Експериментальний дизайн одиничного випадку: як перевіряють ефект у серіях вимірювань
Оновлено: 8 жовт.
Автор: Український психологічний ХАБ · Опубліковано: 7 жовтня 2026 · Редакційна політика
Експериментальний дизайн одиничного випадку, або single-case experimental design (SCED), — це сімейство експериментальних дизайнів, у яких ефект втручання перевіряють за багаторазовими вимірюваннями одного випадку та запланованими змінами умов у часі. Випадком може бути одна людина, клас, родина, клінічна команда чи інша одиниця, для якої збирають послідовність спостережень. Ключова ідея полягає в тому, що випадок частково слугує власним контролем, а причинний висновок спирається на те, чи змінюється результат у передбачуваний спосіб разом зі змінами експериментальної умови. Саме так single-case design описують сучасні стандарти What Works Clearinghouse, Version 5.0 та методологічні огляди сімейства SCED.
SCED особливо корисний тоді, коли дослідницьке питання стосується ефекту для конкретної людини або малої кількості випадків, коли середня різниця між великими групами не є головною метою, а результат можна вимірювати багато разів. Він застосовується в психології, освіті, поведінкових науках, реабілітації та персоналізованих втручаннях. Водночас сам факт, що дослідження має одного учасника, ще не робить його експериментом: потрібна логіка маніпуляції, повторних вимірювань, контролю альтернативних пояснень і відтворення ефекту.
Що таке експериментальний дизайн одиничного випадку
У груповому експерименті дослідник зазвичай порівнює середні результати між групами. У SCED головний об’єкт аналізу — послідовність вимірювань конкретного випадку в різних умовах. Наприклад, спочатку кілька разів вимірюють поведінку без нового втручання, потім вводять втручання і продовжують вимірювання. Сильніші варіанти дизайну додають повернення до попередньої умови, повторне введення втручання, поетапний початок втручання в кількох випадках або швидке чергування альтернативних умов.
Три ознаки утворюють ядро SCED:
• результат вимірюють не один раз, а серією повторних спостережень;
• дослідник заплановано змінює експериментальну умову або момент введення втручання;
• дизайн створює можливості повторно перевірити, чи збігається зміна результату зі зміною умови.
Тому SCED належить до експериментальних методів у психології, хоча структура контролю тут відрізняється від класичного паралельного експерименту з двома великими групами. Огляд Epstein і Dallery підкреслює, що single-case experimental designs утворюють ціле сімейство дизайнів, а одиницею може бути не лише окрема людина, а й клініка чи спільнота; бажаним елементом є повторення ефекту всередині випадку або між випадками (Epstein & Dallery, 2022).
SCED, дослідження випадку і просте «до/після» — різні речі
Дослідження випадку може давати детальний опис однієї людини, групи, події чи ситуації, поєднувати інтерв’ю, спостереження, документи та інші джерела. Його цінність часто полягає в глибині опису, контексті, генерації гіпотез і розумінні рідкісних або складних явищ.
Експериментальний дизайн одиничного випадку ставить інше питання: чи змінюється визначений результат унаслідок контрольованої зміни умови? Для цього потрібні повторні вимірювання та структура, яка дозволяє порівнювати патерни даних між фазами або умовами. Методологічні огляди прямо застерігають від ототожнення single-case experimental study з описовим case study (Lobo et al., 2017; Kazdin, 2019).
Так само одного вимірювання «до» і одного «після» недостатньо, щоб побачити природну варіативність, тренд або нестабільність результату. Якщо показник і без втручання рухався в потрібному напрямку, різниця між двома точками легко створює хибне враження ефекту. Серія спостережень дає змогу побачити, що відбувалося до зміни умови, наскільки стабільною була траєкторія і чи виник новий патерн після втручання.
Як у SCED обґрунтовують причинний ефект
Причинний висновок у SCED виникає з часової структури даних і повторного контролю умов. Дослідник формує прогноз щодо того, як поводитиметься результат без зміни втручання, вводить або змінює умову, а потім перевіряє, чи з’явилася передбачувана зміна. Сильний дизайн створює кілька незалежних можливостей побачити цей зв’язок у різні моменти часу.
Це узгоджується із загальною логікою причинності у психологічних дослідженнях: причина має передувати наслідку, спостережуваний патерн має відповідати причинній гіпотезі, а правдоподібні альтернативні пояснення потрібно контролювати настільки, наскільки дозволяє дизайн. Повторення ефекту всередині або між випадками має особливу вагу; методологічна робота Manolov та співавторів прямо пов’язує реплікацію ефектів у SCED з обґрунтуванням причинності та оцінкою загальності ефекту (Manolov et al., 2022).
Корисно мислити цю логіку як послідовність:
1. Базова фаза показує рівень, тренд і варіативність результату до цільової зміни.
2. Втручання вводять у заздалегідь визначений або рандомізований момент.
