📊 statistics

Beyond the mean: Sequence analysis methods for clustering ordinal EMA data

Deze paper presenteert een methode die gebruikmaakt van sequentieanalyse, PCA en K-means clustering om complexe, longitudinale EMA-data te groeperen in latente profielen, wat effectiever is in het vangen van dynamische patronen dan traditionele gemiddelden of latente klassemodellen.

Oorspronkelijke auteurs: Tianyi Wang, Anna L. Smith, Jillian R. Silva-Jones, Wendy Berry Mendes, Lauren N. Whitehurst

Gepubliceerd 2026-04-28

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Tianyi Wang, Anna L. Smith, Jillian R. Silva-Jones, Wendy Berry Mendes, Lauren N. Whitehurst

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De Dans van de Stress: Waarom een 'gemiddelde' niet het hele verhaal vertelt

Stel je voor dat je een vriend hebt die je de hele week probeert te begrijpen. Elke dag vraagt hij: "Hoe gestrest ben je vandaag op een schaal van 1 tot 5?"

Aan het eind van de week kijk je naar zijn antwoorden. Hij heeft een 1 gegeven op maandag, een 5 op dinsdag, een 1 op woensdag, en een 5 op donderdag. Als je een rekenmachine pakt en het gemiddelde uitrekent, kom je uit op een 3. Je zou dus denken: "Oké, hij heeft een gemiddelde stress-niveau van 3."

Maar dat vertelt niet het hele verhaal.

Er is een enorm verschil tussen iemand die de hele week constant een 3 scoort (een rustige, stabiele week), en iemand die de ene dag super ontspannen is (1) en de volgende dag compleet in paniek (5). De eerste persoon is een stabiele zee; de tweede persoon is een achtbaan. Hoewel hun gemiddelde hetzelfde is, is hun ervaring totaal anders.

Het probleem met de huidige methode

In de psychologie gebruiken onderzoekers vaak de methode van de 'EMA' (Ecological Momentary Assessment). Dat is een chique woord voor: mensen via een app op willekeurige momenten vragen hoe ze zich voelen. Dit levert een enorme berg data op.

Tot nu toe hebben onderzoekers vaak de "gemiddelde-methode" gebruikt: ze middelen alle scores van een persoon tot één getal. Maar door dat te doen, gooi je alle details weg. Je ziet de pieken, de dalen en de ritmes niet meer. Je ziet de dans niet, je ziet alleen de gemiddelde positie van de danser.

De oplossing: De "Patroon-zoeker" (Sequence Analysis)

De auteurs van dit onderzoek hebben een nieuwe manier bedacht. In plaats van naar het gemiddelde te kijken, kijken ze naar de volgorde en de beweging van de scores. Ze gebruiken technieken die oorspronkelijk uit de biologie komen (om DNA-patronen te herkennen) en passen die toe op menselijke emoties.

Ze kijken niet alleen naar hoe hoog de stress is, maar ook naar:

De schokken: Hoe groot is de sprong van de ene dag naar de andere? (Van 1 naar 5 is een enorme schok!)
De stabiliteit: Blijft iemand lang in dezelfde staat, of springt hij constant heen en weer?

Door deze "ritmes" te analyseren, kunnen ze mensen in groepen (clusters) verdelen.

De drie types "Stress-dansers"

In hun onderzoek naar echte data ontdekten ze drie duidelijke groepen mensen:

De Zen-meesters (Cluster 1): Deze groep is heel stabiel. Hun stress is laag en ze veranderen bijna nooit. Het is een kalme, vlakke lijn.
De Achtbaan-rijders (Cluster 2): Dit is de meest chaotische groep. Hun stress is hoog, maar vooral: hij schommelt enorm. De ene dag is alles oké, de volgende dag is het chaos.
De Matige Wisselaars (Cluster 3): Deze groep zit er tussenin. Ze hebben een gemiddeld stressniveau, maar ze bewegen wel vaker van de ene naar de andere staat dan de Zen-meesters.

Waarom is dit belangrijk?

De onderzoekers wilden weten of deze verschillende "dansstijlen" invloed hebben op hoe goed ons geheugen werkt.

Ze ontdekten dat als je alleen naar het gemiddelde kijkt, je minder goed kunt voorspellen hoe iemand presteert op een geheugentest. Maar als je de groepen (de clusters) gebruikt die zij hebben ontdekt, krijg je een veel beter beeld. Het laat zien dat de manier waarop je stress ervaart (de ritmes en de schokken) net zo belangrijk is voor je hersenen als de hoeveelheid stress die je hebt.

Samenvattend

Dit onderzoek zegt eigenlijk: Stop met alleen naar de cijfers te kijken, begin naar het ritme te luisteren. Als we willen begrijpen hoe stress ons leven en onze hersenen beïnvloedt, moeten we niet alleen vragen "hoeveel?", maar vooral "hoe beweegt het?".

Technische Samenvatting: "Beyond the mean: Sequence analysis methods for clustering ordinal EMA data"

1. Het Probleem (Problem Statement)

Ecological Momentary Assessment (EMA) genereert rijke, longitudinale datasets waarbij deelnemers in hun natuurlijke omgeving herhaaldelijk vragen beantwoorden (bijv. via een smartphone). Deze data zijn vaak ordinaal (bijv. Likert-schalen) en vertonen grote variabiliteit in zowel de intensiteit van de bemonstering als het aantal observaties per persoon.

