- Kuvaile peruselementit yhden aiheen tutkimuksen suunnittelu.
- Suunnittele yksinkertaisia yhden tutkittavan tutkimuksia, joissa käytetään kääntymistä ja useita lähtötilanteen malleja.
- Selittää, miten yhden aiheen tutkimuksen malleja käsitellä sisäistä validiteettia.
- tulkitsee graafisen aineiston silmämääräiseen tarkastukseen perustuvien yksinkertaisten yhden aineen tutkimusten tuloksia.,
Ennen etsimässä tahansa erityisten yhden aiheen tutkimuksen malleja, se on hyödyllistä harkita joitakin ominaisuuksia, jotka ovat yhteisiä useimmille heistä. Monet näistä ominaisuuksista ovat Kuvassa 10.2, joka näyttää tulokset a generic yhden tutkimuksen aihe. Ensimmäinen, riippuva muuttuja (edustettuina y-akselin kuvaaja) on mitattu toistuvasti ajan (merkitty x-akselilla) säännöllisin väliajoin. Toiseksi tutkimus on jaettu erillisiin vaiheisiin, ja osallistujaa testataan yhdellä ehdolla per vaihe., Ehdot nimetään usein suuraakkosin: A, B, C ja niin edelleen. Näin Kuva 10.2 edustaa mallia, jossa osallistuja testattiin ensin yhden ehdon (A), sitten testattiin toisen ehdon (B), ja lopuksi testata uudelleen alkuperäisessä kunnossa (A). (Tätä kutsutaan käänteentekeväksi suunnitelmaksi, ja siitä keskustellaan lähiaikoina yksityiskohtaisemmin.)
Toinen tärkeä näkökohta yhden aiheen tutkimus on, että muutos yhdellä ehdolla seuraavaan ei yleensä esiinny jälkeen kiinteä määrä aikaa tai määrä havaintoja. Sen sijaan se riippuu osallistujan käytöksestä. Erityisesti tutkija odottaa, kunnes osallistujan käyttäytyminen yksi ehto tulee melko johdonmukainen havainto havainto ennen muuttuviin olosuhteisiin., Tätä kutsutaan joskus vakaan tilan strategiaksi (Sidman, 1960). Ajatuksena on, että kun riippuva muuttuja on saavuttanut vakaan tilan, sitten mitään muuta kautta ehtoja on suhteellisen helppo havaita. Muista, että kohtasimme tämän saman periaatteen keskustellessamme kokeellisesta tutkimuksesta yleisemmin. Riippumattoman muuttujan vaikutus on helpompi havaita, kun datassa oleva” melu ” minimoidaan.
Kääntyminen Malleja
alkeellisinta yhden aiheen tutkimuksen suunnittelu on käänteinen suunnittelu, myös nimeltään ABA-rakenne., Ensimmäisen vaiheen A aikana määritetään lähtötilanne riippuvaiselle muuttujalle. Tämä on vasteen taso ennen minkään hoidon aloittamista, ja siksi lähtötilanteen vaihe on eräänlainen valvontatila. Kun vakaan tilan vaste saavutetaan, B-vaihe alkaa, kun tutkija esittelee hoitoa. Voi olla sopeutumisaika hoitoon, jonka aikana toiminta edun tulee vaihtelevampi ja alkaa lisätä tai vähentää., Tutkija odottaa jälleen, että riippuvainen muuttuja saavuttaa vakaan tilan, jotta on selvää, onko se muuttunut ja kuinka paljon. Lopuksi tutkija poistaa hoidon ja odottaa jälleen, kunnes riippuvainen muuttuja saavuttaa vakaan tilan. Tämä perus käänteinen suunnittelu voi myös olla laajennettu kanssa uudelleen hoidon (ABAB), toinen paluu lähtötilanteeseen (ABEBA), ja niin edelleen.
Hallin ja hänen kollegoidensa tekemä tutkimus oli ABAB-käänteismalli. Kuva 10.3 lähentää Robbien tietoja., Prosenttiosuus aikaa hän vietti opiskelu (riippuva muuttuja) oli alhainen ensimmäisellä lähtötilanteessa vaihe, lisääntynyt ensimmäisen hoidon vaihe, kunnes se tasaantui, laski toisella lähtötilanteessa vaiheessa, ja taas kasvoi toisella hoidon vaihe.
