ICCDesign: An R Package for the Design and Analysis of ICC-Based Reliability Studies with Continuous Responses

Sintesi Tecnica di ICCDesign: Un pacchetto R per la progettazione e l'analisi di studi di affidabilità basati su ICC

Definizione del Problema

Il coefficiente di correlazione intraclasse (ICC) è un pilastro statistico nella ricerca sulla affidabilità nei campi medico, psicologico e comportamentale. Tuttavia, la sua applicazione pratica affronta due ostacoli significativi. In primo luogo, il quadro teorico stabilito da McGraw e Wong (1996) organizza l'ICC in dieci distinte combinazioni di design (sei forme standard e quattro combinazioni aggiuntive) basate sulle assunzioni del modello (one-way vs. two-way, effetti random vs. mixed) e sulle scelte di design (valutazione singola vs. media, accordo assoluto vs. coerenza). Selezionare la forma corretta richiede ai ricercatori di navigare tra complesse domande di design, eppure le linee guida esistenti sono spesso non operazionalizzate all'interno delle interfacce software. In secondo luogo, l'ecosistema R per l'analisi dell'ICC è frammentato. Strumenti per la stima puntuale (es. irr, psych), il calcolo della dimensione del campione (es. ICC.Sample.Size) e la valutazione dell'affidabilità sono distribuiti in pacchetti separati. Questa frammentazione costringe i ricercatori a passare da uno strumento all'altro, aumentando il rischio di errori analitici e di specifiche di design incoerenti tra le fasi di pianificazione e di analisi.

Metodologia

Il pacchetto ICCDesign (versione 0.1.0) fornisce un workflow integrato per dati con risposta continua, assumendo una valutazione per cella soggetto-valutatore. La metodologia si basa sul framework dell'Analisi della Varianza (ANOVA) e aderisce al sistema di classificazione di Shrout e Fleiss (1979) e McGraw e Wong (1996).

1. Modelli Statistici e Stima:
Il pacchetto implementa tre modelli statistici:

• Effetti random a una via (one-way): Per design in cui i valutatori non costituiscono un insieme comune tra i soggetti.
• Effetti random a due vie (two-way): Per design in cui i soggetti sono valutati dallo stesso set di valutatori campionati da una popolazione più ampia.
• Effetti misti a due vie (two-way mixed): Per design in cui i valutatori costituiscono un gruppo specifico fisso.

Le stime puntuali sono calcolate utilizzando formule basate sull'ANOVA derivate dai quadrati medi (MSR, MSC, MSE, MSW). Il pacchetto supporta tutte le dieci combinazioni di design, inclusi gli scenari "da usare con cautela" dove le routine computazionali sono condivise ma le interpretazioni del design differiscono (ad esempio, la coerenza sotto modelli two-way random vs. mixed).

2. Inferenza e Test di Ipotesi:

• Intervalli di Confidenza (CI): Il pacchetto calcola intervalli di confidenza basati sulla distribuzione F. Per le forme standard, utilizza intervalli di Tipo 1. Per l'accordo assoluto nei modelli two-way, impiega un'approssimazione di tipo Satterthwaite per correggere i gradi di libertà. Tutti i limiti riportati sono troncati all'intervallo interpretabile $[0, 1]$.
• Test di Ipotesi: Implementa test F a una coda per due scenari: un test predefinito contro lo zero ($H_0: ICC = 0$) e un test di soglia opzionale contro una minima affidabilità specificata dall'utente ($H_0: ICC = \rho_0$).

3. Pianificazione della Dimensione del Campione:
Sulla base di Zou (2012), il pacchetto offre tre modalità di pianificazione:

• Assicurazione del Limite Inferiore (Lower Bound Assurance): Determina la dimensione minima del campione ($n$) per garantire che il limite inferiore del CI superi una soglia target con una determinata probabilità di assicurazione.
• Semi-ampiezza dell'Intervallo di Confidenza (Confidence Interval Half-Width): Calcola $n$ per ottenere la precisione desiderata del CI (semi-ampiezza) con una data assicurazione.
• Assicurazione Inversa (Inverse Assurance): Calcola la probabilità di assicurazione per una dimensione del campione fissa.

