CAAT 收案規劃

電腦化交替性注意力測驗 (Computerized Alternating Attention Test, CAAT)預計於7月開始收案，目前之收案規劃如下：

*迷宮測驗為MATRICS Consensus Cognitive Battery之子測驗

由於CAAT練習題+模擬測驗之題數較多（約正式測驗之2倍，詳底下測驗流程之介紹），因此CAAT施測時毋須重複多次練習或重複多次正式測驗。

CAAT介紹

測驗目的：評量受測者轉換且交替使用二種不同認知任務之能力。
CAAT中採用之二種認知任務為：「判斷數字是否小於5」及「判斷形狀是否左右對稱」（如下圖）。

測驗流程：

CAAT包含三個測驗階段：示範/練習題、模擬測驗、及正式測驗。示範/練習題又分為三個部分：規則一～三之示範及練習。

示範/練習題之規則一，受測者須瞭解及熟悉規則一（判斷數字是否小於5）之操作方式；

規則二，須瞭解及熟悉規則二（判斷數字是否小於5）之操作方式；

規則三，須瞭解及熟悉【規則一及二交替出現】之操作方式。

模擬測驗及正式測驗中，皆為【規則一及二交替出現】，因此受測者須不斷地交替使用此二種認知任務。

暑假休假規劃

6/27（一）～ 6/30（四）家庭出遊
7/28（四）～ 7/30（六）員工旅遊

工作記憶測驗：台灣數字奇偶序列測驗 (Taiwan Odd-Even Number Sequencing Test, TOENST)

由臺大心理系花茂棽教授團隊所編製，TOENST之發展目的為：克服「字母數字順序測驗 (Letter Number Sequencing)之語言隔閡（因使用英文字母作為測驗刺激物所致）。
TOENST為語音系統WM評量工具，以評量受測者記憶語音訊息並將訊息重新排列之能力。

測驗方式：施測者朗讀一串阿拉伯數字數列（2–8個數字組成，數字為0–9），受測者須將數列中的阿拉伯數字重新排列並唸出，唸出數列的方式為：「先依照遞減的順序唸出奇數數字，再依照遞增的順序唸出偶數數字」。例如：施測者唸出之數列為「3245」則受測者須唸出「3542」。

測驗題目（數列）之長度有7種（2–8個數字），每種長度之題目底下包含3個小題。施測者從2個數字的題目開始施測，依次增加題目之長度。施測終止條件為：受測者連續答錯同一長度題目中的3個小題。TOENST之主要分數為：受測者答對的小題題數。受測者每答對一個小題可得一分，分數範圍為0–21，分數越高表示受測者之語音系統WM越佳。

TOENST可能之問題：年紀較大者可能不熟悉「奇偶數」概念，導致難以操作測驗或測驗結果偏低。研究結果亦顯示65歲以上常人之得分偏低，平均得分=5分，±1SD之得分分別為10及2分。若對思覺失調症患者而言，分數可能更低，導致測驗難以區隔受測者之能力，或影響其反應性。

未來可考慮先將TOENST加入WM驗證之效標測驗，以測試思覺失調症患者之臨床可行性。如果可行性高，後續可增加驗證此測驗之其它（此研究未包含）心理計量特性，如反應性。

參考文獻：
http://www.ncbi.nlm.nih.gov/pubmed/27161505

2016大核心研究能力自評雷達圖

【統計】及【閱讀】為全部能力中最高分的6分。
進研究所至今，幾乎每學習都有修習【統計】課。已修習之統計包括基礎統計、廣義線性迴歸、結構方程模型、多變量分析、文獻回顧及統合分析（本學期）、重複測量分析（本學期）、及羅序分析等。
這些統計課對於其它核心研究能力有所幫助，有助於「文獻閱讀的理解/批判」、「研究議題之擬定」、甚至「寫作時之概念及結果解釋」
【閱讀】為最常練習之能力，因為文獻看的較多、統計方法越來越熟悉、且開始練習寫作，所以對於閱讀文獻之效率及讀懂的程度也隨著提高。

