Samenvatting onderzoekspracticum longitudinaal onderzoek
Longitudinale studies worden veel gebruikt om het effect van een interventie te evalueren. De
interventie vindt dan plaats na één of een aantal metingen en deze zogenaamde voormetingen
worden vervolgens vergeleken met metingen tijdens en na de interventie. Een andere toepassing van
longitudinale data is om van een fenomeen een patroon of trend in de tijd te ontdekken.
Er zijn ook vormen van longitudinaal onderzoek waarmee mediatiemodellen worden onderzocht.
Hierbij wordt geprobeerd om het verband tussen twee variabelen (X en Y) te verklaren door een
derde tussenliggende variabele M (mediator): X → M → Y. Door de drie variabelen op drie
opeenvolgende momenten te meten, wordt verondersteld dat er iets van een causaal mechanisme
zichtbaar kan worden gemaakt.
Ook de experience sampling method (ESM) is een dataverzamelingsmethode die longitudinale data
oplevert. Hierbij wordt meestal gedurende een aantal dagen, meerdere keren, op willekeurige
momenten per dag, een korte vragenlijst afgenomen. Omdat dit voor de deelnemers een vrij
intensieve methode is, worden ESM-designs ook wel 'intensieve longitudinale designs' genoemd.
Thema 1
Studietaak 1.1 Longitudinale onderzoeksdesign
Voor een goed begrip van longitudinaal onderzoek, is het zinvol om dit type onderzoek te vergelijken
met cross-sectioneel onderzoek. Met cross-sectioneel onderzoek wordt informatie voor de hele
studie op één tijdstip gemeten. Daardoor kunnen er geen uitspraken worden gedaan die betrekking
hebben op veranderingen in de tijd.
Om veranderingen (ontwikkelingen of fluctuaties) in de tijd te kunnen modelleren, zijn dus
longitudinale data nodig: herhaalde metingen van dezelfde variabelen met dezelfde
meetinstrumenten bij dezelfde personen.
Experimenteel vs. observationeel longitudinaal onderzoek
Longitudinaal onderzoek kan experimenteel of observationeel van aard zijn. We spreken
van experimenteel longitudinaal onderzoek als er
a. meerdere metingen in de tijd worden verricht,
b. bij verschillende interventiegroepen (condities) waarvan er minstens één wordt blootgesteld
aan een experimentele manipulatie,
c. met als doel om de effecten in verschillende condities met elkaar te vergelijken.
Voorbeeld: onderzoek naar de korte- en langetermijneffecten van twee verschillende vormen van
psychotherapie (zoals cognitieve gedragstherapie en schematherapie) op depressieve klachten.
Wanneer deelnemers aselect (random) zijn toegewezen aan condities, spreken we van een (zuiver)
experimenteel design. Wanneer er geen sprake is van random toewijzing (bijvoorbeeld bij het gebruik
van bestaande groepen) is het onderzoek quasi-experimenteel van aard.
Observationeel longitudinaal onderzoek meerdere metingen in de tijd zonder dat er variabelen
worden gemanipuleerd. Dit type onderzoek is onder andere geschikt om patronen in de tijd te
bestuderen. Dit kan worden uitgevoerd bij een enkele groep of bij meerdere groepen.
,Voorbeeld: het in kaart brengen van de ontwikkeling van prosociaal gedrag van opgroeiende jongens
en meisjes door op vaste tijdstippen in de puberteitsperiode vragenlijsten af te nemen.
Intensieve vs. extensieve longitudinale dataverzameling
Een hoge meetfrequentie maakt longitudinaal onderzoek intensief: er zijn dan vaak meerdere
metingen per dag. Omdat er veelvuldig gemeten wordt, is intensieve longitudinale
dataverzameling vaak van korte duur.
Voorbeeld: een studie waarbij participanten gedurende twee weken vier keer per dag een korte
vragenlijst invullen.
Extensieve longitudinale dataverzameling als de metingen minder vaak plaatsvinden,
bijvoorbeeld één keer per week, maand of jaar.
Ontwikkeling over de tijd vs. fluctuaties in de tijd
Sommige studies hebben als doel om een ontwikkeling over de tijd te laten zien. Daarnaast kan
longitudinaal onderzoek ook worden gebruikt om een verband aan te tonen tussen twee patronen
van fluctuaties. Het verschil tussen tijd gebruiken om ontwikkelingen inzichtelijk te maken vs. om
verbanden tussen fluctuaties in kaart te brengen heeft consequenties voor de statistische analyses.
Voorbeeld: wanneer je wilt laten zien dat iedere keer als iemand zich slechter voelt (oftewel, meer
negatief affect ervaart), ook diens zelfwaardering naar beneden gaat.