Miksi kääntyminen—poisto hoito—pidetään tarpeen tämän tyyppinen suunnittelu? Miksi käyttää esimerkiksi ABA-mallia yksinkertaisemman AB-mallin sijaan? Huomaa, että AB-suunnittelu on olennaisesti keskeytynyt aikasarjasuunnittelu, jota sovelletaan yksittäiseen osallistujaan., Muista, että yksi ongelma tässä suunnittelussa on, että jos riippuvainen muuttuja muuttuu hoidon käyttöönoton jälkeen, ei aina ole selvää, että hoito oli vastuussa muutoksesta. On mahdollista, että jokin muu muuttui samoihin aikoihin ja että tämä ylimääräinen muuttuja on vastuussa riippuvaisen muuttujan muutoksesta., Mutta jos riippuva muuttuja muutokset käyttöön, hoito-ja muuttaa sitten takaisin poistamisen hoito (olettaen, että hoito ei luoda pysyvä vaikutus), se on paljon selkeämpi, että hoito (ja poisto-hoito) on syy. Toisin sanoen kääntyminen lisää huomattavasti tutkimuksen sisäistä pätevyyttä.
on olemassa perusvirtaussuunnitelman lähisukulaisia, jotka mahdollistavat useamman kuin yhden hoidon arvioinnin., Usean hoito käänteinen suunnittelu, lähtötilanteen vaiheen jälkeen erillistä vaihetta, jossa erilaisia hoitoja otetaan käyttöön. Esimerkiksi tutkija voi luoda perustason opiskelu käyttäytymistä häiritsevä opiskelija (A), sitten käyttöön hoito, johon liittyy myönteistä huomiota opettajalta (B), ja vaihtaa sitten hoitoon, joihin liittyy lievä rangaistus ei opiskelu (C). Osallistuja voi sitten palautetaan lähtötilanteessa vaihe ennen uudelleen käyttöön kunkin hoito—ehkä päinvastaisessa järjestyksessä kuin tapa valvoa siirto vaikutuksia., Tätä erityistä monikäsittelyn käänteismallia voidaan kutsua myös ABCACB-malliksi.
vaihtuvassa hoitosuunnitelmassa kaksi tai useampi hoito vuorottelee suhteellisen nopeasti säännöllisin väliajoin. Esimerkiksi positiivista huomiota opiskeluun voisi käyttää jonain päivänä ja lieviä rangaistuksia siitä, ettei Opiskele seuraavaa ja niin edelleen. Tai yksi hoito voitaisiin toteuttaa aamulla ja toinen iltapäivällä. Vuorotellen hoitojen suunnittelu voi olla nopea ja tehokas tapa vertailla hoitoja, mutta vain silloin, kun hoidot ovat nopeasti toimiva.,
Multiple-Baseline Designs
kääntymiseen liittyy kaksi mahdollista ongelmaa, jotka molemmat liittyvät hoidon poistamiseen. Yksi on se, että jos hoito toimii, sen poistaminen voi olla epäeettistä. Esimerkiksi, jos hoito tuntui vähentämään itse vahinkoa on kehitysvammainen lapsi, se olisi epäeettistä poistaa, että hoito vain osoittaa, että esiintyvyys itse vahinkoa lisää. Toinen ongelma on se, että riippuvainen muuttuja ei välttämättä palaa lähtötilanteeseen, kun hoito poistetaan., Kun esimerkiksi positiivinen huomio opiskeluun poistuu, opiskelija saattaa jatkaa opiskelua kiihtyvällä tahdilla. Tämä voi tarkoittaa sitä, että myönteinen huomio vaikutti pysyvästi opiskelijan opiskeluun, mikä tietysti olisi hyvä. Mutta se voi tarkoittaa myös sitä, että myönteinen huomio ei oikeastaan ollut syynä ylipäätään lisääntyneeseen opiskeluun. Ehkä jotain muutakin tapahtui suunnilleen samaan aikaan hoidon kanssa—esimerkiksi oppilaan vanhemmat olisivat saattaneet alkaa palkita häntä hyvistä arvosanoista.,
Yksi ratkaisu näihin ongelmiin on käyttää useita perustason suunnittelu, joka on edustettuna Kuva 10.4. Yhdessä suunnitteluversiossa kullekin osallistujalle vahvistetaan perustaso, jonka jälkeen hoito otetaan käyttöön kullekin osallistujalle. Pohjimmiltaan jokainen osallistuja testataan AB-mallissa. Avain tähän suunnitteluun on, että hoito otetaan käyttöön eri aikaan jokaiselle osallistujalle. Ajatuksena on, että jos riippuvainen muuttuja muuttuu, kun hoito otetaan käyttöön yhdelle osallistujalle, se voi olla sattumaa., Mutta jos riippuva muuttuja muuttuu, kun hoito on käyttöön on useita osallistujia—erityisesti silloin, kun hoito on otettu käyttöön eri aikoina eri osallistujat—niin se on erittäin epätodennäköistä olla sattumaa.
