シングルケースデザインの基础.辫诲蹿
- 1. シングルケースデザインの基礎 首藤 祐介 広島国際大学 健康科学部 An Overview of Single-Case Design
- 2. 本日の内容 1.基本的なシングルケースデザインの手続き ? リバーサルデザイン ? 交替処遇デザイン ? 多層ベースラインデザイン ? 基準変更デザイン 2.シングルケースデザインの視覚分析を学ぶ ? 視覚分析で見るべきポイント ? 視覚分析の手順 2
- 4. シングルケースデザインを使う利点* 4 1. ケーススタディ/事例研究の学術的価値を高める 2. 個人をベースに効果検証が可能 3. （ベースラインにより）支援の必要性が判断できる 4. 支援が有効であったことを確認できる 5. 支援が無効であったことを確認できる 6. シングルケースデザインを適用することに向治療的効果がある 介入の効果を検証することで ? クライエントに利益がある ? 報告の聞き手に利益がある ? 臨床家自身に利益がある *認知?行動療法学会第46回大会 自主企画シンポジウム４ より
- 5. Single Case Design (SCD)とは？ 5 少人数を対象 多くの場合１?3名程度を対象とする 目の前のクライエントその人を対象とできる 有効性の確認 介入や支援，操作（独立変数）の有効性を確認できる方法 自身のセラピーの効果を確認できる 評価の方法 治療法等ではなく，あくまで介入や支援の評価方法 良い支援と良い評価方法は相補的な関係。ただし，一致しないことも
- 6. SCDの基礎的要素 6 ■ 介入により変化することが予測できる変数（従属変数）を繰り返し測定する ■ 信頼性のある方法で，頻繁に，かつ一貫し測定する ①繰り返しの測定 ■ 具体的でかつ特定の介入?操作を導入する ■ その手続きは明確に記述できなければならない ②特定の介入?操作の導入 SCDに最低限含まれる要素
- 7. 内的妥当性を高めるポイント (Nock, Michel, & Photos, 2008) 7 ■ RCTにおける介入群-統制群にあたるのが，複数のフェイズ（典型的には、ベースラインvs介入） ■ フェイズ間における効果指標（従属変数）の変化の違い ＝ 介入効果の可能性 ①複数のフェイズ/条件の比較 ■ １つのデザインの中で，有効な変化が繰り返し確認されること ■ 偶然性を排除できる ■ 再現性の確認3回以上，がひとつのポイント ②効果の再現 その変化は偶然じゃないの？ に反論する
- 8. 8 基礎的要素が満たされていれば，準SCDと言える ＋ 内的妥当性を高める多くのポイント ＝ 優れたSCD 基礎的要素 ＋ 内的妥当性 ＝ 優れたSCD SCDであるために 上記の観点から，ケースに応じたオリジナルのSCDを準備できる 基本的なSCDに含まれていないデザインでも，上記条件が満たされるなら強い主張が可能
- 12. ABデザイン 12 ■ ベースラインフェイズ（A）と介入フェイズ（B)の２つで構成される ■ 様々なSCDの基礎となるデザイン ■ 厳密にはSCDではない ■ つまり、デザイン内での再現性がなく、偶然の入り込む余地が大きい ? ? ? ? 0 2 4 6 8 10 12 14 0 1 2 3 4 5 6 7 8 9 10 (分) (日) ベースライン(A) 介入(B)
- 14. ABAデザイン 14 ■ AフェイズとBフェイズの後に、もう一度ベースライン(A)に戻るデザイン ■ ABデザインより偶然が混入する可能性が低い。 ■ ただし、それでも再現性が弱い（2回の確認）。 ■ そのため、正式なSCDとはしない立場もある。 0 2 4 6 8 10 12 14 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 (分) (日) ベースライン(A) 介入(B) ベースライン(A)
- 16. ABABデザイン 16 ■ リバーサルデザインの代表的なバリエーション ■ Aフェイズ-Bフェイズ-Aフェイズ-Bフェイズの順に実施する。 ■ ABAデザインよりさらに偶然が混入する可能性が低い。 ■ 再現性も高い（3回の確認）。 0 4 8 12 16 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 A A B B (分)
- 19. 多重処遇リバーサルデザイン 19 ■ リバーサルデザインでは、さらなる種類の介入効果も検討できる。 ■ 例の場合、Aフェイズ=ベースライン、Bフェイズ=トークン、Cフェイズ＝賞賛による ABABCACBACデザイン ■ 介入をさらに追加する、フォローアップを含むなど、様々な形式が考えられる ■ いずれの場合でも、再現性を確認できるポイントを含むことが重要である 0 4 8 12 16 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 A A B B C A C B C A (分)
- 21. リバーサルデザインの適切性（Cooper, Heron, & Heward, 2007 中野, 2013） 21 除去困難 取り除くことが困難な介入（独立変数）の検討には有効ではない インストラクション, モデリングなど 不可逆性 一度変化すると，介入が除去されてもベースラインに戻らない行動には不向き 倫理的懸念 すでに効果がありそうな介入を除去することに対する懸念 社会的，教育的，倫理的な困難が生じることがある
- 24. 24 ２つ以上の介入を素早く切り替える ■ それぞれの介入条件のデータを線で結ぶ ■ 介入の順序はカウンターバランスを取る ■ 同日であっても，同じ位置にプロットしない ■ データの分離（範囲からの外れ具合）で見る ? ? ? 交替処遇デザイン (日) 0 5 10 15 課 題 へ の 取 り 組 み 時 間 (分) 賞賛＋くすぐり 賞賛のみ 1 2 3 4 5 1 悪い例 15分ずつ各強化子が取り組み時間に与える影響を見た
- 25. 25 称賛だけだと，まだ厳しそうですね。 くすぐりをフェードアウトするなど，工夫してみま す。 ベテランの D心理士 データをとったことで，お子さんにあった 支援を考えることができましたね。 ? ? ? ? ? ? ? ? ? ?
- 26. 交替処遇デザインの特徴（Cooper, Heron, & Heward, 2007 中野, 2013） 26 1. 介入の除去を必要としない 2. 比較のスピードが速やか 3. 順序効果を最小限にできる 4. 即座に介入を開始できる 短所 長所 1. 介入間の干渉効果が生じる可能性がある 2. 介入を素早く切り替えることの不自然さ 3. あまり多くの介入を比較はできない（最大４つ程度）
- 28. 多層ベースラインデザインの基礎 28 次の２種類の手続きにより構成されているデザイン ２つ以上のベースラインデータを同時に収集する データは複数の行動（行動間），複数の場面（場面間），複数の人（参加者間） 可能な限り３つ以上のベースラインデータを収集する これらの対象に順を追って介入（独立変数導入）を実施する 実施の開始時期は適度にずらし同時には開始しない 介入が行われない間もベースラインデータを継続して測定する 介入の除去を必要とせず，リバーサルデザインの優れた代替手段となる（Baer, Wolf, Risley, 1968） 使用しやすく報告も多いデザイン(研究全体の69%; Smith, 2012)
- 29. 29 発達障害の子どもたちに，行動的訓練で水泳を 教えようと思っています。 泳いだ距離を指標にするつもりですが，訓練をや めても泳げなくなるわけではないので，リバーサ ルデザインは使いにくいと思っています。 効果を確認する良い方法はありませんか？ ベテランの D心理士 多層ベースラインデザインがいいですよ 0 4 8 12 16 0 2 4 6 8 10 12 14 16 18 20 効果検証が困難
- 30. 30 ABデザインを人?場面?行動ごとに繰り返す ■ 一人ひとりはABデザインと同じ ■ 介入開始をずらすことで，他要因の混入を防止 ■ 他の変化がないこととの比較で見る。 ■ 参加者間以外にも次のバリエーションがある ? 行動間多層ベースラインデザイン ? 場面間多層ベースラインデザイン 多層ベースラインデザイン 0 5 10 15 20 25 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0 5 10 15 20 25 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0 5 10 15 20 25 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 (m) (日) ベースライン(A) 介入(B) Eくん Fちゃん Gくん
- 32. 32 間隔をあけて測定する（プローブ） ■ ベースライン前は間欠的に行動を測定する ■ プローブによりベースライン以前が推測可能 ■ 測定の否定的影響を最小限にする他，コス ト，負担を軽減する ■ フォローアップ，あるいは行動完成後を間欠 的に測定することも可能 多層プローブデザイン 0 5 10 15 20 25 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0 5 10 15 20 25 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0 5 10 15 20 25 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 (m) (日) A B Eくん Fちゃん Gくん プローブ
