237. Efekt podłogi i sufitu – dlaczego jest ważny?

W poprzednich lekcjach kursu analizowaliśmy różne aspekty jakości pomiaru: trafność treściową, trafność konstruktu, zgodność między oceniającymi oraz strukturę czynnikową skali. Kolejnym ważnym zagadnieniem jest rozkład wyników względem granic narzuconych przez narzędzie. Jeżeli wiele osób uzyskuje wynik minimalny albo maksymalny, pojawia się odpowiednio efekt podłogi lub efekt sufitu. Zjawiska te nie są wyłącznie techniczną ciekawostką. Mogą ograniczać zdolność skali do różnicowania osób, wykrywania poprawy lub pogorszenia oraz ujawniania zależności z innymi zmiennymi.

W tej lekcji wyjaśnimy, jak rozpoznawać oba efekty, dlaczego wpływają na rzetelność i trafność pomiaru oraz co można zrobić na etapie planowania i analizy badania. Przykłady dotyczą przede wszystkim pomiaru stanu zdrowia, funkcjonowania i cech psychologicznych, ale zasady mają zastosowanie także w pielęgniarstwie, ratownictwie, zdrowiu publicznym i naukach społecznych.

Czym jest efekt podłogi, a czym efekt sufitu?

Każde narzędzie pomiarowe ma określony zakres możliwych wyników. Może to być na przykład 0–40 punktów w kwestionariuszu objawów, 0–100 punktów w skali jakości życia albo 0–10 punktów w ocenie natężenia bólu. Dolna granica nazywana jest umownie podłogą, a górna sufitem.

Efekt podłogi występuje wtedy, gdy znaczna część badanych uzyskuje wynik minimalny albo bardzo bliski minimum. W praktyce oznacza to, że narzędzie nie rozróżnia dobrze osób znajdujących się na dolnym krańcu mierzonego kontinuum. Dwie osoby mogą różnić się rzeczywistym poziomem objawów, ale obie otrzymają wynik 0, ponieważ skala nie zawiera pozycji wystarczająco łatwych, czułych lub szczegółowych dla tego zakresu.

Efekt sufitu jest sytuacją odwrotną: wiele osób osiąga wynik maksymalny albo niemal maksymalny. Wówczas narzędzie nie potrafi uchwycić dalszych różnic między osobami o bardzo dobrym funkcjonowaniu. Może też nie zarejestrować niewielkiego pogorszenia, jeżeli badani rozpoczynają pomiar przy maksymalnym wyniku.

W literaturze dotyczącej kwestionariuszy zdrowotnych często stosuje się praktyczną regułę, zgodnie z którą efekt podłogi lub sufitu sygnalizuje sytuacja, gdy ponad 15% badanych uzyskuje najniższy albo najwyższy możliwy wynik (Terwee et al., 2007). Nie jest to jednak prawo natury ani uniwersalny test statystyczny. Próg powinien być interpretowany w kontekście celu pomiaru, populacji, konstrukcji skali i konsekwencji klinicznych.

Dlaczego efekty skrajne są problemem?

Ograniczenie różnicowania osób

Pomiar ma sens wtedy, gdy pozwala odróżnić osoby o różnych poziomach badanej cechy. Jeżeli 40% respondentów otrzymuje wynik maksymalny, nie wiemy, czy są oni rzeczywiście równoważni. Część z nich może mieć wynik latentny nieco powyżej pozostałych, ale skala „ścina” te różnice do jednej wartości. W rezultacie obserwujemy mniejszą zmienność wyników niż w rzeczywistości.

To zjawisko określa się czasem jako kompresję zakresu. Nie chodzi o to, że cecha w populacji jest jednorodna, lecz o to, że narzędzie nie ma wystarczającej rozdzielczości na jednym z krańców skali.

Wpływ na korelacje i modele statystyczne

Ograniczenie zmienności może osłabiać korelacje między wynikiem skali a innymi zmiennymi. Przykładowo, jeżeli większość zdrowych studentów uzyskuje 0 punktów w kwestionariuszu objawów depresyjnych, skala może słabo ujawnić związek między nasileniem objawów a jakością snu. Nie musi to oznaczać, że zależność nie istnieje. Możliwe, że zastosowany pomiar nie różnicuje badanych w odpowiednim zakresie.

Efekt skrajny może także utrudniać stosowanie klasycznych modeli liniowych. Wynik ograniczony z definicji, silnie skośny i skupiony przy jednej granicy nie zawsze spełnia założenia dotyczące rozkładu reszt, liniowości i stałości wariancji. Sama transformacja matematyczna zwykle nie rozwiązuje problemu, ponieważ nie tworzy informacji, których nie zarejestrowało narzędzie.