esimerkiksi, harkita, tutkimus Scott Ross ja Robert Horner (Ross & Horner, 2009). Heitä kiinnosti, miten koulun laajuinen kiusaamisen ehkäisyohjelma vaikutti tiettyjen ongelmaopiskelijoiden kiusaamiskäyttäytymiseen. Kussakin kolmessa eri koulussa tutkijat tutkivat kahta oppilasta, jotka olivat säännöllisesti harjoittaneet kiusaamista. Aikana lähtötilanteen vaiheessa he havaitsivat, että opiskelijat 10 minuutin aikoja joka päivä lounaalla syvennys ja laskea määrä aggressiivista käyttäytymistä, he osoittivat kohti heidän ikäisensä., (Tutkijat käyttivät kannettavia tietokoneita tietojen tallentamiseen.) 2 viikon kuluttua he toteuttivat ohjelman yhdessä koulussa. Kahden viikon kuluttua he toteuttivat sen toisessa koulussa. Ja 2 viikon kuluttua, he toteuttivat sen kolmannessa koulussa. He huomasivat, että määrä aggressiivista käyttäytymistä näytteillä jokainen oppilas laski pian sen jälkeen, kun ohjelma oli toteutettu hänen tai hänen koulussa., Huomaa, että jos tutkijat oli tutkittu vain yhdessä koulussa, tai jos ne oli otettu käyttöön hoidon samaan aikaan kaikki kolme koulua, niin se olisi epäselvää, onko väheneminen aggressiivinen käyttäytyminen johtui kiusaamisesta ohjelman tai jotain muuta, joka tapahtui samaan aikaan se oli otettu käyttöön (esim. loma -, televisio-ohjelman, muutos sää). Mutta niiden monitasoisen suunnittelun vuoksi tällaisen yhteensattuman olisi tapahduttava kolme erillistä kertaa—hyvin epätodennäköinen esiintyminen—selittääkseen niiden tulokset.,
toisessa versiossa on useita perustason suunnittelu, useita lähtökohdat ovat sijoittautuneet saman osallistuja, mutta eri riippuvaisia muuttujia, ja hoito on otettu käyttöön eri aikaan kullekin riippuva muuttuja. Kuvitelkaa esimerkiksi tutkimusta, joka koskee selkeiden tavoitteiden asettamisen vaikutusta toimistotyöntekijän tuottavuuteen, jolla on kaksi päätehtävää: myyntipuhelujen tekeminen ja raporttien kirjoittaminen. Molempien tehtävien lähtökohdat voitaisiin määrittää. Tutkija voisi esimerkiksi mitata työntekijän viikoittain tekemien myyntipuheluiden ja-Raporttien määrän useiksi viikoiksi., Sitten voitaisiin ottaa käyttöön jokin näistä tehtävistä, ja myöhemmin voitaisiin ottaa käyttöön sama hoito toiseen tehtävään. Logiikka on sama kuin ennenkin. Jos tuottavuus nousee yhdessä tehtävässä hoidon käyttöönoton jälkeen, on epäselvää, aiheuttiko hoito lisäyksen. Mutta jos tuottavuus kasvaa molemmissa tehtävissä hoidon käyttöönoton jälkeen-varsinkin kun hoito otetaan käyttöön kahtena eri ajankohtana-niin tuntuu paljon selvemmältä, että hoito oli vastuussa.,
vielä kolmas versio on useita perustason suunnittelu, useita lähtökohdat ovat sijoittautuneet saman osallistuja, mutta eri asetuksia. Perustaso voisi olla esimerkiksi siinä, kuinka paljon lapsi viettää lukuaikaa vapaa-ajallaan koulussa ja vapaa-ajallaan kotona. Silloin positiivisen huomion kaltainen hoito voitaisiin ottaa käyttöön ensin koulussa ja myöhemmin kotona. Jälleen, jos riippuva muuttuja muuttuu, kun hoito on otettu käyttöön kunkin asetuksen, niin tämä antaa tutkija luottamusta siihen, että hoito on, itse asiassa, on vastuussa muuttaa.,
Tietojen Analysointi Yhden Tutkimuksen Aihe
