Effektmål i kasusstudier
Visuell vurdering av dataene er særlig viktig i kasusstudier. Vi bør helst ha gjentatte målinger før, underveis og etter ulike behandlingsforløp. Grafisk presentasjon av dataene, med angitt start og slutt av behandlinger og trender over tid, er nyttig. En innlysende bedring eller forverring tyder på effekt. Betydelig overlapp mellom kontroll- og behandlingsperioden tyder på liten eller ingen behandlingseffekt.
Grafer og plott er nyttige, men forventninger og ønsker kan påvirke tolkningen. Statistiske effektmål, ideelt med konfidensintervaller, gir oss mer nøktern informasjon. Det er utviklet flere statistiske effektmål for kasusstudier som bygger på blant annet parametriske metoder eller grad av overlappende data. En viktig parametrisk metode er å tilpasse effektstørrelser brukt for å sammenligne to grupper, som f.eks. Cohens d (5). Istedenfor å beregne standardisert gjennomsnittlig forskjell (engelsk: standardized mean difference (SMD)) mellom to grupper, uttrykker vi dette som forskjellen innad i en deltager mellom ulike behandlingsforløp med tilhørende konfidensintervall (6). To effektmål basert på grad av overlappende data er å beregne prosent ikke-overlappende data (engelsk: percent of nonoverlapping data, PND) og prosent av data som overstiger medianen (engelsk: percent of data exceeding the median, PEM) mellom baseline og behandlingsperioden (7). For å beregne prosent ikke-overlappende data, finner vi den mest «ekstreme» målingen ved baseline og deretter prosent av antall målinger fra behandlingsperioden som er større enn denne verdien. For eksempeldataene i figur 1, er den høyeste skåren i baselineperioden tre. Ved behandling A er én av seks målinger større enn tre (16,7 %) og ved behandling B er det fem av seks målinger (83,3 %). Prosent av data som overstiger medianen, tilsvarer prosent av antall målinger i behandlingsperioden som er større enn medianverdien i baselineperioden. I eksempelet er median skår av de seks målingene ved baseline 2,0. Fire av seks målinger ved behandling A er større enn medianverdien ved baseline (66,6 %), mens alle målingene er større med behandling B (100 %). Grad av overlappende data gir ganske enkle og tolkbare effektmål, men har statistiske begrensninger. Er alle målingene større enn den mest ekstreme målingen eller medianen ved baseline, blir ikke disse effektmålene mer enn 100 % uansett behandlingseffekt. I så måte beskriver standardisert gjennomsnittlig forskjell bedre størrelsen av effekten. Disse og flere effektmål for kasusstudier er tilgjengelige i R-pakken SingleCasesES (8).