基于贝叶斯IRT模型的问卷项目选择法：减少评估生活质量的复杂性

本文主要探讨了在评估失语者生活质量的问卷调查中，如何利用基于Bayesian IRT模型（Item Response Theory models）的方法来有效减少项目数量。IRT模型是一种心理测量学中的统计建模技术，用于分析个体对不同项目（例如问题或测试题）的反应，以推断他们的潜在特质或能力水平。在这个研究中，作者提出了混合累积逻辑斯谛模型，也被称为分级反应模型。这种模型考虑了个体的潜在特质（如能力水平）和项目的特性，如难度（即个体正确回答该项目所需的能力水平）以及区分度（即项目区分个体能力差异的能力）。 模型的关键在于联合建模难度和区分度参数，通过k个成分的正态分布混合模型来实现。混合组件对应于不同的项目组，这意味着同一组内的项目在难度和区分度上被认为是等价的。这种方法有助于识别出在保持测试效度的前提下，可以被剔除而不影响结果的关键性项目。选择项目子集的标准基于决策准则，目标是确保减缩后的问卷能提供与完整问卷相当的信息量。 研究采用了一种贝叶斯估计方法来估计模型参数，这种方法允许处理不确定性，并通过信息准则（如贝叶斯信息准则或Akaike信息准则）来确定最佳的混合成分数量。所使用的数据来源于意大利莱切和米兰地方卫生当局对104名失语患者的调查。 这篇文章展示了一种实用且理论基础扎实的方法，通过Bayesian IRT模型对大规模问卷进行有效的项目筛选，这对于减少评估工具的长度、提高效率和改善患者体验具有重要意义。通过这种方法，研究者可以在保证测试质量的同时，简化评估流程，从而优化临床实践。