- 33. 多層ベースラインデザインの特徴（Cooper, Heron, & Heward, 2007 中野, 2013） 33 1. 介入の除去を必要としない 2. 同時に多くの人（行動，場面）の改善をもたらす 3. 行動改善の汎化をモニタリングすることになる（行動間， 場面間） 4. 理解しやすく実施も容易 短所 長所 1. 複数の行動が同時に変化しても，その関係を証明はできない 2. 他の行動の変化の欠如から結論を出すため，リバーサルデザインより劣る 3. デザインに含まれる行動の分析というより，介入の一般的有効性を評価することになる 4. 時間と労力が必要
- 36. 36 段階的に介入を導入する ■ 単一の標的行動に使用する ■ １つ１つの段階が次の段階のベースラインになる ■ 各段階が安定している必要がある ■ ほどよい基準変更が必要 ? 大きな基準変更は介入の有効性を示す ? 一方，訓練が困難になる，十分な段階を準備でき ない可能性がある 基準変更デザイン 0 100 200 300 400 500 600 700 800 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 (日) 着 替 え に 要 し た 時 間 (秒) ベースライン 600秒 480秒 360秒 300秒 時間内に着替えたら強化子提示とし， 時間を段階的に下げていった
- 37. 基準変更デザインの特徴（Cooper, Heron, & Heward, 2007 中野, 2013） 37 1. 介入の除去を必要としない 2. 複数の参加者，場面，行動のデータを必要とせず，単一指標に使用できる 短所 長所 1. 対象者がすでに獲得している行動レパートリーにしか使用できない 2. このデザインが最適な学習率を妨げる可能性がある （各段階の安定を確認する必要があるため）
- 39. SCDの結果を読み取るための方法（効果判定） 39 データをグラフ化し，目で見て介入効果（独立変数）を判断する方法 直感的な理解が得られやすく、初学者でも導入が容易 統計分析 SCDのデータを解釈するための多くの統計分析法がある 視覚分析を困難にする要因を含むデータでは非常に有益 視覚分析 ■ 研究報告の頻度は視覚分析85%、視覚分析と統計分析の併用10%程度(丁子, 2020) ■ 視覚分析の理解しやすさは、クライエントにとっても利益がある ■ 統計分析は視覚分析と合わせて解釈されるべき(Krasny-Pacini & Jonathan, 2017) Visual analysis Statisticalanalysis
- 41. 視覚分析の６つのポイント 41 1. 水準 2. トレンド 3. 変動性 フェイズ内の分析 フェイズ間の分析 4. 即時性 5. 重複 6. 同条件フェイズの一貫性
- 42. 42 水準 ■ あるフェイズ内の代表値スコア ■ 以下の種類がある ■ 平均値による水準 ■ 中央値による水準 ■ 最低値?最高値による水準 ■ フェイズの初期値?最終値を用いる場合も 視覚分析のポイント① 0 10 20 30 40 1 2 3 4 5 6 7 8 9 10 11 12 13 14 37 24 35 15 32 30 21 4 8 3 12 5 5 15 フェイズA フェイズB 7.43 27.71
- 43. 水準の計算 43 中央値の算出方法 ?数字を高い方から並べる 480 40 30 20 15 15 5 ?データのちょうど真ん中にあたるデータが中央値（この場合データが７つなので、4つ目） 480 40 30 20 15 15 5 0 125 250 375 500 月 火 水 木 金 土 日 15 20 5 30 480 15 40 外 出 時 間 (分) 最小値: 5 最大値: 480 平均値: 86.4 中央値: 20
- 44. 44 トレンド ■ あるフェイズ内のデータの傾き ■ データの傾向のこと。以下の種類がある。 ■ 上昇トレンド ■ 維持トレンド ■ 下降トレンド 視覚分析のポイント② 0 10 20 30 40 1 2 3 4 5 6 7 8 9 10 11 12 13 14 37 24 35 15 32 30 21 4 8 3 12 5 5 15 フェイズA フェイズB