【研究方向】、【研究設計】、【寫作】、【溝通能力】、及【時間管理】同為4分。
博班以來，撰寫論文及研究計畫之機會很多，最直接影響就是【寫作】能力，尤其是英文寫作能力。目前英文寫作上可較精準地表達我想表達之概念。
經驗隨著寫計畫之經驗增加，【研究方向】及【研究設計】之能力也隨之增加。
【溝通能力】則隨著與共同作者合作之溝通機會增加，而慢慢提升溝通之效率。

【建構團隊】之分數最低（3分)，因目前仍較少有機會執行。

控制練習效應再驗證二種版本工具之相關性

 背景及問題：CDVT及DVT收案時，每位個案美次評估時皆須完成此二測驗，且此二測驗施測順序為counterbalance 設計。意即一群個案中，半數個案先施測CDVT再測DVT，另一半則先測DVT再測CDVT。
然而同一次評估中，較晚測驗的測驗結果可能受到前一次測驗之練習效應影響（例如先完成CDVT再做DVT的個案，其DVT的測驗結果可能受到個案操作CDVT的經驗影響），因而造成研究者高估較晚測驗的測驗結果。

解決辦法：先校正（控制）同一次評估中，較晚測的測驗結果（例如先完成CDVT再做DVT的個案，我們可以透過回歸分析將DVT分數之練習效應排除）[1]，接著再進行後續之資料分析，包含信度及效度等。

比較原始（未校正）與校正後心理計量特性：
再測信度分析結果

Tests	Adjacent assessments	ICC (95% CI)	MDC	MDC%	Differencea (Mean ± SD)	Effect sizeb	pc
C-DVT	Time 1-2	0.71 (0.54-0.83)	68.5	24.1%	6.8 ± 31.9	0.21	0.14
	Time 2-3	0.83 (0.70-0.90)	44.0	15.9%	7.8 ± 21.7	0.36	0.02
	Time 3-4	0.89 (0.81-0.93)	35.5	12.9%	-4.6 ± 19.6	-0.23	0.11
DVT	Time 1-2	0.95 (0.91-0.97)	156.0	29.7%	0.1 ± 71.0	0.00	0.99
	Time 2-3	0.95 (0.90-0.97)	134.9	26.2%	22.7 ± 61.6	0.37	0.01
	Time 3-4	0.96 (0.93-0.98)	110.1	22.2%	14.3 ± 47.3	0.30	0.04
C-DVT (校正)	Time 1-2	0.71 (0.53-0.82)	67.9	23.9%	6.8 ± 31.9	0.21	0.14
	Time 2-3	0.82 (0.68-0.89)	44.8	16.2%	7.8 ± 22.2	0.35	0.02
	Time 3-4	0.87 (0.78-0.92)	38.3	13.9%	-4.6 ± 20.8	-0.22	0.13
DVT (校正)	Time 1-2	0.91 (0.84-0.95)	175.6	33.4%	0.1 ± 93.5	0.00	0.99
	Time 2-3	0.93 (0.87-0.96)	157.2	30.6%	22.7 ± 72.0	0.32	0.03
	Time 3-4	0.93 (0.87-0.96)	129.5	26.1%	14.3 ± 66.4	0.22	0.14

Notes. ^aSDifference=Score_pre-Score_post

^bEffect size=Mean_Dif / SD_Dif

^cSignificant level=0.02 (0.05/3)

同時效度分析結果（CDVT與DVT之相關）：

	Time 1	Time 2	Time 3	Time 4
原始 (Pearson r)	0.53	0.61	0.54	0.64
校正後 (Pearson r)	0.75	0.76	0.76	0.79

生態效度分析結果 (CDVT vs both PSP and Lawton IADL scale):

	IADL	PSP
C-DVT	r=-0.44	r=-0.45
DVT	r=-0.15	r=-0.30
C-DVT（校正）	r=-0.40	r=-0.44
DVT（校正）	r=-0.20	r=0.34

結果總結：
信度：校正後，C-DVT的隨機測量誤差變小，而DVT的隨機測量誤差變大。
同時效度：校正後大幅提升。
生態效度：校正後之差異不大。


二種分析方法之選擇：使用校正後之分析結果撰寫論文。

參考文獻：
1. Ibrahim, I., Tobar, S., Elassy, M., Mansour, H., Chen, K., Wood, J., et al. (2015). Practice effects distort translational validity estimates for a Neurocognitive Battery. Journal of Clinical and Experimental Neuropsychology, 37, 530-537.

