The Behavior-Driven Observation. Definition and development of an adaptive observational assessment

L’osservazione in psicologia può fornire al clinico molte informazioni utili riguardo i sintomi di una specifica psicopatologia. Tuttavia, l’utilizzo di strumenti osservativi sembra essere diminuito negli ultimi anni, sia a causa della loro complessità di somministrazione, sia per il tempo di compilazione che questi strumenti richiedono. Una conseguenza di questo diminuito utilizzo è l’impossibilità di raggiungere alcune innovazioni che sono state ottenute con altri strumenti psicodiagnostici, come nel caso dei self-report. Per esempio, la possibilità di implementare gli strumenti osservativi con algoritmi adattivi è tuttora inesplorata. Il presente progetto di dottorato si propone lo scopo di sviluppare uno strumento osservazionale computerizzato e adattivo che sia in grado di fornire ai clinici dei pattern comportamentali accurati in tempi ragionevolmente ridotti. La definizione di tale strumento può essere intesa come una procedura sequenziale che inizia da una profonda analisi su quali comportamenti osservare e su come osservarli. Nel Capitolo 1 si propone una disamina della letteratura concernente l’osservazione, concentrandosi su tutte le caratteristiche necessarie per definire e successivamente condurre un’adeguata osservazione. Particolare attenzione viene posta sui possibili biases che possono incorrere negli osservatori, portandoli a commettere dei falsi positivi e negativi su ciò che osservano. Infine, si prende in esame lo stato dell’arte relativo all’applicazione di algoritmi adattivi nell’assessment osservativo. Il secondo step verso la definizione dello strumento proposto consiste nel definire una checklist non adattiva che valuti i comportamenti di una determinata psicopatologia, possibilmente costruita su una metodologia formale. A tal fine, nel Capitolo 2 viene introdotto il Formal Psychological Assessment nei suoi aspetti deterministici e probabilistici. L’FPA è una metodologia formale in grado aiutare i ricercatori a definire strumenti di valutazione a partire dalle relazioni tra insiemi di item appartenenti a strumenti di valutazione e sintomi di psicopatologie. Nella parte finale del capitolo, viene discusso come sia possibile applicare l’FPA anche negli assessment osservativi caratterizzati da osservazioni multiple. Nel Capitolo 3, l’FPA viene applicato per definire una versione finale e non adattiva della checklist che possa valutare il comportamento non verbale relativo ai sintomi negativi della schizofrenia. Punto di partenza è una lista di 138 items che descrivono comportamenti non verbali, estratta da strumenti di valutazione spesso utilizzati con pazienti presentano sintomi psicotici. Tale lista è stata associata ad una lista di 14 sintomi negativi, selezionati dalla letteratura scientifica sul tema e dal DSM-5. Attraverso una serie di passaggi formali, è stata poi definita una lista finale di 22 item (suddivisi in due sottoscale) indaganti tutti i 14 sintomi negativi. L’associazione tra item e sintomi ha permesso di definire un modello di valutazione deterministico attraverso cui il clinico possa studiare non solo quali sintomi negativi sono indagati da ciascun item, ma anche quali sono le relazioni tra gli item stessi. Nel Capitolo 4 viene descritta la procedura di validazione della nuova checklist. 172 video contenenti interviste cliniche sono stati osservati da due valutatori indipendenti, che hanno compilato la checklist durante osservazioni multiple. I pattern di risposta modali generati da ogni serie di osservazioni multiple per ogni paziente sono poi stati testati con il Basic Loca Independence Model, un modello probabilistico che permette di stimare il fit globale di uno strumento ai dati e i parametri di errore per ogni item che lo compongono. I risultati hanno mostrato un fit adeguato per ognuna delle due sottoscale della checkilist, con parametri di errore bassi o medi per tutti gli item. I parametri di errore sono stati poi utilizzati per implementare la versione adattiva della checklist. Nel capitolo 5, infatti, vene introdotta la Behavior-Driven Observation (BDO), ossia la checklist computerizzata adattiva proposta in questo progetto di dottorato. Dopo una dettagliata spiegazione degli elementi che la compongono, la BDO viene testata attraverso uno studio di simulazione: in particolare, i pattern di risposta modali utilizzati per validare la checklist non adattiva sono stati simulati dall’algoritmo che sottende la BDO, al fine di testare sia la sua efficacia che la sia efficienza. I risultati hanno mostrato come l’algoritmo sia stato in grado di riprodurre la quasi totalità dei pattern di risposta non adattivi, completando l’assessment suggerendo il 38% di comportamenti in meno. Infine, la BDO è stata testata anche durante osservazioni dal vivo, al fine di comprendere se possa accuratamente replicare pattern di risposta non adattivi anche con valutatori umani. A tal fine, due valutatori indipendenti hanno osservato per due volte i video di 20 pazienti con diagnosi di schizofrenia, compilando sia BDO anche nella sua versione non adattiva. Le osservazioni su ogni paziente erano distanti una settimana. Un buon accordo interno è emerso per entrambi i valutatori, i quali hanno mostrato una buona coerenza interna nel tempo. Tale risultato ha mostrato, inoltre, come la BDO sia in grado di ottenere risultati comparabili alla sua versione non adattiva anche durante osservazioni reali e non simulate. Risultati incoraggianti sono emersi anche in termini di efficienza: il risparmio di item suggeriti dalla procedura si è rivelato essere il medesimo di quello ottenuto nello studio di simulazione, collegato ad una riduzione del tempo di valutazione. In conclusione, i risultati di questo progetto di dottorato suggeriscono come sia possibile sviluppare una checklist osservazionale adattiva, che possa aiutare i clinici nel collezionare informazioni che non possono essere collezionate mediante altri strumenti di valutazione. La BDO, infatti, potrebbe guidare il clinico, suggerendo quale comportamento osservare. Tale suggerimento risulterebbe essere molto accurato, dal momento che il rischio di commettere un errore su ogni item viene già calcolato dall’algoritmo che sottende la BDO. In questo modo, è possibile avere una consistente accuratezza sull’output clinico finale, generato anche in modo efficiente. Questo output clinico non consisterebbe in un punteggio meramente numerico, ma conterrebbe diverse informazioni, come l’intero pattern di risposta del paziente, l’insieme di sintomi più plausibile dato quel pattern ed, in aggiunta, le probabilità di osservare tali sintomi. Tutte queste informazioni, a loro volta, possono essere integrate con quelle raccolte mediante altre modalità di assessment (interviste, self-report) al fine di ottenere un quadro più ampio della condizione del paziente. In questo modo, si potrà definire un piano terapeutico individualizzato che tratti in maniera mirata quei sintomi, migliorando il processo di cura e riducendo, nel contempo, i costi dello stesso.