Factor structure of the Frenchay Activities Index in patients with stroke (20170208 renew)

以CFA驗證過去研究所證適用於中風病患的FAI 2-factor model

【多向度Rasch驗證】所得結果

2-factor model 

Factor 1 (domestic chores) = item 1+item 2+item 3+item 4+item 5+item 6
煮飯燒菜、洗碗、洗衣服、簡單的家事、整理家務、商店購物

Factor 2 (work/leisure) =item 7+item 8+item 9+item 10+item 11+item 12+item 13+item 14+item 15 
社交活動、戶外走路超過15分鐘、從事自己的嗜好或興趣、開車或搭公車外出、外出旅遊、照顧花木盆栽、維修汽車或房屋/修理小家電、讀書、工作

Factor 1和Factor 2相關

使用STATA 14進行CFA
配適度檢定結果：did not fit the model

x2/df (需2~5)	RMSEA (需小於0.08)	CFI (需大於0.9)	TLI (需大於0.9)	SRMR (需小於0.08)
5.86	0.11	0.85	0.82	0.08

依據修正指標(modification indices)與期望參數改變量(expected parameter change)修正model為

以下 2-factor model 

Factor 1 (domestic chores) = item 1+item 2+item 3+item 4+item 5

煮飯燒菜、洗碗、洗衣服、簡單的家事、整理家務

其中，
(1) 煮飯燒菜、洗碗 相關
(2) 簡單的家事、整理家務 相關

Factor 2 (work/leisure) =item 6+item 7+item 8+item 9+item 10+item 11+item 12+item 13+item 14+item 15

商店購物、社交活動、戶外走路超過15分鐘、從事自己的嗜好或興趣、開車或搭公車外出、外出旅遊、照顧花木盆栽、維修汽車或房屋/修理小家電、讀書、工作

其中，
(1) 商店購物、戶外走路超過15分鐘 相關
(2) 商店購物、外出旅遊 相關
(3) 社交活動、從事自己的嗜好或興趣 相關
(4) 從事自己的嗜好或興趣、讀書 相關
(5) 開車或搭公車外出、工作 相關
(6) 照顧花木盆栽、維修汽車或房屋/修理小家電 相關
(7) 照顧花木盆栽、讀書 相關

另外，Factor 1和Factor 2相關

配適度檢定結果：fit the model

x2/df (需1~3)	RMSEA (需小於0.08)	CFI (需大於0.9)	TLI (需大於0.9)	SRMR (需小於0.08)
2.94	0.07	0.95	0.93	0.05

結論：

二因子模型：
(1) 家務：煮飯燒菜、洗碗、洗衣服、簡單的家事、整理家務
(2) 工作/休閒：商店購物、社交活動、戶外走路超過15分鐘、從事自己的嗜好或興趣、開車或搭公車外出、外出旅遊、照顧花木盆栽、維修汽車或房屋/修理小家電、讀書、工作
*【商店購物】 隸屬於 【工作/休閒】 因子

臨床使用建議：

以二個分量表的方式使用，各自計分

1. 與家務相關的分量表 (5項目)

2. 與工作/休閒相關的分量表 (10項目)

論文賣點：
1. 首篇以CFA驗證FAI應用於中風病患因素架構的論文
過去FAI應用於中風病患之因素架構驗證：一篇EFA, 一篇PCA, 一篇多向度Rasch
2. 針對最近一篇研究【以多向度Rasch驗證以往研究所提FAI的因素模型，以得適用於中風病患的FAI 因素模型】進行CFA，再次確認適用於中風病患的FAI因素架構，以期提升臨床應用。

FAI CFA結果 / EFA結果

1-factor model

IADL = item 1+item2+item3+item4+item5+item6+ item7+item8+item9+item10+item11+item12+item13+item14+item15

2-factor model

Factor 1 (domestic chores) = item 1+item2+item3+item4+item5+item6

Factor 2 (work/leisure) =item7+item8+item9+item10+item11+item12+item13+item14+item15

Factor 3 (IADL) = Factor 1 + Factor 2

	RMSEA (需小於0.08)	CFI (需大於0.9)	TLI (需大於0.9)	SRMR (需小於0.08)
1-factor model	0.14	0.74	0.69	0.10
2-factor model	0.11	0.85	0.82	0.08

二個model結果都不理想 (2-factor較1-factor好一點)