Specifieke vormen van observationeel longitudinaal onderzoek
Panelstudie vorm van (prospectief) longitudinaal onderzoek waarbij gedurende langere tijd
dezelfde mensen (= vast panel) meerdere keren worden bevraagd over een onderwerp.
Panelstudies zijn vaak bedoeld om (maatschappelijke) ontwikkelingen in een brede
onderzoekspopulatie te onderzoeken. Hoewel het voor alle studies belangrijk is om een steekproef te
trekken die representatief is voor de onderzoekspopulatie, is daar bij een panelstudie idealiter extra
aandacht voor. Zeker wanneer het panel een hele bevolking(sgroep) beoogt te representeren, is het
belangrijk dat alle leeftijden, opleidingsniveaus, etniciteiten en andere relevante
achtergrondkenmerken voldoende aanwezig zijn in het panel.
Cohortonderzoek mensen worden meerdere keren ondervraagd, maar de deelnemers worden
hierbij geselecteerd op basis van een gemeenschappelijk kenmerk dat gerelateerd is aan een tijdstip
of tijdsperiode. Je kunt daarbij denken aan deelnemers met hetzelfde geboortejaar (geboortecohort).
Daarnaast zien we ook cohortstudies in de vorm van life-eventsstudies waarmee de psychische
gevolgen van (ingrijpende) veranderingen of (traumatische) gebeurtenissen kunnen worden
bestudeerd. Zo kan een cohortstudie bijvoorbeeld worden gebruikt om gedurende een langere
periode de depressieve klachten in kaart te brengen van mensen wiens partner onlangs is overleden
of ernstig ziek geworden.
In de epidemiologie worden cohortstudies toegepast om potentiële risicofactoren te identificeren die
ziekten veroorzaken of ziektepatronen beïnvloeden. Merk op dat een longitudinaal effect op zichzelf
niet voldoende is voor het trekken van causale conclusies.
, Hoofdstuk 1 – A framework for investigating change over time
Sinds 1980 kunnen we pas goed veranderingen over de tijd meten.
Within individual change hoe verandert ieder individu in de loop van de tijd? Het doel is om de
vorm van ieders individuele groeitraject te beschrijven.
Interindividual difference in change wat voorspelt de verschillen tussen mensen in hun
veranderingen? Het doel is om heterogeniteit in verandering tussen individuen te detecteren en de
relatie tussen voorspellende factoren en de vorm van ieders individuele groeitraject te bepalen.
3 belangrijke kenmerken van onderzoek naar veranderingen
Drie of meer ‘waves’ van data
Een uitkomst waarvan de waarden in de loop van de tijd systematisch veranderen.
Een verstandige maatstaf voor het registreren van gewerkte tijd
Problemen bij herhaald meten
Uitval longitudinale studies hebben één overeenkomst: vanwege de duur van de
dataverzamelingsperiode is uitval, ook wel attritie of drop-out genoemd, een bedreiger voor
de validiteit van een longitudinale studie. Het logische gevolg van uitval is een beperkter
aantal observaties.
Vaak wordt er bij de dataverzameling al rekening gehouden met een bepaalde hoeveelheid
uitval en worden er extra deelnemers geïncludeerd. De hoeveelheid uitval kan verschillen per
onderzoeksvraag en populatie.
Uitval is extra problematisch wanneer de onderzochte verbanden verschillen tussen de
deelnemers die het onderzoek afmaken en de deelnemers die uitvallen. In dat geval treedt er
vertekening (bias) in de schattingen van de effecten op.
Belasting zware belasting kan mensen ervan weerhouden om aan een studie deel te
nemen. Dit kan een serieus probleem vormen voor de externe validiteit
(generaliseerbaarheid) van longitudinale studies. Wanneer de niet-deelnemers verschillen
van de deelnemers op de te onderzoeken verbanden, treedt een vorm van selectiebias op.
Reactiviteit bij herhaalde metingen bestaat een reëel risico dat de participant reageert op
de metingen zelf. Allereerst is het redelijk om je af te vragen hoe serieus een deelnemer een
vragenlijst na een aantal keren nog invult, wanneer deze dezelfde vragen herhaaldelijk krijgt
aangeboden.
Ten tweede kan door het herhaald meten 'instrumentatie' optreden, waarbij deelnemers zich
in de loop van het onderzoek bewuster worden van de gemeten variabelen.
Ten derde kan er ook een leereffect optreden, waarbij de vaardigheid op zichzelf niet
verbetert, maar waarbij mensen door het maken van een test leren om diezelfde test beter te
maken.