Utrata czułości na zmianę

Najważniejszy problem pojawia się w badaniach podłużnych i badaniach skuteczności interwencji. Jeżeli pacjenci przed leczeniem uzyskują maksymalny wynik funkcjonowania, późniejszy spadek może być niewidoczny. Jeżeli natomiast osoby z ciężkimi zaburzeniami znajdują się przy minimum, dalsze pogorszenie również nie zostanie uchwycone.

W ten sposób efekt podłogi lub sufitu może sprawić, że interwencja wygląda na mniej skuteczną, niż jest w rzeczywistości, albo że pogorszenie zostaje niedoszacowane. Fries, Rose i Krishnan (2011) wskazywali, że brak pozycji odpowiednich dla skrajnych poziomów funkcjonowania zmniejsza liczbę osób, u których można wiarygodnie ocenić zmianę.

Jak wykrywać efekt podłogi i sufitu?

Podstawowa ocena jest prosta, ale powinna być wykonana starannie. Dla całkowitego wyniku skali należy sprawdzić:

• wartość minimalną i maksymalną możliwą teoretycznie;
• liczbę oraz odsetek osób z wynikiem minimalnym;
• liczbę oraz odsetek osób z wynikiem maksymalnym;
• histogram lub wykres słupkowy rozkładu wyników;
• odsetki wyników skrajnych dla poszczególnych podskal i pozycji;
• rozkład wyników osobno w ważnych podgrupach, na przykład według wieku, ciężkości choroby lub miejsca rekrutacji.

Odsetek osób na dolnej granicy można zapisać wzorem:

F = (nmin / N) × 100%

gdzie F oznacza odsetek wyników przy podłodze, n_min – liczbę osób z najniższym możliwym wynikiem, a N – całkowitą liczbę osób z ważnym wynikiem. Analogicznie efekt sufitu wyraża się wzorem:

C = (nmax / N) × 100%

gdzie C oznacza odsetek wyników przy suficie, a n_max – liczbę osób z najwyższym możliwym wynikiem.

Warto odróżnić osoby uzyskujące dokładnie wynik graniczny od osób znajdujących się „blisko granicy”. W skali 0–40 wynik 40 jest formalnym sufitem, ale także skupienie wyników 38–40 może ograniczać czułość. Dlatego oprócz jednej wartości granicznej można zaplanować analizę odsetka wyników w najwyższym decylu lub kwartylu. Taki dodatkowy opis nie zastępuje podstawowej oceny, ale pomaga zrozumieć kształt rozkładu.

Przykład 1: skala funkcjonowania pacjentów po urazie

Załóżmy, że zespół bada powrót do sprawności po złamaniu kończyny. Użyto skali 0–20, w której wyższy wynik oznacza lepsze funkcjonowanie. W badaniu uczestniczy 100 osób. Przed rehabilitacją 8 osób uzyskuje 0 punktów, a po trzech miesiącach 28 osób uzyskuje 20 punktów.

Moment pomiaru	Wynik minimalny	Wynik maksymalny	Interpretacja
Przed rehabilitacją	8%	1%	Brak wyraźnego efektu podłogi według reguły 15%
Po rehabilitacji	1%	28%	Wyraźny efekt sufitu

Średni wynik może wzrosnąć znacząco, co sugeruje poprawę. Jednak u 28% uczestników skala nie pozwala już odróżnić bardzo dobrego funkcjonowania od funkcjonowania idealnego. Jeżeli część z tych osób po kilku miesiącach nieznacznie się pogorszy, zmiana może nie zostać zarejestrowana. Wniosek „wszyscy utrzymali pełną sprawność” byłby zbyt mocny.

Lepszym rozwiązaniem może być użycie narzędzia zawierającego trudniejsze pozycje, na przykład dotyczące bardziej wymagających czynności, albo zastosowanie banku pozycji opartego na teorii odpowiedzi na pozycję. W badaniach PROMIS rozszerzanie banku pozycji o zadania przeznaczone dla osób o bardzo dobrym i bardzo słabym funkcjonowaniu poprawiało precyzję pomiaru na krańcach kontinuum (Fries et al., 2014).