lisäksi sen keskittyä yksittäisten osallistujien, yhden aiheen tutkimus eroaa konsernin tutkimus-tapa tiedot ovat tyypillisesti analysoitu. Kuten olemme koko kirjan ajan nähneet, ryhmätutkimuksessa yhdistetään dataa osallistujien kesken. Ryhmätiedot kuvataan käyttämällä tilastoja, kuten keinoja, standardipoikkeamat, Pearsonin r, ja niin edelleen havaita yleisiä kuvioita. Lopuksi, johdettu statistiikka käytetään auttaa päättää onko tulos näyte on todennäköisesti yleistää väestöön., Yhden aiheen tutkimus sen sijaan perustuu vahvasti hyvin erilaiseen lähestymistapaan, jota kutsutaan visuaaliseksi tarkastukseksi. Tämä tarkoittaa piirtämistä yksittäisten osallistujien tietoja, kuten on esitetty tässä luvussa, tarkastellaan huolellisesti nämä tiedot, ja tehdä päätöksiä siitä, onko ja missä määrin riippumattoman muuttujan vaikutusta riippuva muuttuja. Johdettuja tilastoja ei yleensä käytetä.
tarkastaessaan aineistoaan silmämääräisesti yhden aiheen tutkijat ottavat huomioon useita tekijöitä. Yksi niistä on riippuvaisen muuttujan tason muutokset kunnosta toiseen., Jos riippuvainen muuttuja on paljon suurempi tai paljon pienempi yhdessä tilassa kuin toinen, tämä viittaa siihen, että hoidolla oli vaikutusta. Toinen tekijä on suuntaus, joka viittaa vähitellen kasvaa tai laskee riippuvan muuttujan eri havaintoja. Jos riippuva muuttuja alkaa lisäämällä tai vähentämällä muuttaa ehtoja, sitten taas tämä viittaa siihen, että hoito ei ollut vaikutusta. Se voi olla erityisesti kertoa, kun trendi muuttuu suuntiin—esimerkiksi silloin, kun ei-toivottu käyttäytyminen lisääntyy aikana lähtötilanteen mutta sitten alkaa laskea käyttöönoton hoito., Kolmas tekijä on latenssi, joka on aika, jolloin riippuvainen muuttuja alkaa muuttua olosuhteiden muutoksen jälkeen. Yleensä, jos muutos riippuvainen muuttuja alkaa pian muutoksen olosuhteissa, tämä viittaa siihen, että hoito oli vastuussa.
yläpaneelin Kuvassa 10.5 on melko ilmeinen muutoksia taso ja trendi riippuvainen muuttujan kunnossa kunnossa. Lisäksi näiden muutosten latenssit ovat lyhyitä, muutos tapahtuu välittömästi., Tämä tulosten malli viittaa vahvasti siihen, että hoito oli vastuussa riippuvaisen muuttujan muutoksista. Kuvan 10.5 alapaneelissa tason muutokset ovat kuitenkin melko pieniä. Ja vaikka siellä näyttää olevan kasvava trendi hoito kunnossa, se näyttää ikään kuin se voisi olla jatkoa suuntaus, joka oli jo alkanut aikana lähtötilanteessa. Tämän kuvion tulokset vahvasti siihen, että hoito ei ole vastuussa muutoksista riippuva muuttuja—ei ainakaan siinä määrin, että yhden aiheen tutkijat tyypillisesti toivoa nähdä.,
tulokset yhden aiheen tutkimus voi myös olla analysoidaan käyttäen tilastollisia menetelmiä, ja tämä on yleistymässä. Lähestymistapoja on monia erilaisia, ja yksittäisistä aiheista tutkijat jatkavat keskustelua, joista on eniten hyötyä., Yksi lähestymistapa vastaa sitä, mitä ryhmätutkimuksessa tyypillisesti tehdään. Keskiarvo ja keskihajonta kunkin osallistujan vastaukset kunkin ehto lasketaan ja verrataan, ja johdettujen tilastollisia testejä kuten t-testi tai varianssianalyysi sovelletaan (Fisch, 2001). (Huomaa, että keskimääräinen keskiarvo osallistujista on harvinaisempi.) Toinen lähestymistapa on laskea prosenttiosuus nonoverlapping tiedot (PND) kunkin osallistujan (Scruggs & Mastropieri, 2001)., Tämä on prosenttiosuus vastauksista hoidossa edellyttäen, että on enemmän äärimmäinen kuin äärimmäisissä vastausta asiaan kuuluva edellytys. Tutkimuksessa Hall ja hänen kollegansa, esimerkiksi, kaikki toimenpiteet Robbien opiskella kertaa ensimmäisen hoidon edellytys oli suurempi kuin korkein toimenpide ensimmäisessä lähtötilanteessa, sillä PND-100%. Hoitovaikutus on sitä voimakkaampi, mitä suurempi osa ei-luovutetuista tiedoista on., Silti virallinen tilasto lähestymistapoja data-analyysi yhden aiheen tutkimusta pidetään yleensä täydentää visuaalinen tarkastus, ei korvaa sitä.