Incorrecte causale conclusies longitudinaal onderzoek op zichzelf is niet voldoende voor
het doen van causale uitspraken over de relatie tussen twee variabelen. Eigenlijk is dit geen
Longitudinale studies worden veel gebruikt om het effect van een interventie te evalueren. De
interventie vindt dan plaats na één of een aantal metingen en deze zogenaamde voormetingen
worden vervolgens vergeleken met metingen tijdens en na de interventie. Een andere toepassing van
longitudinale data is om van een fenomeen een patroon of trend in de tijd te ontdekken.
Er zijn ook vormen van longitudinaal onderzoek waarmee mediatiemodellen worden onderzocht.
Hierbij wordt geprobeerd om het verband tussen twee variabelen (X en Y) te verklaren door een
derde tussenliggende variabele M (mediator): X → M → Y. Door de drie variabelen op drie
opeenvolgende momenten te meten, wordt verondersteld dat er iets van een causaal mechanisme
zichtbaar kan worden gemaakt.
Ook de experience sampling method (ESM) is een dataverzamelingsmethode die longitudinale data
oplevert. Hierbij wordt meestal gedurende een aantal dagen, meerdere keren, op willekeurige
momenten per dag, een korte vragenlijst afgenomen. Omdat dit voor de deelnemers een vrij
intensieve methode is, worden ESM-designs ook wel 'intensieve longitudinale designs' genoemd.
Thema 1
Studietaak 1.1 Longitudinale onderzoeksdesign
Voor een goed begrip van longitudinaal onderzoek, is het zinvol om dit type onderzoek te vergelijken
met cross-sectioneel onderzoek. Met cross-sectioneel onderzoek wordt informatie voor de hele
studie op één tijdstip gemeten. Daardoor kunnen er geen uitspraken worden gedaan die betrekking
hebben op veranderingen in de tijd.
Om veranderingen (ontwikkelingen of fluctuaties) in de tijd te kunnen modelleren, zijn dus
longitudinale data nodig: herhaalde metingen van dezelfde variabelen met dezelfde
meetinstrumenten bij dezelfde personen.
Experimenteel vs. observationeel longitudinaal onderzoek
Longitudinaal onderzoek kan experimenteel of observationeel van aard zijn. We spreken
van experimenteel longitudinaal onderzoek als er
a. meerdere metingen in de tijd worden verricht,
b. bij verschillende interventiegroepen (condities) waarvan er minstens één wordt blootgesteld
aan een experimentele manipulatie,
c. met als doel om de effecten in verschillende condities met elkaar te vergelijken.
Voorbeeld: onderzoek naar de korte- en langetermijneffecten van twee verschillende vormen van
psychotherapie (zoals cognitieve gedragstherapie en schematherapie) op depressieve klachten.
Wanneer deelnemers aselect (random) zijn toegewezen aan condities, spreken we van een (zuiver)
experimenteel design. Wanneer er geen sprake is van random toewijzing (bijvoorbeeld bij het gebruik
van bestaande groepen) is het onderzoek quasi-experimenteel van aard.
Observationeel longitudinaal onderzoek meerdere metingen in de tijd zonder dat er variabelen
worden gemanipuleerd. Dit type onderzoek is onder andere geschikt om patronen in de tijd te
bestuderen. Dit kan worden uitgevoerd bij een enkele groep of bij meerdere groepen.
,Voorbeeld: het in kaart brengen van de ontwikkeling van prosociaal gedrag van opgroeiende jongens
en meisjes door op vaste tijdstippen in de puberteitsperiode vragenlijsten af te nemen.
Intensieve vs. extensieve longitudinale dataverzameling
Een hoge meetfrequentie maakt longitudinaal onderzoek intensief: er zijn dan vaak meerdere
metingen per dag. Omdat er veelvuldig gemeten wordt, is intensieve longitudinale
dataverzameling vaak van korte duur.
Voorbeeld: een studie waarbij participanten gedurende twee weken vier keer per dag een korte
vragenlijst invullen.
Extensieve longitudinale dataverzameling als de metingen minder vaak plaatsvinden,
bijvoorbeeld één keer per week, maand of jaar.
Ontwikkeling over de tijd vs. fluctuaties in de tijd
Sommige studies hebben als doel om een ontwikkeling over de tijd te laten zien. Daarnaast kan
longitudinaal onderzoek ook worden gebruikt om een verband aan te tonen tussen twee patronen
van fluctuaties. Het verschil tussen tijd gebruiken om ontwikkelingen inzichtelijk te maken vs. om
verbanden tussen fluctuaties in kaart te brengen heeft consequenties voor de statistische analyses.
Voorbeeld: wanneer je wilt laten zien dat iedere keer als iemand zich slechter voelt (oftewel, meer
negatief affect ervaart), ook diens zelfwaardering naar beneden gaat.
