Anwendung des Ant Colony Optimization Algorithmus zur Skalenkürzung für Determinanten von Gesundheitsverhalten

• Antragstellerin: Dr. Anne Moehring
• Fachliche Zuordnung: Persönlichkeitspsychologie, Klinische und Medizinische Psychologie, Methoden ; Public Health, Gesundheitsbezogene Versorgungsforschung, Sozial- und Arbeitsmedizin
• Förderung: Förderung von 2020 bis 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 431064501

HINTERGRUND: Der zunehmende Einsatz von E- und M-Health Interventionen in bevölkerungsbezogener Verhaltensprävention und epidemiologischer Forschung erleichtert die Nutzung multibehavioraler Testbatterien. Die Anwendbarkeit solcher Ansätze in Populationen als Kurzintervention hängt maßgeblich von der Belastung durch Assessments ab und limitiert damit die Wirksamkeit auf Bevölkerungsebene. Damit steigt der Bedarf für psychometrisch robuste Kurzskalen. Die Skalenkürzung stellt Forscher vor psychometrische Probleme, die nicht ausreichend mit konventionellen Methoden wie konfirmatorischer Faktorenanalyse (CFA) oder Skalierung mittels Itemresponsetheorie (IRT) bewältigt werden können. Automatisierte metaheuristische Algorithmen können als alternatives rechenökonomisches Vorgehen genutzt werden, um diese Probleme zu berücksichtigen und zuverlässige Kurzskalen zu konstruieren.ZIELE: Im Rahmen dieses Projektes sollen valide und reliable Kurzskalen zur Erfassung von Selbstwirksamkeitserwartung und Entscheidungsbalance für gesundheitsrelevante Verhaltensweisen mittels Ant Colony Optimization (ACO) Algorithmus konstruiert werden. Dafür werden folgende Fragestellungen untersucht: 1) Inwieweit ist der ACO-Algorithmus zur Itemselektion in den Bereichen Alkohol- und Tabakkonsum sowie körperliche Aktivität geeignet? 2) Können mittels ACO-Algorithmus vergleichbare oder sogar zuverlässigere Kurzskalen erstellt werden als mit konventionellen Methoden? 3) Sind die Skalen über verschiedene Zeitpunkte hinweg messinvariant und lässt sich der ACO zur Selektion von messinvarianten Itemsets nutzen?METHODE: Für die Analysen werden vorliegende Daten aus 5 Projekten des Forschungsverbunds „Early Intervention in health risk behaviors“ (EARLINT) mit bis zu N = 12.372 Datensätzen aus den Bereichen Alkoholkonsum, Tabakkonsum und körperliche Aktivität genutzt. Der ACO-Algorithmus wird als automatisierte und rechenökonomische Optimierungsmethode angewendet. Die so optimierten Kurzskalen werden mit Skalen verglichen, die mittels CFA und IRT-Skalierung erstellt wurden. Zusätzlich werden Längsschnittdaten für Messinvarianzprüfungen über verschiedene Messzeitpunkte mittels Multi Group CFA genutzt, um zu prüfen ob die untersuchten Skalen über verschiedene Messzeitpunkte hinweg vergleichbar sind.ERWARTETER NUTZEN: In Hinsicht auf begrenzte zeitliche Kapazitäten für Befragungen im klinischen Alltag bei gleichzeitig häufigem Einsatz von umfangreichen Testbatterien werden psychometrisch robuste Kurzskalen benötigt. Der ACO-Algorithmus kann genutzt werden, um zuverlässige Kurzskalen für solche Assessments zu erstellen. Das Projekt soll folgende Leistungen erbringen: 1) Skripte zur Anwendung des ACO-Algorithmus für weitere Forschung zur Verfügung stellen, 2) Vergleich der neu konstruierten Kurzskalen mit bisher eingesetzten Kurzskalen, 3) Nutzung von Längsschnittdaten zur Prüfung und Etablierung von Messinvarianz in den Kurzskalen über unterschiedliche Messzeitpunkte hinweg.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortliche: Professor Dr. Ulrich John; Professor Dr. Christian Meyer