3. Після переходу оцінюють, чи змінилися рівень, тренд, варіативність або інші характеристики серії.
4. Дизайн створює ще одну або кілька можливостей перевірити той самий причинний прогноз.
5. Альтернативні пояснення зіставляють із часовою структурою змін.
Така логіка сильніша за просте твердження «після втручання стало краще». Вона вимагає, щоб зміна була прив’язана до маніпуляції умовою і, де це можливо, повторювалася.
Повторні вимірювання: чому серія важливіша за дві точки
У SCED кожне нове вимірювання додає інформацію про часову структуру результату. Дослідника цікавить не лише середнє значення в одній фазі порівняно з іншою, а й те, як поводиться показник від моменту до моменту.
Серія дозволяє оцінити:
• рівень — типову висоту значень у фазі;
• тренд — напрям і швидкість зміни;
• варіативність — наскільки значення коливаються;
• негайність ефекту — наскільки швидко зміна виникла після переходу між умовами;
• перекриття — наскільки значення різних фаз накладаються одне на одне;
• узгодженість подібних фаз — чи повторюється патерн, коли та сама умова з’являється знову.
Ці компоненти широко використовують у систематичному візуальному аналізі SCED. Сучасний методологічний огляд розглядає негайність разом із рівнем, трендом, варіативністю, перекриттям та узгодженістю як шість аспектів, які враховують під час аналізу даних SCED (Manolov & Onghena, 2022).
Повторні вимірювання створюють і статистичну проблему: сусідні спостереження однієї людини часто пов’язані між собою. Тому не можна автоматично поводитися з десятками точок однієї часової серії так, ніби це десятки незалежних учасників.
Базова фаза: навіщо вона потрібна
Базова фаза, яку часто позначають A, описує результат до введення цільового втручання або за контрольної умови. Її завдання — дати емпіричний прогноз того, що могло б відбуватися далі без зміни експериментальної умови.
Ідеальна базова фаза не означає обов’язково «ідеально горизонтальну лінію». Важливо, щоб дослідник розумів її рівень, тренд і варіативність та міг обґрунтувати момент переходу. Якщо базова траєкторія вже швидко поліпшується, введення втручання саме в цей момент ускладнює причинну інтерпретацію: подальше поліпшення може бути продовженням попереднього тренду.
Очікування абсолютної стабільності теж не є універсальним законом. У деяких процесах коливання природні, а затягування базової фази може бути неетичним або непрактичним. Тому рішення про тривалість базової фази має випливати з дизайну, очікуваної динаміки результату, етики та обраного стандарту якості, а не з механічного правила.
Основні типи експериментального дизайну одиничного випадку
Дизайн AB
Найпростіша схема має дві фази: A — базова умова, B — втручання. Вона показує, чи змінилася серія після введення B, але звичайний нерендомізований AB має обмежену здатність відокремити ефект втручання від подій, дозрівання, регресії до середнього або інших змін, що збіглися в часі.
Тому AB корисний як базова структура спостереження або як компонент складнішого дизайну, але одна зміна A→B зазвичай не створює кількох демонстрацій експериментального ефекту. Водночас рандомізований AB-дизайн є окремим методологічним випадком: випадковий вибір моменту переходу може підтримати рандомізаційний висновок за належних припущень. Через це фраза «AB ніколи не може бути експериментальним» теж була б надто грубою.
Реверсивний дизайн ABA або ABAB
У реверсивному дизайні втручання вводять, потім прибирають або повертаються до контрольної умови, а в ABAB — вводять знову. Якщо результат систематично змінюється разом із цими переходами, причинна інтерпретація посилюється.
Такий дизайн доречний, коли ефект відносно швидко виникає і є зворотним. Він неприйнятний або малоінформативний, коли:
• втручання формує навичку, яку неможливо «забрати»;
• ефект має тривалий післявплив;
• повернення до попередньої умови створює суттєвий ризик;
• етично не можна відкликати корисне лікування або навмисно повертати шкідливу умову.
Отже, здатність провести ABAB залежить не від бажання отримати «сильніший графік», а від механізму ефекту та етики.
Дизайн множинних базових ліній
У multiple baseline design втручання вводять у різний час у кількох паралельних серіях — наприклад, для різних людей, різних поведінкових результатів або різних середовищ. Якщо зміна виникає саме після введення втручання в кожній серії, тоді як серії, що ще залишаються на базовій фазі, не демонструють аналогічної зміни, дизайн створює внутрішній контроль без обов’язкового відкликання втручання.
Це особливо корисно, коли ефект необоротний або відкликання втручання неетичне. Сила дизайну залежить від справжнього рознесення моментів початку, достатньої кількості серій, часової узгодженості вимірювань та того, чи залишаються ще не втручені серії інформативними контрольними порівняннями. WWC Version 5.0 окремо формалізує вимоги до кількох унікальних моментів введення втручання та до паралельності вимірювань у multiple baseline і multiple probe designs.