EFA結果：

Factor 1: item 1 + item 2 + item 3 + item 4 + item 5
Factor 2: item 6 + item 7 + item 8 + item 9 + item 10
Factor 3: item 12 + item 13 + item 14

FAI DIF分析方法與結果(重點紀錄) (20170120 renew)

方法: 
1. 使用ConQuest 2.0軟體分析
2. 以multidimensional PCM分析病患在FAI上每個項目反應

3. 除了確定FAI項目是否符合multidimensional PCM的假設，同時確認有那
    些項目有性別和患側的DIF
4. Item fitting criteria: infit/outfit MNSQ=0.6~1.4
    DIF criteria: difference of logits>0.5 and statistically significant

N=424; M (n=244) 57.5% vs. F (n=180) 42.5%; 
N=388; Left hemi (n=205) 48.3% vs. Right hemi (n=169) 39.9% vs. Bil hemi (n=14) 3.3%

【註】需要重新分析，先確定model fitting，再分析DIF。目前在2-factor model下刪了3題(洗衣服、從事自己的嗜好或興趣、工作)
Domain 1: reliability=0.80
Domain 2: reliability=0.81
有disordering的項目有6個：整理家務、社交活動、開車或搭公車外出、外出旅遊、照顧花木、讀書

平板電腦測驗的限制和可能解決方法【重要】

有動作障礙的個案，或是因症狀或藥物副作用產生動作障礙的個案
在平板電腦的操作上，
可能會有一些連練習都沒辦法克服的操作困難(並非同一診斷的個案都會有一樣的問題，但這樣的問題就是會存在)
如：停留在平板電腦螢幕太久
導致電腦錯誤解讀個案的反應
很有可能造成app當機(特別是測驗設定的條件多，較為複雜)
這個時候，
要更改的是電腦的系統
而非app
這就是另一個研究的議題了
【如何改良電腦系統使得動作障礙者可以完成平板電腦測驗】
然而，這卻是平板電腦測驗發展者很需要克服的問題
因為設計的測驗很多時候是用來評估這些有動作障礙的個案的

iSAT測試心得

測試二位個案，他們平時皆很少操作平版電腦。
結果發現，其中一位個案手指觸碰螢幕太久（或許也太大力），導致app當掉（註）。
另一位個案力道OK, 停留時間OK, 就沒有這樣的問題，但他的問題是，有時會用指甲敲螢幕，pad會感應不到，須再按一次。
已請杰騰未來在讓個案做練習題時，注意個案觸碰pad的部分，並針對這部分多練習。
註：之前在松德測試時也出現同樣狀況，但到這次桃療測試才比較確認此狀況是手按螢幕太久導致。個案因症狀或藥物負作用導致操作較不靈活，也因為少用平版，測驗時可能較緊張而更僵硬，不過，因為有二回練習題，正式測驗的低/高負載題目也各有二回，個案的分數誤差可以被平均掉。目前比較需要解決的是，如果到時app當掉要怎麼辦，須再思考及請教工程師。

iSAT positioning (20161125 renew)

目前初步確定的iSAT擺位如下圖所示：

1. 架子的角度為45度(註)
2. 架子離桌緣20公分
3. 開始/結束位置：10公分*15公分的黑色止滑墊，中間的圓形直徑7.5公分(雙手放置處)
4. 黑色止滑墊離架子和桌緣皆為5公分

*目前試過較不容易反光的位置在：iSAT擺放在光源之右側 (燈光來自左方)。
* 桌椅之高度至臨床後再確認（臨床桌高66公分，椅高44公分）。目前使用的辦公桌約70公分高，椅子的高度約40公分。
*黑色止滑墊背面貼三條雙面膠。
*未來將於施測的桌面貼上膠帶，以固定上述施測位置，方便未來施測使用。

(註) 目前架子的傾斜角度改為45度，參考以下文獻發現：45度的傾斜角度較不易造成脖子和肩膀的負擔。

參考文獻：
Chiu H-P, Tu C-N, Wu S-K, Chien-Hsiou L. Muscle activity and comfort perception on neck, shoulder, and forearm while using a tablet computer at various tilt angles. International Journal of Human-Computer Interaction 2015;31:769-776

Developing preliminary normative data for iPad-based Selective Attention Test

年齡族群分成：
a. 16-24 Y
b. 25-39 Y
c. 40-54 Y
d. 55-70 Y

教育程度分成：
1. 小於等於12年
2. 13-15年
3. 大於等於16年

a1~a3
b1~b3
c1~c3
d1~d3