Lo studio dei casi singoli è alle fondamenta della neuropsicologia, tuttavia i metodi di analisi classici sono focalizzati a capire quali siano i fenomeni generali su campioni di soggetti di numerosità tale da essere rappresentativa della popolazione statistica oggetto di studio. L’analisi statistica del caso singolo, quindi, trova gli approcci più classici difficilmente applicabili. Questo limita le possibi lità di avere risposte appropriate a quesiti sperimentali più complessi, limitando di fatto la validità e la diffusione dello studio dei casi singoli. Negli anni sono stati proposti diversi metodi spaziando dalle analisi dei semplici grafici, a test non pa rametrici. Attualmente il gold standard per l’analisi dei soggetti singoli sono i test di Crawford (Crawford & Garthwaite, 2005; Crawford, Garthwaite, & Wood, 2010; Crawford & Howell, 1998). Tali opzioni sono tuttavia estremamente limitate: possono indicar e quando i casi singoli si comportano in modo differente dai controlli (ma non quando sono effettivamente uguali) in disegni sperimentali semplici. Lo scopo di questo studio quindi è la creazione e validazione di un nuovo approccio statistico flessibile e potente (Bayesian Multilevel Single Case model - BMSC) che permetta di valutare sia l’ipotesi alternativa (il caso singolo si comporta in modo diverso dal campione di controllo) che l’ipotesi nulla (il caso singolo si comporta nello stesso modo del campion e di controllo).

Bayesian Multilevel Single Case model (BSMC): un nuovo approccio all'analisi statistia dei casi singoli

Michele Scandola
;
2018

Abstract

Lo studio dei casi singoli è alle fondamenta della neuropsicologia, tuttavia i metodi di analisi classici sono focalizzati a capire quali siano i fenomeni generali su campioni di soggetti di numerosità tale da essere rappresentativa della popolazione statistica oggetto di studio. L’analisi statistica del caso singolo, quindi, trova gli approcci più classici difficilmente applicabili. Questo limita le possibi lità di avere risposte appropriate a quesiti sperimentali più complessi, limitando di fatto la validità e la diffusione dello studio dei casi singoli. Negli anni sono stati proposti diversi metodi spaziando dalle analisi dei semplici grafici, a test non pa rametrici. Attualmente il gold standard per l’analisi dei soggetti singoli sono i test di Crawford (Crawford & Garthwaite, 2005; Crawford, Garthwaite, & Wood, 2010; Crawford & Howell, 1998). Tali opzioni sono tuttavia estremamente limitate: possono indicar e quando i casi singoli si comportano in modo differente dai controlli (ma non quando sono effettivamente uguali) in disegni sperimentali semplici. Lo scopo di questo studio quindi è la creazione e validazione di un nuovo approccio statistico flessibile e potente (Bayesian Multilevel Single Case model - BMSC) che permetta di valutare sia l’ipotesi alternativa (il caso singolo si comporta in modo diverso dal campione di controllo) che l’ipotesi nulla (il caso singolo si comporta nello stesso modo del campion e di controllo).
single case analysis, bayesian, statistics
File in questo prodotto:
File Dimensione Formato  
Abstract-SINP-Roma18.pdf

accesso aperto

Descrizione: atti del convegno
Tipologia: Abstract
Licenza: Dominio pubblico
Dimensione 787.91 kB
Formato Adobe PDF
787.91 kB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11562/989768
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact