關於上肢疼痛與整體生活品質等的單變量分析結果(Renew!)

分析不刪除非個案自評生活品質的那個樣本(n=152)，以原本的疼痛分數將個案分成兩組: 8-20分/21-24分，做分數的轉換(8-20=1, 21-24=2)。檢查其分數分布，偏態值(skewness)為-0.6，峰態值(kurtosis)為-1.6，接近常態分佈。

再來，將轉換後的疼痛分數與其他變數作單變量的分析，看變數之間兩兩的相關:

Correlations
		fmue	bi	fai	oqol	pain
fmue	Pearson Correlation	1	.635**	.460**	.592**	.512**
	Sig. (2-tailed)		.000	.000	.000	.000
	N	152	152	152	152	152
bi	Pearson Correlation	.635**	1	.575**	.758**	.372**
	Sig. (2-tailed)	.000		.000	.000	.000
	N	152	152	152	152	152
fai	Pearson Correlation	.460**	.575**	1	.691**	.414**
	Sig. (2-tailed)	.000	.000		.000	.000
	N	152	152	152	152	152
oqol	Pearson Correlation	.592**	.758**	.691**	1	.406**
	Sig. (2-tailed)	.000	.000	.000		.000
	N	152	152	152	152	152
pain	Pearson Correlation	.512**	.372**	.414**	.406**	1
	Sig. (2-tailed)	.000	.000	.000	.000
	N	152	152	152	152	152
**. Correlation is significant at the 0.01 level (2-tailed).

上肢疼痛與上肢動作/BADL/IADL/整體生活品質在統計上皆有顯著相關(p<0.01)，其中，與上肢動作相關最高，r=0.51，呈中度相關。其次是IADL, 整體生活品質和BADL，r=0.37~0.41，略低於中度相關。

與整體生活品質相關最相關的變項是BADL(r=0.76)，其次是IADL(r=0.69)，再來是上肢動作(r=0.59)及疼痛(r=0.41)。

Renew:

後來發現BI的分數分佈也不是很常態[偏態值(skewness)為-1.6，峰態值(kurtosis)為2.0]，所以也將個案的分數分成兩群(0-15; 16-20)，後來分數分佈就接近常態了[偏態值(skewness)為-0.9，峰態值(kurtosis)為1.1]。以下是新的單變量分析結果:
*原本Pain和BI或O-QOL和BI的相關都稍微降低了!

Correlations
		fmue	pain	binew	fai	oqol
fmue	Pearson Correlation	1	.512**	.566**	.460**	.592**
	Sig. (2-tailed)		.000	.000	.000	.000
	N	152	152	152	152	152
pain	Pearson Correlation	.512**	1	.314**	.414**	.406**
	Sig. (2-tailed)	.000		.000	.000	.000
	N	152	152	152	152	152
binew	Pearson Correlation	.566**	.314**	1	.532**	.664**
	Sig. (2-tailed)	.000	.000		.000	.000
	N	152	152	152	152	152
fai	Pearson Correlation	.460**	.414**	.532**	1	.691**
	Sig. (2-tailed)	.000	.000	.000		.000
	N	152	152	152	152	152
oqol	Pearson Correlation	.592**	.406**	.664**	.691**	1
	Sig. (2-tailed)	.000	.000	.000	.000
	N	152	152	152	152	152
**. Correlation is significant at the 0.01 level (2-tailed).

附注: 也試著將疼痛分數轉成對數和指數，轉成對數的分數不符合常態，所以不進一步分析。轉成指數的分數接近常態[偏態值(skewness)為0.8，峰態值(kurtosis)為-1.2]，轉換分數與其他變數的相關情形如下:

Correlations
		fmue	bi	fai	oqol	exppain
fmue	Pearson Correlation	1	.635**	.460**	.592**	.388**
	Sig. (2-tailed)		.000	.000	.000	.000
	N	152	152	152	152	152
bi	Pearson Correlation	.635**	1	.575**	.758**	.330**
	Sig. (2-tailed)	.000		.000	.000	.000
	N	152	152	152	152	152
fai	Pearson Correlation	.460**	.575**	1	.691**	.511**
	Sig. (2-tailed)	.000	.000		.000	.000
	N	152	152	152	152	152
oqol	Pearson Correlation	.592**	.758**	.691**	1	.437**
	Sig. (2-tailed)	.000	.000	.000		.000
	N	152	152	152	152	152
exppain	Pearson Correlation	.388**	.330**	.511**	.437**	1
	Sig. (2-tailed)	.000	.000	.000	.000
	N	152	152	152	152	152
**. Correlation is significant at the 0.01 level (2-tailed).

