EJEMPLO DEL PROYECTO 2: Retroalimentación X Prevalencia usando estímulos dermatológicos

Esta descripción se basa en un registro previo en el sitio de Open Science Framework. Tenga en cuenta que este es un estudio "BESH". Este tipo de investigación no está diseñado como un ensayo clínico tradicional, pero se informa aquí debido a cambios en las reglas de informes de ensayos clínicos de los NIH. Este es un estudio del Proyecto 2 de NE017001.

Levari et al (2018) encontraron que las personas respondían a una disminución en la prevalencia de un estímulo ampliando su concepto del mismo. Específicamente, pidieron a los observadores que juzgaran en cada prueba si un punto, extraído de un continuo azul-púrpura, era azul o no. Los resultados mostraron que era más probable que los observadores llamaran "azules" a los estímulos ambiguos cuando los elementos azules eran menos frecuentes. En términos de la teoría de detección de señales (SDT), este es un criterio liberal de cambio de respuesta. Este es el "cambio de concepto inducido por la prevalencia" (PICC). Sin embargo, resultados previos obtuvieron resultados opuestos en una larga serie de experimentos sobre efectos de prevalencia. El hallazgo estándar es que Os fallan más objetivos en baja prevalencia. Cuando el azul es raro, es menos probable que llamen azul a algo. En términos de SDT, este es un cambio de criterio conservador. Este es el clásico Efecto de Baja Prevalencia (LPE). En una ronda de experimentos anteriores, Lyu et al (2021) encontraron que la retroalimentación es una variable crítica. Con la retroalimentación prueba por prueba, obtenemos un LPE. Sin retroalimentación, los datos generalmente muestran los resultados de PICC.

¿Aparecen los efectos LPE y PICC cuando los expertos ven estímulos en su dominio experto? Hay evidencia del LPE a partir de tareas de búsqueda (p. Evans, K. K., Birdwell, R. L. y Wolfe, J. M. (2013). Si no lo encuentra a menudo, a menudo no lo encuentra: por qué algunos tipos de cáncer no se detectan en las pruebas de detección del cáncer de mama. . PLoS ONE 8(5): e64366. , 8(5), e64366. doi: doi:10.1371/journal.pone.0064366). Sin embargo, la evidencia de PICC no se ha recopilado y no hay datos de tareas de decisión de un solo elemento como "¿Es este punto azul?" tarea. Esto es importante porque los cambios de criterio del tipo descrito anteriormente pueden tener implicaciones obvias en el cuidado de la salud.

Este estudio repetirá el experimento básico "¿Es este punto azul" utilizando estímulos dermatológicos (¿Es este melanoma o simplemente un nevus (un lunar)?)

Hipótesis:

(H1) sin retroalimentación, es más probable que los Os etiqueten una mancha como cáncer cuando la prevalencia del cáncer es baja (cambio de concepto inducido por la prevalencia).

(H2) que con la retroalimentación, es menos probable que los OS etiqueten una mancha como cáncer cuando la prevalencia del cáncer es baja (efecto clásico de baja prevalencia)

Variable dependiente

La principal variable dependiente es la proporción de respuestas de cáncer en función de la prevalencia de cáncer en el conjunto de imágenes, pero también registraremos los tiempos de reacción.

Condiciones

¿A cuántos y en qué condiciones se asignarán los participantes?

Se correrán cuatro condiciones, entre observadores.

1. 50% de imágenes de cáncer con retroalimentación
2. 50% imágenes de cáncer sin retroalimentación
3. 20% de imágenes de cáncer con retroalimentación
4. 20% de imágenes de cáncer sin retroalimentación

Los observadores tomarán una decisión simple de cáncer/no cáncer de elección forzada de 2 alternativas (2AFC).

Los observadores recibirán puntos en función de la corrección de la respuesta (más correcta, más puntos)

Habrá 200 ensayos en cada bloque. Eso producirá 40 ensayos actuales objetivo en las condiciones de baja prevalencia que deberían producir una tasa de aciertos que no sea demasiado baja.

Los estímulos serán imágenes de lunares del archivo ISIC. Cada imagen viene con una respuesta conocida de melanoma (cáncer) o nevo (negativo).

Análisis

Los datos producirán un continuo de no cáncer a cáncer basado en las respuestas de los observadores en el 50 % con la condición de retroalimentación. Esto dará como resultado una función psicométrica que va en aumento (se puede suponer) desde cerca del 0 % de respuestas al cáncer hasta cerca del 100 %.

Usando ese orden, se generarán funciones psicométricas para las otras tres condiciones.

Para examinar el efecto de la prevalencia y la presencia y ausencia de retroalimentación en el comportamiento de respuesta de los observadores, se ejecutará una regresión logística con la prevalencia y la retroalimentación como factores en un modelo mixto generalizado utilizando el software jamovi.

Los datos también se utilizarán para calcular las medidas de detección de señal de sensibilidad (d') y criterio (c) en función de la verdad real sobre las imágenes. Es decir, las respuestas de "cáncer" se codificarán como verdaderos positivos si las imágenes muestran cáncer y como "falsos positivos" si no lo muestran. Se realizarán pruebas T para examinar si d' y/o c (criterio) cambian significativamente en función de la prevalencia y la retroalimentación.

Valores atípicos y exclusiones

N / A

Tamaño de la muestra

Se ejecutarán bloques separados de pruebas y las condiciones se compararán con pruebas t no pareadas.

G* Power dice sugiere 36 observadores POR GRUPO o un total de 144 observadores para alfa = 0.05, power = 0.80. El plan será intentar ejecutar 45 Os por grupo, anticipando una pérdida de alrededor del 20% de Os debido a los caprichos de las pruebas en línea.