Przykład 2: kwestionariusz objawów w populacji ogólnej

Badacz chce ocenić lęk wśród 500 uczniów szkoły średniej, używając skali 0–21. Wynik 0 oznacza brak zgłaszanych objawów. Jeżeli 190 osób uzyska 0 punktów, odsetek przy podłodze wynosi:

F = (190 / 500) × 100% = 38%

Tak silny efekt podłogi może mieć kilka przyczyn. Skala mogła zostać opracowana dla pacjentów poradni zdrowia psychicznego, a więc dla populacji o większym nasileniu objawów. Badana próba może być stosunkowo zdrowa, pytania mogą mieć zbyt małą czułość dla łagodnego lęku albo instrukcja może sprzyjać pomijaniu objawów występujących sporadycznie.

Nie należy automatycznie wnioskować, że pozostałe 310 osób reprezentuje pełne spektrum lęku. W szczególności wynik 0 nie dowodzi absolutnego braku lęku. Oznacza jedynie, że w ramach zastosowanej skali nie odnotowano punktów za wskazane objawy.

Czy efekt podłogi lub sufitu oznacza, że skala jest nieważna?

Nie. Efekt skrajny nie unieważnia automatycznie całego narzędzia. Jego znaczenie zależy od celu pomiaru i badanej populacji. Jeżeli narzędzie ma służyć do rozpoznawania ciężkich przypadków w grupie klinicznej, umiarkowany efekt sufitu w populacji zdrowej może być przewidywalny, ale jednocześnie wskazuje, że narzędzie nie powinno być bezrefleksyjnie przenoszone do badań populacyjnych.

Efekt podłogi lub sufitu jest przede wszystkim informacją o dopasowaniu instrumentu do konkretnego zastosowania. Terwee i współautorzy (2007) traktują te efekty jako jeden z aspektów oceny właściwości pomiarowych kwestionariusza, obok trafności, rzetelności i responsywności. Oceniając narzędzie, należy więc zapytać nie tylko „czy skala jest zwalidowana?”, lecz także „czy została zwalidowana dla osób podobnych do uczestników mojego badania?”.

Jak ograniczać efekty podłogi i sufitu?

1. Dopasuj narzędzie do populacji. Sprawdź, w jakiej grupie opracowano i walidowano skalę.
2. Przeanalizuj rozkład wyników w pilotażu. Pilotaż może ujawnić problem przed rozpoczęciem głównego badania.
3. Wybieraj pozycje obejmujące całe kontinuum cechy. Skala funkcjonowania powinna zawierać zarówno czynności bardzo łatwe, jak i bardzo wymagające.
4. Rozważ bank pozycji i teorię odpowiedzi na pozycję. IRT umożliwia dobór pozycji informacyjnych dla różnych poziomów cechy.
5. Nie zmieniaj arbitralnie punktacji. Przemnożenie wyniku przez inną liczbę nie usuwa efektu sufitu ani podłogi.
6. Raportuj odsetki wyników skrajnych. Czytelnik powinien wiedzieć, jak duża część próby znalazła się poza użytecznym zakresem pomiaru.
7. Planuj analizę odpowiednią do danych. Przy silnym skupieniu przy granicy rozważ modele uwzględniające ograniczony zakres i charakter zmiennej, zamiast mechanicznie stosować model liniowy.

Najczęstsze błędy

• Traktowanie 15% jako uniwersalnego testu. Jest to praktyczna reguła interpretacyjna, a nie absolutna granica jakości.
• Sprawdzanie wyłącznie wyniku całkowitego. Efekt może występować tylko w jednej podskali lub w pojedynczych pozycjach.
• Mylenie efektu sufitu z wysokim poziomem zdrowia. Maksymalny wynik może oznaczać dobry stan, ale może też wynikać z niedostatecznej trudności pozycji.
• Wnioskowanie o braku różnic na podstawie braku istotności statystycznej. Silny efekt skrajny może zmniejszać moc testu. Nieistotny wynik nie dowodzi braku różnicy.
• Usuwanie osób z wynikami granicznymi. Takie postępowanie może zniekształcić reprezentatywność próby i nie rozwiązuje problemu konstrukcji narzędzia.
• Automatyczna transformacja danych. Logarytmowanie lub inne przekształcenie nie odzyskuje informacji utraconej przez ograniczenie skali.
• Używanie języka przyczynowego. Sam fakt wystąpienia efektu podłogi lub sufitu nie mówi, dlaczego powstał. Przyczyn trzeba szukać w dopasowaniu narzędzia, populacji, procedurze i konstrukcji pozycji.