Specifieke vormen van observationeel longitudinaal onderzoek
Panelstudie vorm van (prospectief) longitudinaal onderzoek waarbij gedurende langere tijd
dezelfde mensen (= vast panel) meerdere keren worden bevraagd over een onderwerp.
Panelstudies zijn vaak bedoeld om (maatschappelijke) ontwikkelingen in een brede
onderzoekspopulatie te onderzoeken. Hoewel het voor alle studies belangrijk is om een steekproef te
trekken die representatief is voor de onderzoekspopulatie, is daar bij een panelstudie idealiter extra
aandacht voor. Zeker wanneer het panel een hele bevolking(sgroep) beoogt te representeren, is het
belangrijk dat alle leeftijden, opleidingsniveaus, etniciteiten en andere relevante
achtergrondkenmerken voldoende aanwezig zijn in het panel.
Cohortonderzoek mensen worden meerdere keren ondervraagd, maar de deelnemers worden
hierbij geselecteerd op basis van een gemeenschappelijk kenmerk dat gerelateerd is aan een tijdstip
of tijdsperiode. Je kunt daarbij denken aan deelnemers met hetzelfde geboortejaar (geboortecohort).
Daarnaast zien we ook cohortstudies in de vorm van life-eventsstudies waarmee de psychische
gevolgen van (ingrijpende) veranderingen of (traumatische) gebeurtenissen kunnen worden
bestudeerd. Zo kan een cohortstudie bijvoorbeeld worden gebruikt om gedurende een langere
periode de depressieve klachten in kaart te brengen van mensen wiens partner onlangs is overleden
of ernstig ziek geworden.
In de epidemiologie worden cohortstudies toegepast om potentiële risicofactoren te identificeren die
ziekten veroorzaken of ziektepatronen beïnvloeden. Merk op dat een longitudinaal effect op zichzelf
niet voldoende is voor het trekken van causale conclusies.
, Hoofdstuk 1 – A framework for investigating change over time
Sinds 1980 kunnen we pas goed veranderingen over de tijd meten.
Within individual change hoe verandert ieder individu in de loop van de tijd? Het doel is om de
vorm van ieders individuele groeitraject te beschrijven.
Interindividual difference in change wat voorspelt de verschillen tussen mensen in hun
veranderingen? Het doel is om heterogeniteit in verandering tussen individuen te detecteren en de
relatie tussen voorspellende factoren en de vorm van ieders individuele groeitraject te bepalen.
3 belangrijke kenmerken van onderzoek naar veranderingen
Drie of meer ‘waves’ van data
Een uitkomst waarvan de waarden in de loop van de tijd systematisch veranderen.
Een verstandige maatstaf voor het registreren van gewerkte tijd
Problemen bij herhaald meten
Uitval longitudinale studies hebben één overeenkomst: vanwege de duur van de
dataverzamelingsperiode is uitval, ook wel attritie of drop-out genoemd, een bedreiger voor
de validiteit van een longitudinale studie. Het logische gevolg van uitval is een beperkter
aantal observaties.
Vaak wordt er bij de dataverzameling al rekening gehouden met een bepaalde hoeveelheid
uitval en worden er extra deelnemers geïncludeerd. De hoeveelheid uitval kan verschillen per
onderzoeksvraag en populatie.
Uitval is extra problematisch wanneer de onderzochte verbanden verschillen tussen de
deelnemers die het onderzoek afmaken en de deelnemers die uitvallen. In dat geval treedt er
vertekening (bias) in de schattingen van de effecten op.
Belasting zware belasting kan mensen ervan weerhouden om aan een studie deel te
nemen. Dit kan een serieus probleem vormen voor de externe validiteit
(generaliseerbaarheid) van longitudinale studies. Wanneer de niet-deelnemers verschillen
van de deelnemers op de te onderzoeken verbanden, treedt een vorm van selectiebias op.
Reactiviteit bij herhaalde metingen bestaat een reëel risico dat de participant reageert op
de metingen zelf. Allereerst is het redelijk om je af te vragen hoe serieus een deelnemer een
vragenlijst na een aantal keren nog invult, wanneer deze dezelfde vragen herhaaldelijk krijgt
aangeboden.
Ten tweede kan door het herhaald meten 'instrumentatie' optreden, waarbij deelnemers zich
in de loop van het onderzoek bewuster worden van de gemeten variabelen.
Ten derde kan er ook een leereffect optreden, waarbij de vaardigheid op zichzelf niet
verbetert, maar waarbij mensen door het maken van een test leren om diezelfde test beter te
maken.
Incorrecte causale conclusies longitudinaal onderzoek op zichzelf is niet voldoende voor
het doen van causale uitspraken over de relatie tussen twee variabelen. Eigenlijk is dit geen