De huidige standaardmethode om deze data te analyseren is het berekenen van een gemiddelde (mean) over de gehele studieperiode om individuele profielen te vereenvoudigen voor regressieanalyses. De auteurs stellen echter dat dit proces cruciale informatie verliest: de dynamische temporele patronen (hoe stress over tijd fluctueert, de stabiliteit van toestanden en de snelheid van transities) worden volledig genegeerd. Er is behoefte aan een methode die latente groepen van individuen met vergelijkbare trajecten kan identificeren, zonder de beperkingen van traditionele modellen zoals Latent Class Analysis (LCA) of Latent Transition Analysis (LTA) bij grote hoeveelheden tijdspunten.

2. Methodologie (Methodology)

De auteurs stellen een nieuw framework voor dat technieken uit de sequentieanalyse (oorspronkelijk uit de biologie) combineert met dimensionale reductie en clustering.

De voorgestelde workflow bestaat uit drie stappen:

Extractie van Sequentie-kenmerken: In plaats van alleen het gemiddelde te nemen, berekenen ze zeven informatieve samenvattende statistieken per individu om de temporele dynamiek te vangen:
- Gemiddelde en standaarddeviatie van de ordinale scores ( $\bar{X}_{i\cdot}$ en $SD(X_{i\cdot})$ ).
- Lag-variabelen: Het verschil tussen opeenvolgende tijdspunten ( $L_{it} = X_{it} - X_{i(t-1)}$ ). Hiervan worden het gemiddelde ( $\bar{L}_{i\cdot}$ ), de standaarddeviatie ( $SD(L_{i\cdot})$ ) en de stabiliteit (de proportie waarbij de lag nul is) berekend.
- De modus (meest voorkomende waarde) en de frequentie waarmee die modus voorkomt.
Dimensionale Reductie via PCA: Omdat deze zeven statistieken onderling gecorreleerd kunnen zijn (multicollineariteit), passen de auteurs Principal Component Analysis (PCA) toe. Dit reduceert de kenmerken tot een set onafhankelijke hoofdcomponenten die de meeste variantie in de stressprofielen verklaren.
Clustering via K-means: De verkregen hoofdcomponenten worden gebruikt als input voor het K-means clustering algoritme om individuen toe te wijzen aan $K$ latente groepen met vergelijkbare stresspatronen.

3. Belangrijkste Bijdragen (Key Contributions)

Robuustheid tegen variabele observaties: In tegenstelling tot LCA en LTA, die vaak moeite hebben met een variabel aantal tijdspunten per subject, kan de PCA-gebaseerde methode flexibel omgaan met onregelmatige EMA-data.
Behoud van temporele dynamiek: Door lag-variabelen te gebruiken, worden patronen zoals "volatiliteit" en "stabiliteit" expliciet meegenomen in de clustering.
Vermijden van multicollineariteit: Door PCA te gebruiken vóór de clustering, wordt het probleem van sterk gecorreleerde samenvattende statistieken omzeild, wat de stabiliteit van de clusters vergroot.
Validatie via simulatie en real-world data: Het model is zowel theoretisch getoetst (via een categorisch functioneel regressiemodel) als praktisch toegepast op een grote dataset van volwassenen.

4. Resultaten (Results)

Simulatiestudie:
De auteurs vergeleken hun methode met LCA en LTA in vier scenario's (LCA-vriendelijk, LTA-vriendelijk, met ruis, en met overlap).

LCA presteerde goed bij eenvoudige verdelingen, maar faalde bij sterke temporele afhankelijkheden (cyclische patronen).
LTA had grote moeite met het identificeren van groepen wanneer er sprake was van overlap tussen klassen.
De PCA-methode bleek de meest stabiele en consistente performer over alle scenario's, met een hoge nauwkeurigheid (accuracy) en precisie, zelfs in complexe settings.

Toepassing op MyBPLab data (Stress & Cognitie):
De methode identificeerde drie duidelijke stressprofielen:

Cluster 1 (Stabiel/Laag): Lage gemiddelde stress en zeer hoge stabiliteit (88% geen verandering).
Cluster 2 (Volatiel/Hoog): Hoogste gemiddelde stress en de grootste variabiliteit in zowel scores als transities.
Cluster 3 (Intermediair): Gemiddelde stress met meer fluctuaties dan Cluster 1.

In de regressieanalyse bleek dat het gebruik van deze clusters als voorspeller voor cognitieve prestaties (geheugen) een betere model-fit (lagere AIC) gaf dan het gebruik van enkel het gemiddelde stressniveau.

5. Betekenis (Significance)

Dit onderzoek biedt een krachtig instrument voor psychologen en gedragswetenschappers om de complexiteit van EMA-data te ontsluiten. In plaats van individuen te reduceren tot een enkel getal (het gemiddelde), stelt deze methode onderzoekers in staat om subtypen van gedrag of psychologische toestanden te identificeren. Dit is essentieel voor gepersonaliseerde interventies; bijvoorbeeld, een interventie voor een persoon met "constante hoge stress" (Cluster 2) zou fundamenteel anders moeten zijn dan voor iemand met "gefragmenteerde/volatiele stress" (Cluster 3), zelfs als hun gemiddelde stressscore identiek zou zijn.