La misurazione del benessere delle specie animali di

Approcci metodologici alla valutazione del
benessere animale: esperienze a confronto
La misurazione del benessere delle specie
animali di interesse zootecnico tramite le
scale composite di valutazione
V.Tranquillo
Osservatorio Epidemiologico Veterinario Regionale
della Lombardia (IZSLER-Brescia)
…Spesso dico che quando tu puoi misurare ciò di
cui parli e lo puoi esprimere con numeri, tu
puoi conoscere qualcosa su di esso; ma quando
non puoi esprimerlo con numeri la tua conoscenza
è di qualità insufficiente ed insoddisfacente;
ciò può essere l’inizio della conoscenza, ma tu,
con le tue riflessioni, hai progredito di poco
nel campo della scienza, qualunque possa essere
l’argomento….
William Thomson (1824-1907)
Misurazione:assegnazione di etichette
numeriche ad oggetti o eventi secondo delle
regole (Stevens 1951)
Misurazione
Semplice : fenomeni direttamente osservabili
Complessa: fenomeni non osservabili direttamente
Misure complesse
•Qualità della vita
•Soddisfazione della vita
•Status di salute generale
•Benessere psicologico
•Supporto sociale
•Benessere/efficienza fisica
•Inabilità funzionale
•Handicap
•Predisposizione
•Suscettibilità
•Debolezza
•Severità dell’asma
•Depressione
•Ansia
•Comportamento
Scaling
Processo di rilevazione di una proprietà,
non direttamente osservabile, di oggetti o eventi
Tecniche di Scaling
Procedure più o meno standardizzate finalizzate allo scaling
Scala
Strumento di rilevazione costituita da una serie di items
atti a discriminare oggetti ed eventi rispetto alla proprietà
da rilevare
Item
Qualsiasi affermazione o domanda possa servire a dividere
i soggetti in due o più categorie mutuamente esclusive
ed esaustive
Tipologia di items
.Nominale
(sistema di classificazione binario o
politomico)
•Ordinale
(classificazione gerarchica )
•Ad intervallo
(item ordinale ad intervalli supposti
uguali, origine e unità di misura arbitrari)
•Di rapporto
(esiste un punto zero assoluto non arbitario)
Esempi
Nominale
Quale di queste bevande preferisce?
•Caffè
•Latte
•Tè
I suini sono ammassati?
Si
No
Ordinale
Mi sento teso o ‘caricato’
•Quasi sempre
•Molto spesso
•Talvolta
•Mai
(Hospital Anxiety and Depression Scale HAD)
Ad intervalli
Vogliamo valutare come
della tua vita. Indica
considerazione cosa ti
cosa ti aspetti per il
ti senti circa vari aspetti
il tuo sentimento tenendo in
è accaduto nell’ultimo anno e
futuro.
5
4
3
2
Felice
Soddisfatto
Indifferente
1
Insoddisfatto
Infelice
Item-rapporto
Quanto dolore ha provato nell’ultima settimana
0
Nessun dolore
1
2
3
4
5
6
7
8
9
10
Massimo dolore
Processo di scaling
Rilevare il carattere d’interesse (in grado e direzione)
partendo dalle sue manifestazioni esteriori
tratto latente
tratto latente svelato
manifestazioni esteriori osservabili
items
Processo di scaling
Somministrazione di uno stimolo (item) in grado di
suscitare delle reazioni del soggetto (risposte) che
permettano di collocarlo su un
continuum unidimensionale (tratto latente -tl)
S1 S2
-
S3
tl
+
La posizione che il soggetto avrà sul tratto latente dipende
dal tipo di risposte date
Dimensionalità
Scaling unidimensionale:
si assume che vi sia un’unica
dimensione (variabile latente) sottostante agli items.
I soggetti sono quindi collocati su una dimensione
Scaling multidimensionale:si
assume l’esistenza di più
dimensioni. I soggetti devono essere classificati simultaneamente
in uno spazio a n dimensioni
-accertare la reale unidimensionalità di una scala
In pratica
-Si scelgono gli items e si mettono insieme in un format simile
ad un questionario
-Si somministra il questionario ( cioè si raccolgono le
risposte agli items)
S1
S2
S3
S4
S5
I1
I2
I3
I4
1
1
0
1
0
0
1
0
0
1
1
1
0
0
1
0
1
1
0
1
punteggio
globale
2
4
1
1
3
……ma!?
…….la scala misura davvero il tratto latente?
