Unsupervised Graded Response Models for Assessing Longitudinal Measurement Invariance in Patient-Reported Outcomes

Multi-item instruments measuring latent traits such as health-related quality of life are common in longitudinal studies. Valid score comparisons over time require longitudinal measurement invariance, that is, stable item parameters across time. We developed the graded response model, which defines response probabilities for ordered polytomous items, based on recursive partitioning to test for non-invariance. Time was included as a covariate; a split on time indicates non-invariance. We conducted a simulation to evaluate Type I error and power: 6 and 12 items with 5 categories, sample sizes of 200–1500, and latent trait correlations across time (ρ = 0.3, 0.6, 0.9). For power, non-invariance in discrimination and threshold parameters was simulated for 3 items with medium-to-large effects. Type I error ranged 2.0% to 5.6%, within Bradley's acceptable range, with conservative rates at higher correlations. Power exceeded 80% for medium effects at n ≥ 500 and reached 100% for large effects.

Modèles de réponse graduée non supervisés pour évaluer l'invariance des mesures longitudinales dans les résultats rapportés par les patients

Les instruments à items multiples mesurant des traits latents tels que la qualité de vie liée à la santé sont courants dans les études longitudinales. Pour pouvoir comparer valablement les scores au fil du temps, il faut que les mesures longitudinales soient invariantes, c'est-à-dire que les paramètres des items restent stables dans le temps. Nous avons développé le modèle de réponse graduée, qui définit les probabilités de réponse pour les items polytomiques ordonnés, sur la base d'un partitionnement récursif afin de tester la non-invariance. Le temps a été inclus comme covariable ; une division dans le temps indique une non-invariance. Nous avons réalisé une simulation pour évaluer l'erreur de type I et la puissance : 6 et 12 items avec 5 catégories, des échantillons de 200 à 1 500 et des corrélations entre les traits latents au fil du temps (ρ = 0,3, 0,6, 0,9). Pour la puissance, la non-invariance des paramètres de discrimination et de seuil a été simulée pour 3 items avec des effets moyens à importants. L'erreur de type I variait de 2,0 % à 5,6 %, dans la fourchette acceptable de Bradley, avec des taux conservateurs pour les corrélations plus élevées. La puissance dépassait 80 % pour les effets moyens à n ≥ 500 et atteignait 100 % pour les effets importants.

Session

Student Research Presentation Award Competition in Biostatistics III

Date and Time