rapporto di causa ed effetto ma della tendenza di una variabile a variare in funzione di un’altra). Il grado di correlazione viene espresso mediante gli indici di correlazione che assumono valori compresi tra -1 (quando le variabili sono inversamente correlate – correlazione negativa) e +1 (quando la correlazione è diretta, positiva), un indice di correlazione pari a zero indica assenza di correlazione (quindi le variabili sono indipendenti l’una dall’altra).

Coefficiente di correlazione

• r di Pearson: variabili metriche, scala a intervalli o rapporti e distribuzione normale, con N>30
• rho di Spearman (correlazione per Ranghi): due variabili (una metrica e una ordinale), anche con campioni piccoli, non misura una relazione lineare (più appropriato per le scale ordinale)
• Punto biseriale: una variabile metrica e una dicotomica (non distribuita normalmente)
• Phi o punto tetracorico: due variabili dicotomiche (si assume che le categorie non siano continue)
• tau di Kendall: due variabili ordinali, campioni piccoli
• Tetracorico: due variabili dicotomiche “artificiali”, campioni grandi

Regressione

La regressione può essere definita come una procedimento statistico utilizzato per stimare l’influenza di una o più variabili indipendenti (predittori) su una variabile dipendente (criterio): indaga l’influenza che una variabile ha su un’altra. Quando si analizza l’effetto di una sola variabile indipendente si parla di regressione lineare bivariata; se le variabili indipendenti sono più di una si parla di regressione multipla. Se le variabili non correlano non si può fare l’analisi della regressione.

Curva ROC

È il punto di discriminazione (cut-off) più conveniente di un test e indica quanto il test è specifico e sensibile. Ad ogni soglia di decisione corrisponde una coppia (sensibilità e specificità). La soglia migliore è quella Se=1 e Sp=1, per la quale il test diagnostico è infallibile (nessun falso positivo o falso negativo). Più la curva ROC è arcuata verso quel punto migliore sarà il test decisionale. L’area sopra la curva ROC rappresenta l’errore connesso con l’uso del test stesso, mentre l’area sotto la curva ROC (Area Under Curve) è una misura di quanto un parametro può distinguere tra due gruppi diagnostici e l’AUC può assumere valori compresi tra 0.5 e 1.0 (tanto maggiore è l’area sotto la curva tanto maggiore è il potere discriminante del test, quindi il test è più sensibile e specifico). Le curve ROC possono servire per confrontare il comportamento di più test diagnostici.

D di Cohen

Quando i gruppi sono abbastanza omogenei valutiamo il d di Cohen, un indice per il calcolo della dimensione dell’effetto (=sulla grandezza della differenza tra medie) che può essere piccolo, medio o grande -> più il valore di questo indice si avvicina a zero, più l’effetto è debole; più è grande più l’effetto è grande. È diversa dalla significatività clinica: un effetto può essere ampio ma irrilevante, se la variabile che mostra tale effetto non è importante. Il modo in cui viene calcolata la dimensione dell’effetto dipende dal tipo di metodi statistici usati nello studio: D di Cohen -> t test; eta quadro -> Anova.

R quadro

Coefficiente di determinazione: esprime la variabilità nella variabile dipendente spiegata da quella indipendente -> la variazione nei valori di y che può essere giustificata dalla variazione di x.

T test

Serve per effettuare il confronto tra medie quando si pongono a confronto due gruppi. Nell’unpaired t-test il confronto avviene tra medie di due campioni appartenenti a due popolazioni diverse; nel paired t-test (test per campioni appaiati) il confronto avviene tra medie di due campioni appartenenti alla stessa popolazione (in due tempi diversi) o sulla media del campione messa a confronto con la media del campione normativo.

• Test a una coda: se si può predire a priori la direzione della differenza tra le medie dei due campioni.
• Test a due code: se non si sa niente sullo sviluppo che la differenza tra le medie.

