The art of analyzing developmental trajectories: recommendations for developmental trajectory group analyses

De kunst van het analyseren van ontwikkelingstrajecten: aanbevelingen voor groepsanalyses van ontwikkelingstrajecten

Dit onderzoek van Jitske Sijbrandij bekijkt hoe we mensen kunnen groeperen op basis van hun ontwikkeling in de tijd, een methode die onder andere wordt toegepast in de publieke gezondheidszorg.  Het proefschrift gaat in op de uitdagingen rond de toepassing, analyse en interpretatie van deze methoden. Met behulp van simulatiestudies en TRacking Adolescents' Individual Lives Survey (TRAILS) cohort data onderzoeken de studies in dit proefschrift de prestaties van Latent Class Analysis (LCA), Latent Class Growth Analysis (LCGA) of Growth Mixture Modeling (GMM) onder verschillende omstandigheden. Een studie belicht de invloed van scheiding tussen klassen en steekproefgrootte en laat zien dat Growth Mixture Modeling over het algemeen robuuster is, vooral als gegevens minder ideaal zijn. Een andere studie gaat in op variantiebeperkingen in Growth Mixture Modeling en benadrukt het delicate evenwicht dat nodig is om vertekening te voorkomen. Het beruchte cat's cradle-patroon wordt onderzocht, waarbij wordt gevonden dat verkeerde interpretaties vaker het gevolg kunnen zijn van modelspecificaties dan van intrinsieke gegevenspatronen.

Het proefschrift sluit af met richtlijnen voor onderzoekers, waarbij de noodzaak van een goed inzicht in methoden, theorie en interpretatie wordt benadrukt. Het proefschrift onderstreept het belang van het erkennen dat trajectklassen een statistische samenvatting van gegevens kunnen zijn in plaats van een weergave van inhoudelijke subgroepen. Als metafoor wordt het uitvoeren van trajectgroepanalyses vergeleken met het bakken van de perfecte chocolate chip cookie: je moet de ingrediënten kennen, begrijpen hoe je ze moet gebruiken en het eindresultaat goed beoordelen.

Proefschrift: https://hdl.handle.net/11370/99ddd473-3175-42c8-bb75-b54b813bd4f0