Validità dello strumento
American Psychological Association (1954)
validità di contenuto
validità mediante criterio
validità mediante costrutto
validità di contenuto
Adeguatezza degli itemes selezionati al dominio semantico
validità mediante criterio
Correlazione tra un gruppo di items e una variabile esterna
detta di criterio che misura la variabile latente
validità mediante costrutto
Relazione teorica di una variabile (punteggio globale della
scala) con la variabile latente (o costrutto)
La variabile latente e gli items
Items
(dati osservati)
errore
x1
e1
Y
x2
e2
Variabile
latente
x3
e3
xn
en
Il modello della Teoria Classica degli Items
X=T+e
X= punteggio osservato di una variabile
T= punteggio vero della variabile latente
e= errore casuale
Valutazione degli items
•Correlazione tra items
(forte correlazione tra items=forte correlazione con la variabile latente)
•Correlazione item-score
•Varianza degli items
(alta varianza elevato potere discriminante dell’item)
•Media degli items
(media vicino al valore centrale)
Coefficiente alpha di Cronbach
Affidabilità o consistenza interna di una scala
•Una scala si dice consistente internamente se
gli items sono fortemente correlati tra loro
•Se gli items sono fortemente correlati vuol dire
che stanno misurando la stessa cosa, cioè la variabile
latente
•Se gli items sono fortemente correlati la scala
dovrebbe essere unidimensionale
X1 X2 X3
X1 s12
2
X2 s13
s 22
2
X 3 s13
s 223
s 32
Variabilità
non condivisa
Varianza totale
Coefficiente alpha di Cronbach
α Cronbach
⎛ ∑ s 2j ⎞
⎟
p ⎜
j
=
⎜1 − 2 ⎟
p -1 ⎜
sY ⎟
⎝
⎠
Affidabilità: proporzione di variabilità totale del punteggio
di una scala spiegata dal vero punteggio della variabile latente
sottostante la scala stessa.
X1
X2
X3
X1 0.61
X2 0.55 1.21
X 3 0.42 0.66 1.61
α Cronbach
3 ⎛ 3.43 ⎞
=
⎜1 −
⎟ = 0.73
3 - 1 ⎝ 6.69 ⎠
La scala spiega il 73% del punteggio vero oppure
la scala fa un errore di misurazione del punteggio vero
pari a 1-0.73, cioè del 27%!
Coefficiente alpha di Cronbach
<0.60
inaccettabile
0.60-0.65
non desiderabile
0.65-0.70
appena accettabile
0.70-0.80
rispettabile
0.80-0.90
molto buona
>0.90
considerare la lunghezza della scala
Coefficiente alpha di Cronbach
dipende da:
-correlazione media inter-items
-numero di items
assunto:
-Unidimensionalità della scala
Unidimensionalità
HOMALS (Homogeneity analysis by Alternating Least
square)
Analisi delle corrispondenze multiple
-trattamento di dati non continui ( scala nominale e
ordinale)
-quantificazioni ottimali degli items
-produzione di statistiche psicometriche a partire dagli
items quantificati
soggetto
1
2
3
4
5
6
7
8
9
10
item1
a
b
a
a
b
c
a
a
c
a
item2
p
q
r
p
p
p
p
p
p
p
item3
u
v
v
u
v
v
u
v
v
v
HOMALS/ACM
items
categoria
item1
item1
item1
item2
item2
item2
item3
item3
a
b
c
p
q
r
u
v
quantificazione
ottimale
-0.62
1.69
0.18
0.27
2.4
-0.21
-1.01
0.43
soggetto
1
2
3
4
5
6
7
8
9
10
varianza
item1
-0.62
1.69
-0.62
-0.62
1.69
0.18
-0.62
-0.62
0.18
-0.62
0.89
item2
0.27
2.4
-0.21
0.27
0.27
0.27
0.27
0.27
0.27
0.27
0.71
item3
-1.01
0.43
0.43
-1.01
0.43
0.43
-1.01
0.43
0.43
0.43
0.48
Misure di discriminazione δ
Media della varianza=0.69
autovalore λ
Unidimensionalità
Si estraggono r dimensioni pari a r variabili latenti
e si calcola l’autovalore corrispondente:
λ1, λ2, λ3……….λr
λ1>>>> λ2>…>…λr
Coefficiente di Greenacre
τ>0.50 unidimensionalità
HOMALS/ACM
-quantificazioni ottimali
-misure di discriminazione
-autovalore
Assegnazione dei punteggi ai soggetti:
Somma delle risposte dopo quantificazione ottimale
riscalata rispetto a quella minima, in modo da avere
uno zero assoluto
item
quantificazione
1=ottima
2=buona
3=discreta
4=scarsa
5=nessuna
1.86
0.99
0.03
-0.78
-1.72
quantificazione
riscalata
3.58
2.71
1.75
0.94
0
Procedura di valutazione degli items e
ottimizzazione della scala
•Analisi preliminare della consistenza interna
•Calcolo delle quantificazioni ottimali
•Calcolo delle misure di discriminazione dei singoli items
•Valutazione dell’unidimensionalità della scala
•Ottimizzazione della scala
•Calcolo del coefficiente alpha di Cronbach
Esempio: costruzione di una scala
per la misura del benessere del suino in svezzamento
disegno sperimentale
N°
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
Item
I Suinetti Sono Dispersi?