Analiza przypadku

W badaniu pielęgniarek oceniano pewność siebie w wykonywaniu procedur ratunkowych. Skala obejmowała 10 pozycji, każda oceniana od 1 do 5, więc suma mieściła się w zakresie 10–50. W próbie 120 osób 74 uzyskały wynik co najmniej 48 punktów, a 31 wynik dokładnie 50 punktów.

Sam odsetek maksymalnych wyników wynosił 25,8%, co wskazuje na efekt sufitu. Możliwe wyjaśnienia obejmują dobór doświadczonej grupy, społecznie pożądane odpowiadanie, zbyt ogólne sformułowanie pozycji albo fakt, że skala mierzy deklarowaną pewność siebie, a nie rzeczywistą kompetencję wykonania procedury.

Badacz nie powinien od razu stwierdzać, że pielęgniarki są „jednakowo kompetentne”. Należałoby sprawdzić rozkład odpowiedzi na poszczególne pozycje, porównać samoocenę z oceną praktyczną oraz rozważyć dodanie pozycji opisujących trudniejsze, mniej typowe sytuacje. Dopiero wtedy można ocenić, czy problem dotyczy samego konstruktu, sposobu pomiaru, czy nieadekwatnego doboru próby.

Co warto zapamiętać?

• Efekt podłogi oznacza skupienie wyników przy minimum skali, a efekt sufitu – przy maksimum.
• Oba efekty ograniczają różnicowanie osób i mogą zmniejszać czułość na zmianę.
• Praktyczny sygnał ostrzegawczy to często ponad 15% wyników na jednej granicy, ale próg należy interpretować kontekstowo.
• Efekt skrajny może osłabiać korelacje, zniekształcać porównania i zmniejszać moc badania.
• Nie jest to wyłącznie problem statystyczny. Często wskazuje na niedopasowanie narzędzia do populacji lub zakresu mierzonej cechy.
• Najlepszą strategią jest zaplanowanie pomiaru obejmującego całe kontinuum cechy, a nie późniejsze „naprawianie” wyników transformacją.
• Wyniki skrajne należy raportować dla skali, podskal, a w razie potrzeby także dla poszczególnych pozycji.

Przy interpretacji efektów podłogi i sufitu przydatne jest myślenie pomiarowe rozwijane w całym module psychometrycznym kursu na statystyka.edu.pl: wynik nie jest bezpośrednim obrazem cechy, lecz informacją uzyskaną za pomocą konkretnego narzędzia, w konkretnej populacji i w konkretnych warunkach. Dlatego dobra analiza zaczyna się nie od wyboru testu statystycznego, lecz od sprawdzenia, czy zastosowana skala rzeczywiście ma możliwość uchwycenia różnic, które chcemy badać.

Źródła i dalsza lektura

1. Terwee, C. B., Bot, S. D. M., de Boer, M. R., van der Windt, D. A. W. M., Knol, D. L., Dekker, J., Bouter, L. M., & de Vet, H. C. W. (2007). Quality criteria were proposed for measurement properties of health status questionnaires. Journal of Clinical Epidemiology, 60(1), 34–42. DOI: 10.1016/j.jclinepi.2006.03.012.
2. Fries, J. F., Rose, M., & Krishnan, E. (2011). The PROMIS of better outcome assessment: responsiveness, floor and ceiling effects, and Internet administration. The Journal of Rheumatology, 38(8), 1759–1764. DOI: 10.3899/jrheum.110402.
3. Fries, J. F., Lingala, B., Siemons, L., Glas, C. A. W., Cella, D., Hussain, Y. N., Bruce, B., & Krishnan, E. (2014). Extending the Floor and the Ceiling for Assessment of Physical Function. Arthritis & Rheumatology, 66(5), 1378–1387. DOI: 10.1002/art.38342.
4. Mokkink, L. B., Terwee, C. B., Patrick, D. L., Alonso, J., Stratford, P. W., Knol, D. L., Bouter, L. M., & de Vet, H. C. W. (2010). The COSMIN checklist for evaluating the methodological quality of studies on measurement properties: a clarification of its content. BMC Medical Research Methodology, 10, 22. DOI: 10.1186/1471-2288-10-22.
5. Janssen, M. F., Pickard, A. S., Golicki, D., Gudex, C., Niewada, M., Scalone, L., Swinburn, P., & Busschbach, J. (2013). Measurement properties of the EQ-5D-5L compared to the EQ-5D-3L across eight patient groups: a multi-country study. Quality of Life Research, 22(7), 1717–1727. DOI: 10.1007/s11136-012-0322-4.

Więcej kolejnych lekcji publicznego szkolenia znajdziesz na statystyk.edu.pl.