- Yhden aiheen tutkimuksen malleja tyypillisesti mitataan riippuvan muuttujan toistuvasti ajan ja muuttuvat olosuhteet (esim. lähtötilanteesta hoitoon), kun riippuva muuttuja on saavuttanut vakaan tilan. Tämän lähestymistavan avulla tutkija voi nähdä, aiheuttavatko itsenäisen muuttujan muutokset muutoksia riippuvuussuhteessa olevaan muuttujaan.,
- Vuonna käänteinen suunnittelu, osallistuja on testattu perustilaan, sitten testattu hoito, kunto, ja sitten palasi lähtötasolle. Jos riippuvainen muuttuja muuttuu hoidon käyttöönoton myötä ja muuttuu sitten takaisin lähtötasolle palaamisen myötä, tämä antaa vahvan näytön hoidon vaikutuksesta.
- usean perustason suunnittelu, lähtökohdat ovat sijoittautuneet eri osallistujat, riippuvainen eri muuttujat, tai eri asetukset—ja hoito on otettu käyttöön eri aikaan kunkin lähtötasosta., Jos hoidon aloittamista seuraa riippuvaisen muuttujan muutos kustakin lähtötilanteesta, tämä antaa vahvan näytön hoidon vaikutuksesta.
- Yhden aiheen tutkijat tyypillisesti analysoida niiden tietoja kuvaajien niitä ja tehdä päätöksiä siitä, onko riippumaton muuttuja vaikuttaa riippuva muuttuja perustuu tasolla, trendi, ja latenssi.
- Käytännössä: Suunnittelu, on yksinkertainen single-kohteena-tutkimus (joko käänteinen tai useita-perustason suunnittelu) vastaa seuraaviin kysymyksiin., Muista määrittää hoito, toiminnallisesti määritellä riippuva muuttuja, päättää, milloin ja missä havaintoja tehdään, ja niin edelleen.
- Ei positiivista huomiota vanhemman lisätä lapsen harjauksen käytöstä?
- Ei itsetestaus opiskellessaan parantaa opiskelijan suorituskykyä viikoittain oikeinkirjoitus testejä?
- helpottaako säännöllinen liikunta masennusta?
- Käytännössä: Luoda kaavion, joka näyttää hypoteettinen tulokset tutkimuksen suunniteltu Harjoitus 1. Kirjoita kappale, jossa kuvataan, mitä tulokset osoittavat., Muista kommentoida tasoa, trendiä ja latenssia.
Pitkät Kuvaukset
Kuva 10.3 pitkä kuvaus: Line kaavio, jossa tulokset tutkimuksesta, jolla on ABAB käänteinen suunnittelu. Riippuva muuttuja oli alhainen aikana lähtötilanteessa ensimmäinen vaihe; lisääntynyt ensimmäisen hoidon aikana; laski toisella lähtötilanteessa, mutta oli edelleen korkeampi kuin vuoden ensimmäisen perusaikataulun, ja oli korkein aikana toisen hoidon vaihe.
kuva 10.,4 pitkä kuvaus: Kolme linja kaavioita näytetään tulokset geneerinen useita-baseline-tutkimus, jossa eri versiot ovat sijoittautuneet, ja hoito on otettu käyttöön, jotta osallistujat klo eri kertaa.