MDC 或 MDC% 選用

背景
我們驗證「電腦化數字警醒測驗 (Computerized Digit Vigilance Test, C-DVT)之3種不同施測方式，對於隨機測量誤差 (random measurement error)之影響」。C-DVT之3種施測方式分別為：【二次測量取平均】、【增加練習時間】及【原始施測】（及練習及施測各一次）。

驗證結果如下表：

施測方法	Time 1	Time 2	ICC	MDC	MDC%
	Mean ± SD	Mean ± SD
二次測量取平均	263.3 ± 48.5	249.9 ± 27.9	0.74	54.9	21.4
增加練習時間	300.3 ± 30.7	286.5 ± 43.3	0.69	57.0	19.4
原始施測	263.7 ± 48.9	248.4 ± 25.8	0.70	58.5	22.9

ICC: intraclass correlation coefficient; MDC: minimal detectable change.

問題
比較【二次測量取平均】及【增加練習時間】之隨機測量誤差大小時，採用MDC及MDC%所得之判斷結果完全相反。
僅看MDC：【二次測量取平均】 (54.9)之隨機測量誤差小於【增加練習時間】 (57.0)。
僅看MDC%：【增加練習時間】 (19.4%)之隨機測量誤差小於【二次測量取平均】 (21.4%)。

造成此一現象之原因為：MDC%之計算公式為：MDC/平均完成時間。
【增加練習時間】組之完成C-DVT時間(秒)大於【二次測量取平均】組 (300.3 vs. 263.3)，因【增加練習時間】組之MDC%公式中的分母較大，所以【增加練習時間】組之MDC雖較大一點，但MDC%反而小。

MDC 及 MDC% 選用
同一測驗時（測驗結果之單位相同）應使用MDC以比較「不同施測方式」或「不同族群」之隨機測量誤差。

理由
MDC為「判斷測驗分數改變是否由隨機測量誤差造成之閾值」，此閾值越大即代表測驗分數受到隨機測量誤差之影響越大。
於同一測驗之情況下（如：【二次測量取平均】及【增加練習時間】組之C-DVT隨機測量誤差），因測驗分數相同（即單位相同），所以MDC可直接比較。MDC值越大之組別，表示該組之測驗分數受到隨機測量誤差之影響越大。
因此我們驗證的結果支持【二次測量取平均】 (54.9)之隨機測量誤差小於【增加練習時間】 (57.0)

MDC%之計算是為了能夠比較不同測驗（單位不同）間之隨機測量誤差，因此需要將MDC「去單位」（變成百分比後就沒有單位的問題，因此可以比較不同測驗的MDC%），所以採用「測驗分數之全距」或「測驗分數之平均值」除MDC來達成「去單位」之目的。
如果要比較同一測驗之不同組別，因不同組別間測驗結果的單位相同，所以無須再計算MDC%。
此外，概念上「隨機測量誤差大小」應不受「測驗平均得分高低」影響（二者互相獨立）！因為「隨機測量誤差大小」是變異的概念，而「測驗平均得分高低」則是平均數（或期望值）的概念。
然而以MDC%公式（MDC/平均完成時間）而言，「隨機測量誤差大小」卻會受到「測驗平均得分高低」之影響！此時選用MDC%判讀「隨機測量誤差大小」可能會有bias。

結論
比較同一測驗（測驗結果之單位相同）但不同「施測方式」或「族群」之隨機測量誤差時，以MDC做為比較之效標較合理，而不用計算MDC%。
因此我們驗證之結果支持【二次測量取平均】 (MDC=54.9)之隨機測量誤差小於【增加練習時間】 (MDC=57.0)

松德研討會題目（未確定）

理論篇：

1. 注意力應評估之向度及現有評估工具介紹
2. 不同形式認知測驗之品質與效能（紙筆、電腦化測驗、CAT及階層性測驗）
3. 電腦化（注意力）測驗之發展流程
4. 工作記憶應評估之向度及現有評估工具介紹

實務篇：

1. C-DVT用在思覺失調症患者之再測信度、收斂效度及生態效度