- 45. トレンド計算 45 ■ Excelを用いて回帰直線を当てはめると簡単（近似曲線オプション） ■ 手計算による方法も（Semiaverage Celeration Line法*） ● データを前半と後半に分ける。データ数が奇数の場合、中央の値は無視する ● 前半データと後半データのX軸平均値を算出する ● 前半データと後半データのY軸平均値を算出する ● 前半データのX軸Y軸と、後半データのX軸Y軸にプロットする。プロットした点を直線で結ぶ 0 10 20 30 40 1 2 3 4 5 6 7 33 23 25 20 15 16 13 Y軸平均 ＝ (13+16+15)/3 ＝14.7 X軸平均 ＝ (1+2+3)/3 ＝2 Y軸平均 ＝ (25+23+33)/3 ＝27.0 X軸平均 ＝ (5+6+7)/3 ＝6 *詳細はhttps://msu.edu/course/sw/830/2008/ssd/01.intro/isd128.htm 14.7 2 27.0 6
- 46. 46 変動性 ■ データの範囲のこと ■ データのばらつきが大きいほど変動性は高い ■ データのばらつきが少ないほど変動性は低い ■ トレンド ± 2×SD(標準偏差)で表すことが多い 視覚分析のポイント③ 0 10 20 30 40 1 2 3 4 5 6 7 8 9 10 11 12 13 14 37 24 35 15 32 30 21 4 8 3 12 5 5 15 フェイズA フェイズB +1SD -1SD +1SD -1SD
- 47. 47 即効性 ■ 介入（独立変数）導入の即効性 ■ フェイズの最後３つのデータと，次のフェイズ 最初３つのデータを比較する 視覚分析のポイント④ 0 10 20 30 40 1 2 3 4 5 6 7 8 9 10 11 12 13 14 37 24 35 15 32 30 21 4 8 3 12 5 5 15 フェイズA フェイズB 比較
- 48. 即効性の判断 48 ■ 即効性が高いほど介入効果の可能性が高い（パターン１） ■ 即効性が低いほど他の要因の混入が考えられる（パターン２） ● パターン１は介入によって速やかにデータが上昇している ● パターン２は介入後しばらくしてデータが上昇している。この時期に何らかの環境変化があった可能 性 ● ただし，確実に効果が生じるが，遅延して効果が生じる，というパターンもある（これはポイントの６で 確認する） 37 24 35 15 32 30 21 4 8 3 12 5 5 15 37 24 35 15 7 9 6 4 8 3 12 5 5 15 パターン2 パターン1 何らかの 環境変化？
- 49. 49 重複 ■ あるフェイズのデータが後のフェイズと重複 する程度 ■ 重複するデータが少ないほど介入（独立変 数）の効果の実証性が高まる 視覚分析のポイント⑤ 0 10 20 30 40 1 2 3 4 5 6 7 8 9 10 11 12 13 14 37 24 35 15 32 30 21 4 8 3 12 5 5 15 フェイズA フェイズB
- 50. 重複の判断 50 ■ 重複の補助線を引く。必要に応じて重複率を算出する ● フェイズの最高値と最低値を通る直線を引き，次のフェイズまで伸ばす ● 重複率(%) = 重複するデータ数 / フェイズのデータ数 ■ 重複が少ないほど介入効果の可能性が高い（パターン1 重複率14.3%） ■ 重複が多いほど判断が困難になる（パターン２ 重複率57.1%） 37 24 35 15 32 30 21 4 8 3 12 5 5 15 37 10 35 14 7 25 6 4 8 3 16 5 3 15 パターン2 パターン1 重複率(%) = 4 / 7 =57.1% 重複率(%) = 1 / 7 =14.3%
- 51. 51 同条件フェイズの一貫性 ■ ベースライン，介入など，同条件フェイズの パターンに一貫性はあるか？ ■ 一貫性が高いほど機能的関係を示す可能性 が高い 視覚分析のポイント⑥ 0 20 40 60 80 1 3 5 7 9 11 13 15 17 19 21 23 25 27 80 65 43 62 34 30 60 15 10 21 20 10 15 21 37 24 35 15 32 30 21 4 8 3 12 5 5 15 フェイズA フェイズA フェイズB フェイズB 比較 比較
- 53. 視覚分析の４ステップ 53 ?行動は有意義に変化したか ?変化したとしたら，それはどの程度介入の結果と言えるか 次の点を検討する（Cooper, Heron, & Heward, 2007 中野, 2013） 1. ベースラインの確認 2. 各フェイズの特徴の確認 3. フェイズ間（隣接/関連するフェイズ）の比較 4. 情報の統合と機能的関係の確認