Ci Sono Gruppi Di Suinetti Ammassati?
Sono Presenti Dei Suinetti Apatici?
I Suinetti Sono Aggressivi?
Masticazione A Vuoto
Gioco Con Abbeveratoio
Bell Noising
Flank Biting
Ear Biting
Tail Biting
Anal Suckling
Leg Chewing
Morsicatura Barre/Strutture
Bevono L’urina Dei Compagni Di Box?
Utilizzo Aree Box
Utilizzo Della Mangiatoia Per Le Deiezioni?
Utilizzo Della Mangiatoia Per Il Riposo?
I Suini Ostruiscono L’abbeveratoio?
Presenza Arricchimenti Ambientali
I SUINETTI HANNO ATTEGGIAMENTI COMPETITIVI (Per Spazio Mangiatoia, Abbeveratoio,
Spazio, Ecc.)?
I Suini Presentano Atteggiamenti Eterolesionisti o Lesioni Riconducibili Ad
Eterolesionismo?
Lesione Alle Orecchie?
Lesioni Alla Coda?
Lesioni Ai Fianchi?
Graffi Parte Anteriore?
Graffi Parte Posteriore?
Vocalizzazioni?
item
disp
amm
apa
agg
mast
gabb
bell
flank
earbit
tailbit
analsuc
legcew
morsicat
bevonour
box
deieman
ripman
ostabb
comp
etero
lesionia
lesioni1
lesioni2
graffipa
graffi1
vocalizz
Alpha if
item
deleted
0.77
0.75
0.77
0.77
0.77
0.77
0.76
0.77
0.75
0.75
0.77
0.78
0.77
0.78
0.77
0.77
0.77
0.77
0.76
0.74
0.73
0.76
0.77
0.75
0.76
0.77
r(item,
total)
0.27
0.5
0.2
0.14
nd
nd
0.41
0.13
0.51
0.55
0.17
0.11
0.28
-0.11
nd
nd
nd
nd
0.39
0.62
0.68
0.36
0.32
0.45
0.48
nd
αCronbach=
0.77
Quantificazioni ottimali
item
non-osservato
(freq)
osservato
(freq)
misure di
discriminazione
disp
amm
apa
agg
bell
flank
earbit
tailbit
analsuc
legcew
morsicat
comp
etero
lesionia
lesioni1
lesioni2
graffipa
graffi1
-0.137 ( 27 )
-0.239 ( 27 )
-0.138 ( 24 )
-0.088 ( 28 )
-0.285 ( 23 )
-0.049 ( 29 )
-0.477 ( 19 )
-0.422 ( 23 )
-0.09 ( 28 )
-0.072 ( 27 )
-0.242 ( 21 )
-0.299 ( 24 )
-0.818 ( 15 )
-0.709 ( 18 )
-0.247 ( 26 )
-0.076 ( 31 )
-0.319 ( 25 )
-0.152 ( 30 )
0.739 ( 5 )
1.29 ( 5 )
0.413 ( 8 )
0.613 ( 4 )
0.728 ( 9 )
0.475 ( 3 )
0.698 ( 13 )
1.079 ( 9 )
0.629 ( 4 )
0.386 ( 5 )
0.463 ( 11 )
0.896 ( 8 )
0.722 ( 17 )
0.912 ( 14 )
1.07 ( 6 )
2.353 ( 1 )
1.138 ( 7 )
2.283 ( 2 )
0.1
0.32
0.06
0.06
0.21
0.02
0.34
0.47
0.06
0.03
0.12
0.28
0.61
0.67
0.27
0.18
0.37
0.36
Indice di Greenacre
τ=0.52
αCronbach= 0.81
Indice di Greenacre
τ=0.89
αCronbach= 0.82
item
amm
bell
earbit
tailbit
comp
etero
lesionia
lesioni1
graffipa
graffi1
osservato
0
0
0
0
0
0
0
0
0
0
non-osservato
1.49
0.92
1.24
1.5
1.35
1.68
1.71
1.39
1.44
2.01