lähtötilanteessa 1 hoito aloitetaan neljänneksellä tutkimuksesta. Riippuva muuttuja vaihtelee 12 ja 16 yksikön välillä lähtötilanteen aikana, mutta laskee hoidon aikana 10 yksikköön ja laskee useimmiten tutkimuksen loppuun asti, vaihdellen välillä 4-10 yksikköä.
lähtötilanteessa 2 hoito aloitetaan tutkimuksen puolivälissä., Riippuva muuttuja vaihtelee välillä 10 ja 15 yksikköä aikana lähtötilanteessa, sitten on jyrkkä lasku 7 yksikköä, kun hoito on otettu käyttöön. Riippuvainen muuttuja kasvaa kuitenkin 12 yksikköön pian laskun jälkeen ja vaihtelee 8-10 yksikön välillä tutkimuksen loppuun asti.
lähtötilanteessa 3 hoito aloitetaan kolme neljäsosaa tutkimuksesta. Riippuva muuttuja vaihtelee 12 ja 16 yksikön välillä suurimman osan lähtötilannetta, ja yksi pudotus on 10 yksikköä., Kun hoito aloitetaan, riippuvainen muuttuja laskee 10 yksikköön ja sen jälkeen vaihtelee 8-9 yksikön välillä tutkimuksen loppuun asti.
Kuva 10.5 pitkä kuvaus: Kaksi kuvaajat näytetään tulokset geneerinen single-kohteena tutkimuksessa ABA-rakenne. Ensimmäisessä kuvaajassa, tilassa a, taso on korkea ja trendi kasvaa. Ehto B, taso on paljon pienempi kuin kunnossa A ja trendi on laskeva. Kunto A taas, taso on suunnilleen yhtä korkea kuin ensimmäisellä kerralla ja trendi kasvaa., Jokaiselle muutokselle viive on lyhyt, mikä viittaa siihen, että hoito on muutoksen syy.
toisessa kaaviossa, tilassa a, taso on suhteellisen alhainen ja trendi kasvaa. Ehdolla B, taso on hieman korkeampi kuin aikana kunnossa ja suuntaus on yhä hieman. Kunto A taas, taso on hieman pienempi kuin kunto B ja trendi on vähenemässä hieman. Se on vaikea määrittää latenssi nämä muutokset, koska jokainen muutos on melko minuutti, mikä viittaa siihen, että hoito on tehotonta.,
tutkija odottaa, kunnes osallistujan käyttäytyminen yksi ehto tulee melko johdonmukainen havainto havainto ennen muuttuviin olosuhteisiin. Näin kaikki olosuhteiden muutokset on helppo havaita.
tutkimuksen menetelmä, jossa tutkija kerää tiedot lähtötilanteessa valtion, esittelee hoidossa ja edelleen havainto, kunnes vakaa tila on saavutettu, ja lopulta poistaa hoito ja toteaa osallistuja, kunnes he palata vakaassa tilassa.,
taso vastaa ennen kuin mitään hoitoa on otettu käyttöön ja toimii siis eräänlaisena hallita kunnossa.
lähtötilanteen vaihetta seuraa erilliset vaiheet, joissa otetaan käyttöön erilaisia hoitoja.
kaksi tai useampi hoito vuorottelee suhteellisen nopeasti säännöllisin väliajoin.
lähtötilanne on vahvistettu useille osallistujille ja hoito aloitetaan sen jälkeen jokaiselle osallistujalle eri aikaan.,
kuvaaja yksittäisten osallistujien tiedot, tutkimalla tietoja, ja tehdä arvioita siitä, onko ja missä määrin riippumattoman muuttujan vaikutusta riippuva muuttuja.
Onko tiedot on suurempi tai pienempi, joka perustuu silmämääräinen tarkastus tiedot; muutos taso merkitsee hoidon käyttöön oli vaikutusta.
vähitellen kasvaa tai laskee riippuvan muuttujan eri havaintoja.
aika kuluu, jolloin riippuvainen muuttuja alkaa muuttua olosuhteiden muutoksen jälkeen.,
prosenttiosuus vastauksista hoidossa edellyttäen, että on enemmän äärimmäinen kuin äärimmäisissä vastausta asiaan kuuluva edellytys.