- 54. ベースラインの確認 54 ■ ベースラインのデータは… 1. 問題を反映しているか/水準は？ 2. トレンドは？ 3. 変動性は？ 変化が期待される方向のトレンド，高い変動性は，視覚判断を困難にする 0 20 40 60 80 1 3 5 7 9 11 13 15 17 19 21 23 25 27 80 65 43 62 34 30 60 15 10 21 20 10 15 21 37 24 35 15 32 30 21 4 8 3 12 5 5 15 フェイズA フェイズA フェイズB フェイズB 水準は低い 維持トレンド 変動性も低い
- 55. 各フェイズの特徴の確認 55 ■ 各フェイズのデータは… 1. 水準は？ 2. 変動性は？ 3. トレンドは？ 0 20 40 60 80 1 3 5 7 9 11 13 15 17 19 21 23 25 27 80 65 43 62 34 30 60 15 10 21 20 10 15 21 37 24 35 15 32 30 21 4 8 3 12 5 5 15 フェイズA フェイズA フェイズB フェイズB 水準： 低い トレンド: 維持 変動性: 低い 水準： 中程度 トレンド: 上昇 変動性: 低い 水準： 低い トレンド: 維持 変動性: 低い 水準： 高い トレンド: 上昇 変動性: 中程度
- 56. フェイズ間（隣接/関連するフェイズ）の比較 56 ■ 各フェイズのデータは… 1. 隣接するフェイズ間の即効性は？ 2. 隣接する/関連するフェイズの重複は？ 3. 同条件間におけるデータの一貫性は？ 0 20 40 60 80 1 3 5 7 9 11 13 15 17 19 21 23 25 27 80 65 43 62 34 30 60 15 10 21 20 10 15 21 37 24 35 15 32 30 21 4 8 3 12 5 5 15 フェイズA フェイズA フェイズB フェイズB 即効性：中 即効性：弱 即効性：強 A1-B1 重複14% A2-B2 重複0% B1-A2 重複71% 水準：類似 トレンド：維持 変動：低い A1-A2 水準：B1<B2 トレンド：上昇 (B1<B2) 変動：B1<B2 B1-B2
- 57. 情報の統合と機能的関係の確認 57 ■ 1~3のステップで得られた情報を元に結論を下す ? 行動は有意義に変化したか ? 変化したとしたら，それはどの程度介入の結果と言えるか 0 20 40 60 80 1 3 5 7 9 11 13 15 17 19 21 23 25 27 80 65 43 62 34 30 60 15 10 21 20 10 15 21 37 24 35 15 32 30 21 4 8 3 12 5 5 15 フェイズA フェイズA フェイズB フェイズB ? フェイズ変更による速 やかなデータ変化 ? フェイズ変更3回中の 2回で明確な変化 →介入の効果あり ? A1-A2は類似の特徴 ? B1-B2は上昇トレンド ただし，一部の特徴が 異なる。 →B2はB1と異なる要因 が加わった可能性
- 58. 引用文献 ■ Cooper, J. O., Heron, T. E., & Heward, W. L. (2006). Applied behavior analysis (2nd ed.). New York: Prentice-Hall.（クーパー, J. O. ヘロン, T. E. ヒューワード, W. L. 中野良顯（訳） （2013）. 応用行動分析学 明石書房） ■ 丁子雄希. (2020). 作業療法士のための超実践！ シングルケースデザイン-導入から統計手法 まで. 金芳堂. ■ Krasny-Pacini, A., & Evans, J. (2018). Single-case experimental designs to assess intervention effectiveness in rehabilitation: A practical guide. Annals of Physical and Rehabilitation Medicine. Elsevier Masson, 61(3), 164-179. ■ Nock, M. K., Michel, B. D., & Photos, V. I. (2008). Single-case research design. In M. Dean (Ed.), Handbook of Research Methods in Abnormal and Clinical Psychology (pp. 337–350). California: SAGE Publications. ■ Smith, J.D.. (2012). Single-Case Experimental Designs: A Systematic Review of Published Research and Current Standards. Psychological Methods, 17(4), 510-550.