Requisiti: il campione deve essere composto da un’unità minima di 10 soggetti, la variabile dipendente deve essere quantitativa, la variabile indipendente deve essere qualitativa e avere solo due modalità, le unità statistiche devono essere tra loro indipendenti, la variabile quantitativa non deve avere valori anomali in nessuno dei due gruppi, due campioni devono distribuirsi normalmente.

Chi quadro

Il test del Chi-quadro è un’analisi parametrica che si utilizza nel caso di distribuzione normale, che serve ad osservare la presenza o l’assenza di una correlazione nel caso in cui le variabili si dispongano su scala nominale. Si usa anche per verificare l’ipotesi nulla e per mettere a confronto le proporzioni. La tabella 2x2 o tabella a doppia entrata serve a confrontare due proporzioni e si costruisce come una normale tabella a due entrate dove ogni carattere è scisso in due modalità che devono essere mutualmente esclusive, esaustive e indipendenti tra i soggetti.

Anova

L’ANOVA è una tecnica statistica per verificare se 3 (+) medie della popolazione sono uguali. Tecnica statistica per valutare l’effetto di determinati fattori, variabili indipendenti (categoriali) sulla variabile dipendente (di tipo continuo).

• ANOVA ad un via (one-way): quando si ha una sola variabile dipendente e una sola variabile indipendente a livelli.
• ANOVA a misure ripetute: la variabile indipendente è composta da 3 livelli e si ha una variabile dipendente, si testa più volte la variabile indipendente.
• ANOVA fattoriale: quando si ha una sola variabile dipendente ma più variabili indipendenti a più livelli. Due tipi di effetti delle variabili indipendenti sulla variabile dipendente:
  • Effetto principale: rappresenta l’effetto medio di una variabile indipendente sulla variabile dipendente senza considerare i valori delle altre variabili indipendenti.
  • Effetto di interazione: due variabili interagiscono se l’effetto di una variabile indipendente sulla variabile dipendente si verifica solo a determinati livelli dell’altra variabile indipendente.
• Esempio: vogliamo verificare quale tipo di psicoterapia (di gruppo o individuale) sia particolarmente efficace considerando i livelli di ostilità dei pazienti (alta o bassa) sulla base della quantità di sintomi riportati alla fine del percorso terapeutico.
• MANOVA (multivariate analysis of variance): quando c’è più di una dipendente e più di una indipendente -> le variabili devono correlare ma non troppo.
• Anova mista: valutiamo differenze fra gruppi e entro i gruppi.

La somma dei quadrati between (SSbetween) esprime la quantità totale di dispersione tra le medie campionarie. SSbetween grande indica che le medie campionarie differiscono molto, più è diverso il nostro campione, più è probabile che anche la nostra popolazione sia diversa. Dividiamo le nostre somme di quadrati per i gradi di libertà (df) e quando si confrontano k medie i gradi di libertà sono (k-1). Dividendo SSbetween per (k-1) si ottengono quadrati medi between: MSbetween (che sono la varianza tra le medie campionarie, indicano quanto le nostre medie differiscono). Somme di quadrati within (Sswithin) indicano la quantità totale di dispersione all’interno dei gruppi; gradi di libertà within (DFwithin) è (n-k) per n osservazioni e k gruppi e i quadrati medi within (MSwithin), sono la varianza all’interno dei gruppi, è Sswithin/DFwithin.

Le principali assunzioni dell’ANOVA sono: gli errori devono distribuirsi con forma normale, gli errori devono essere indipendenti, le misure oggetto di osservazioni non sono soggette a condizionamento probabilistico. Per verificare l’uguaglianza delle varianze si fa ricorso a diversi test e verifiche:

• Test di Levene: test non parametrico per verificare l’omogeneità tra le varianze. Risulta verificato se non c’è differenza significativa.
• F di Fisher: significatività della differenza tra medie; per verificare che due popolazioni siano simili.