U.O amm bell earbit tailbit comp etero lesionia lesioni1 graffipa graffi1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
1.49
1.49
1.49
1.49
1.49
1.49
1.49
1.49
1.49
1.49
1.49
1.49
1.49
1.49
1.49
1.49
0
1.49
1.49
1.49
1.49
1.49
1.49
1.49
1.49
1.49
1.49
0
0
0
0
1.49
0.9
0.9
0.9
0
0.9
0.9
0.9
0.9
0.9
0.9
0.9
0.9
0
0.9
0.9
0.9
0
0.9
0
0
0.9
0.9
0.9
0.9
0
0
0
0.9
0.9
0.9
0
0.9
1.24
1.24
1.24
1.24
1.24
1.24
0
0
1.24
1.24
1.24
1.24
1.24
0
0
1.24
0
1.24
0
0
1.24
1.24
1.24
1.24
0
1.24
1.24
0
0
0
0
0
1.5
1.5
1.5
1.5
1.5
1.5
0
1.5
1.5
1.5
1.5
1.5
0
0
1.5
1.5
0
0
1.5
1.5
1.5
1.5
1.5
1.5
1.5
1.5
0
0
1.5
1.5
0
0
1.35
1.35
1.35
1.35
1.35
1.35
1.35
0
1.35
1.35
1.35
1.35
1.35
1.35
1.35
0
0
0
1.35
1.35
1.35
1.35
1.35
1.35
0
1.35
1.35
0
0
1.35
1.35
0
1.68
1.68
1.68
1.68
1.68
1.68
0
0
1.68
0
1.68
0
0
1.68
0
1.68
0
0
0
0
0
1.68
1.68
1.68
0
1.68
0
0
0
1.68
0
0
1.71
1.71
1.71
1.71
1.71
1.71
1.71
0
1.71
0
1.71
1.71
0
1.71
1.71
1.71
0
0
0
0
0
1.71
1.71
1.71
0
1.71
0
0
0
1.71
0
0
1.39
1.39
1.39
1.39
1.39
1.39
1.39
0
1.39
1.39
1.39
0
0
1.39
1.39
1.39
0
0
1.39
1.39
1.39
1.39
1.39
1.39
1.39
1.39
1.39
1.39
1.39
1.39
0
1.39
1.44
1.44
1.44
1.44
1.44
1.44
1.44
1.44
1.44
1.44
1.44
1.44
0
1.44
0
1.44
1.44
0
0
1.44
1.44
1.44
1.44
1.44
1.44
1.44
0
0
0
1.44
1.44
1.44
2.01
2.01
2.01
2.01
2.01
2.01
2.01
2.01
2.01
2.01
2.01
2.01
0
2.01
2.01
2.01
2.01
2.01
2.01
2.01
2.01
2.01
2.01
2.01
2.01
2.01
2.01
0
2.01
2.01
2.01
2.01
Global
Score
14.75
14.75
14.75
13.82
14.75
14.75
10.32
7.36
14.75
11.35
14.75
11.67
4.09
12
10.39
13.39
3.45
5.67
7.75
9.19
11.35
14.75
14.75
14.75
7.83
13.82
7.49
2.32
5.83
12.01
4.8
7.25
Strumenti
http://cran.at.r-project.org/
-ambiente di programmazione per
l’analisi dei dati e la produzione di grafici
-potente, flessibile, completo
-open source!
-free
Considerazioni
Scaling unidimensionale
Procedura statistica nota, validata e condivisa
dalla comunità scientifica internazionale da
più di 50 anni.
Utilizzo della scala di misura del benessere
del suino allo svezzamento
-con molta cautela
-poche osservazioni
-necessari almeno 300 unità di osservazione per ottenere
una corretta validazione della scala!
-vera misura del benessere o misura della percezione di benessere
Da parte di chi rileva gli items?
Grazie per l’attenzione
[email protected]
α Cronbach
p ⎛
1 ⎞
⎜⎜1 − ⎟⎟
=
p - 1 ⎝ pλ ⎠
p= numero di items
λ= autovalore