* 多變量分析: 目前將兩種轉換後的疼痛分數放進複迴歸模式分析，皆出現與之前相同的結果(疼痛不被納入模式)。因為轉換後的疼痛分數皆與上肢動作/BADL/IADL有中低度的相關，所以目前似乎無法以這個複迴歸模式(O-QOL=UE+BI+FAI+Pain)來解釋疼痛與整體生活品質的關係。

Renew:
將分兩群後的疼痛分數及BI分數放進迴歸分析模式，則首先被選進模式的變數是FAI，再來才是BI和上肢分數，疼痛依然沒有被選進去。

之後，要多找些單變量及多變量分析的regression model paper來閱讀了。

關於下學期的修課

考慮去修『應用貝氏統計分析』，是公衛蕭朱杏老師開的課程，兩學分。
之前業太教IRT的時候，提到MAP和EAP兩種估計能力的方法是源自於貝氏統計，
而目前貝氏統計也被應用於許多領域(如人工智慧、機器學習理論、資料採礦、資訊科學、致病基因相關性分析、醫藥衛生)，所以考慮去修。
雖然統計對我來說，一直都是很不容易的科目。。。
有時候需要強迫自己去學，因為做的研究跟統計息息相關。
雖然一開始需要鼓起勇氣去修，但修了之後還是會覺得學到很多，
這是這學期修生統的感想。

另外，目前還找不到適合的認知相關課程可以修，或許先自己看書找資料。

初步的認知評估想法

前一陣子找李晏討論認知相關的評估工具設計，
她根據我之前所想的sensory/perceptual/cognitive->motor/balance/ADL評估構想提出了一個建議:
component+functional task的評估

以注意力為例:
分成兩大部分:

第一部分:
component的測驗，包含focused attention/sustained attention/selective attention/alternating attention/divided attention (pencil-paper or computer-based test)
第二部分:
functional task的測驗，請個案做一些日常生活中會做的task，一個task可能會包含幾個component (ex: focused attention+sustained attention: 找到報紙上的一篇文章(指定)並閱讀，並作答3個與文章相關的選擇題，測Reaction Time)

如果全部測完可能時間會太長，
所以需要分成兩次評估，
第一次測functional task的測驗，
第二次測component的測驗。
未來的臨床使用也希望進行這樣的方式，
二階段評估，先初步了解functional task上的缺失，再從component方面確認問題 (Top-down evaluation)。

component->functional task原本不符合CFA的假設方向，但因為一個functional task可能不只一個component組成，若是這樣的模式則可以用CFA分析的。

6/12 notes for writing course

1. 第三段是主要的段落之一，但沒有把重點開門見山說出來。如：目前IADL工具的內容有什麼樣的問題和限制(不只有性別差異的問題)。
2.  雖然有些男性仍須從事一般由女性從事的IADL(煮飯/洗衣/家務)，但這些項目仍有gender bias的「趨勢」。
3. perceived difficulty是否可解釋成perceived problem須再確定。
恩琦：
1. 第三段"Whether or not the plateau phases can be reached after Time interval 2-3 is these two indices is uncertain, "此說法代表"uncertainty"是肯定的，那後續的研究就變得沒有意義了。可考慮將此刪除。
2. 可將目前寫的範圍與第一次CI來比較，看大概是多少的percentage。
姿誼：
1. 根據題目，第三段為最重要的段落，但對於德菲法和認知訪談的描述較一般。可說明兩種研究方法的特別功能及與發展教材的關係。站在讀者的立場說出重點：為什麼要用德菲法和 認知訪談法展OTK。
2. 德菲法和認知訪談為什麼可以解決目前的問題，PPT的文字說明應再清楚一些。
3. 第一段：可直接說明個案和家屬對醫療專業的知識和理解程度對治療順從度有很大的影響。
Jenny：
1. 結果處應說明二階驗證性因素分析法的中介變項，也須於結論處解釋二階的結果。
2. CFA是用來驗證資料是否符合模式，若因為資料不符合，就找revised的模式，則不符合CFA的精神。應修正原本的假設，再以CFA驗證修正後的假設。
＊ Rasch (1P)的條件最為嚴苛，2P或3P則是藉由加入新的參數使資料容易符合模式。
3. 背景與目的：
(1) ADL評量層面可概分為三種。。。寫法較保守，須再肯定。
(2) 說明ADL評量層面後就出現三層面巴氏量表，有些突然。
(3) 因原本的巴氏量表(實際表現)已有良好信效度，須考慮是否還要驗證實際表現的建構效度。
4. 此建構的理論是否支持可用另一個data set來驗證。