4. Valutazione dell'Affidabilità:
La valutazione automatizzata viene eseguita utilizzando i criteri proposti da Koo e Li (2016), applicati al limite inferiore dell'intervallo di confidenza piuttosto che alla stima puntuale. Il sistema segnala l'incertezza se il CI attraversa la soglia di affidabilità "buona" (0.75).

Contributi Chiave

Il pacchetto ICCDesign introduce un'interfaccia unificata che consolida l'intero workflow dello studio di affidabilità. I suoi contributi principali includono:

• Copertura Comprensiva: Implementa la stima puntuale, i CI basati su ANOVA e i test di ipotesi per tutte le dieci combinazioni di design ICC sotto il framework di McGraw e Wong (1996), incluse quattro combinazioni aggiuntive "da usare con cautela".
• Framework Decisionale in Quattro Fasi: Un sistema di parametri strutturato guida gli utenti dalle specifiche del design dello studio (coerenza del valutatore, tipo di effetto, unità di valutazione, tipo di accordo) alla forma ICC appropriata. Il sistema fornisce feedback espliciti (NOTE o AVVERTIMENTI) per casi speciali, come le mappature automatiche tra routine computazionali o le restrizioni sull'inferenza per l'accordo assoluto con valutatori fissi.
• Integrazione tra Pianificazione e Analisi: Il pacchetto unifica la pianificazione della dimensione del campione (tramite le formule a forma chiusa di Zou) e l'analisi dei dati, garantendo specifiche di design coerenti durante tutto il ciclo di vita della ricerca.
• Reporting Automatizzato e Visualizzazione: Genera report di analisi standardizzati in formato testuale e include un'applicazione web Shiny interattiva che consente agli utenti di eseguire l'intero workflow senza scrivere codice R.
• Utilità di Preprocessamento dei Dati: Una funzione dedicata (icc_preprocess_data) valida il formato dei dati, le dimensioni e i valori mancanti prima dell'analisi, migliorando la trasparenza e il controllo della qualità dei dati.

Risultati e Capacità

Il documento dimostra la funzionalità del pacchetto attraverso esempi illustrativi utilizzando un dataset simulato integrato. Gli esempi coprono:

• Il preprocessamento di dati in formato wide.
• Il calcolo di varie forme di ICC (es. ICC(1,1), ICC(2,1), ICC(3,k)).
• L'esecuzione di test di ipotesi con soglia personalizzata.
• La gestione di combinazioni "da usare con cautela" con le appropriate notifiche all'utente.
• L'esecuzione di calcoli sulla dimensione del campione per l'assicurazione del limite inferiore, la larghezza del CI e l'assicurazione inversa.
• L'avvio dell'applicazione Shiny per un workflow senza codice.

I confronti con i pacchetti esistenti (irr, psych, ICC.Sample.Size, irrNA) evidenziano che ICCDesign è l'unico strumento che offre la copertura completa delle dieci combinazioni di design, la guida decisionale automatizzata, il preprocessamento dedicato e un'interfaccia unificata sia per la pianificazione che per l'analisi.

Significato e Rivendicazioni

Gli autori posizionano ICCDesign non come una proposta di nuovi stimatori statistici, ma come una consolidazione di procedure consolidate in un'interfaccia coesa e user-friendly. La significanza del lavoro risiede nel rispondere alla frammentazione degli strumenti attuali e alla mancanza di guida operativa per la selezione della forma ICC corretta. Integrando la specifica del design, la pianificazione della dimensione del campione, la stima, l'inferenza e il reporting in un unico pacchetto, ICCDesign mira a ridurre gli errori operativi e a migliorare il rigore degli studi di affidabilità. Il pacchetto è disponibile su GitHub sotto la licenza GPL (>= 3), con piani futuri di sottomissione a CRAN ed espansione del supporto per dati mancanti e intervalli bootstrap.