PROJETO 2 EXEMPLO: Feedback X Prevalência Usando Estímulos Dermatologia

Esta descrição é baseada em um pré-registro no site Open Science Framework. Observe que este é um estudo "BESH". Esse tipo de pesquisa não foi concebido como um ensaio clínico tradicional, mas está sendo relatado aqui devido a mudanças nas regras de relatórios de ensaios clínicos do NIH. Este é um estudo do Projeto 2 de NE017001.

Levari et al (2018) descobriram que as pessoas responderam a uma diminuição na prevalência de um estímulo expandindo seu conceito sobre ele. Especificamente, eles pediram aos observadores que julgassem em cada tentativa se um ponto, desenhado de um contínuo azul-roxo, era azul ou não. Os resultados mostraram que os observadores eram mais propensos a chamar estímulos ambíguos de "azuis" quando itens azuis eram menos prevalentes. Em termos de teoria de detecção de sinal (SDT), esta é uma mudança liberal de critério de resposta. Isso é "mudança de conceito induzida por prevalência" (PICC). No entanto, resultados anteriores obtiveram resultados opostos em uma longa série de experimentos sobre efeitos de prevalência. A descoberta padrão é que Os falham mais alvos em baixa prevalência. Quando o azul é raro, é menos provável que eles chamem algo de azul. Em termos de SDT, esta é uma mudança de critério conservadora. Este é o clássico Efeito de Baixa Prevalência (LPE). Em uma rodada de experimentos anteriores, Lyu et al (2021) descobriram que o feedback é uma variável crítica. Com feedback tentativa a tentativa, obtemos um LPE. Sem feedback, os dados geralmente mostram os resultados do PICC.

Os efeitos LPE e PICC aparecem quando os especialistas visualizam os estímulos em seu domínio especializado? Há evidências para o LPE de tarefas de pesquisa (por exemplo, Evans, K.K., Birdwell, R.L., & Wolfe, J.M. (2013). Se você não o encontra com frequência, muitas vezes não o encontra: por que alguns tipos de câncer não são detectados no rastreamento do câncer de mama. . PLoS UM 8(5): e64366. , 8(5), e64366. doi: doi:10.1371/journal.pone.0064366). No entanto, as evidências do PICC não foram coletadas e não há dados de tarefas de decisão de item único como "Is this dot blue?" tarefa. Isso é importante porque as mudanças de critério do tipo descrito acima podem ter implicações óbvias nos cuidados de saúde.

Este estudo repetirá o experimento básico "Is this dot blue" usando estímulos dermatológicos (Is this is melanoma or just a nevus (a mole)?)

Hipóteses:

(H1) sem feedback, Os são mais propensos a rotular uma mancha como câncer quando a prevalência do câncer é baixa (mudança de conceito induzida pela prevalência).

(H2) que, com feedback, Os são menos propensos a rotular uma mancha como câncer quando a prevalência de câncer é baixa (efeito clássico de baixa prevalência)

Variável dependente

A principal variável dependente é a proporção de respostas ao câncer em função da prevalência do câncer no conjunto de imagens, mas também registraremos os tempos de reação.

Condições

A quantos e quais condições serão atribuídos os participantes?

Quatro condições serão executadas, entre observadores.

1. 50% imagens de câncer com feedback
2. 50% imagens de câncer sem feedback
3. 20% imagens de câncer com feedback
4. 20% de imagens de câncer sem feedback

Os observadores tomarão uma decisão simples de escolha forçada de 2 alternativas (2AFC) câncer/sem câncer.

Os observadores receberão pontos com base na correção da resposta (mais correta, mais pontos)

Serão 200 tentativas em cada bloco. Isso produzirá 40 tentativas-alvo atuais nas condições de baixa prevalência que devem produzir uma taxa de acerto que não seja muito grosseira.

Os estímulos serão imagens de toupeiras do arquivo ISIC. Cada imagem vem com uma resposta conhecida de melanoma (câncer) ou nevo (negativo).

análises

Os dados produzirão um continuum de não-câncer para câncer com base nas respostas dos observadores na condição de 50% com feedback. Isso dará ao rendimento uma função psicométrica crescente (pode-se presumir) de quase 0% de respostas de câncer para quase 100%.

Usando essa ordenação, funções psicométricas serão geradas para as outras três condições.

Para examinar o efeito da prevalência e a presença e ausência de feedback no comportamento de resposta dos observadores, execute uma regressão logística com prevalência e feedback como fatores em um modelo misto generalizado usando o software jamovi.

Os dados também serão usados ​​para calcular as medidas de detecção de sinal de sensibilidade (d') e critério (c) com base na verdade real sobre as imagens. Ou seja, as respostas "câncer" serão codificadas como verdadeiros positivos se as imagens mostrarem câncer e como "falsos positivos" se não mostrarem. Testes T serão realizados para examinar se d' e/ou c (critério) mudam significativamente em função da prevalência e do feedback.

Outliers e Exclusões

N / D

Tamanho da amostra

Blocos separados de tentativas serão executados e as condições serão comparadas com testes t não pareados.

G* Power sugere 36 observadores POR GRUPO ou um total de 144 observadores para alfa = 0,05, poder = 0,80. O plano será tentar executar 45 Os por grupo, antecipando cerca de 20% de perda de Os devido aos caprichos dos testes online.