Дизайн множинних проб
Multiple probe design споріднений із множинними базовими лініями, але в окремих базових серіях вимірювання проводять не безперервно, а пробами. Це може бути доцільно, коли надто часте тестування саме по собі змінює поведінку, коли збір даних дорогий або коли постійні вимірювання непотрібні.
Менша густота даних створює додаткові вимоги до того, як розташовані проби відносно моменту введення втручання. Пропуски між пробами не мають перетворювати критичний період на «сліпу зону», у якій невідомо, коли саме змінився результат.
Дизайн чергування втручань
В alternating treatments design дві або більше умов швидко чергують у межах однієї фази, щоб порівняти їхні ефекти. Порядок умов можна рандомізувати або збалансувати. Наприклад, дослідник може порівнювати два способи подання інструкції в різних сесіях.
Тут особливо важливі ефекти перенесення, порядок умов і здатність учасника розрізняти умови. Якщо дія однієї умови зберігається і впливає на наступну, просте чергування може змішувати ефекти. Поточні стандарти WWC також встановлюють окремі вимоги до кількості точок у кожній умові та до послідовностей однакових умов; ці правила є стандартами оцінювання дизайну, а не універсальними законами психології.
Дизайн зміни критерію
У changing criterion design втручання залишається активним, але цільовий критерій змінюють послідовними кроками. Наприклад, цільову тривалість певної поведінки поступово збільшують. Якщо результат систематично відстежує кожну нову сходинку критерію, це підтримує причинний висновок.
Сильне дослідження заздалегідь обґрунтовує розмір і порядок кроків, а не підганяє критерії після того, як побачило дані.
Чи SCED завжди означає одну людину
Ні. Назва single-case описує одиницю експериментального аналізу, а не обов’язково загальну кількість людей у статті. Дослідження може містити кількох учасників, і кожен з них утворює окрему часову серію з власними фазами. У multiple baseline design саме кілька випадків часто дають можливість повторити ефект.
Крім того, «випадком» іноді є клас, клініка, родина або інша одиниця, якщо саме для неї послідовно вводять умови й вимірюють результат. Однак збільшення кількості людей усередині такої одиниці не автоматично перетворює SCED на групове рандомізоване дослідження: логіка аналізу залишається прив’язаною до серій та переходів умов.
SCED і N-of-1 trial
Терміни перетинаються, але не є синонімами. N-of-1 trial зазвичай означає індивідуальне клінічне випробування з багаторазовим перехресним чергуванням лікувань або лікування й контролю для однієї людини, часто з рандомізацією порядку періодів. Для таких випробувань існує окрема настанова CENT 2015 (Vohra et al., 2015).
SCED — ширша сім’я, яка охоплює реверсивні дизайни, множинні базові лінії, чергування втручань, зміну критерію та інші структури. Огляд Epstein і Dallery розглядає персоналізовані N-of-1 trials як підкатегорію, що частково перекривається з реверсивними SCED (Epstein & Dallery, 2022).
Рандомізація в дизайнах одиничного випадку
Рандомізація в SCED може стосуватися моменту початку втручання, порядку умов, розподілу сесій між умовами або інших елементів, які дизайн дозволяє визначити випадково. Це не те саме, що випадкове формування вибірки.
Рандомізація не є обов’язковою властивістю кожного SCED, але за належного планування вона може:
• зменшити можливість свідомого або несвідомого вибору «вигідного» моменту переходу;
• створити відому схему випадкового розподілу умов;
• дозволити застосувати рандомізаційний тест, який спирається саме на цю схему.
Огляд Tanious і Onghena показує, як рандомізацію можна вбудовувати в різні single-case designs та поєднувати з візуальним аналізом, розмірами ефекту й рандомізаційним висновком (Tanious & Onghena, 2019). Рандомізаційний тест тут не «виправляє» слабкий дизайн заднім числом: можливість рандомізації має бути закладена в процедуру збору даних.
Скільки вимірювань потрібно
Універсального числа немає. Потрібна кількість спостережень залежить від типу SCED, очікуваної варіативності, тренду, швидкості ефекту, кількості фаз, запланованого аналізу та стандарту, за яким дослідження оцінюватимуть.
Конкретні числа часто цитують зі стандартів What Works Clearinghouse. Важливо розуміти їхній статус: це операційні критерії оцінювання якості single-case design у системі WWC, а не природний закон і не автоматичний стандарт для кожної галузі психології.
• для реверсивного дизайну або дизайну відкликання рейтинг без застережень вимагає щонайменше шести точок у першій базовій фазі та щонайменше п’яти точок у необхідних наступних фазах; за певних умов фаза з трьома або більше однаковими значеннями може враховуватися окремо;
• для multiple baseline design без застережень перша базова фаза кожного рівня має містити щонайменше шість точок, наступні фази — щонайменше п’ять, а переходи до втручання мають створювати щонайменше три унікальні моменти для демонстрації ефекту;
• для alternating treatments design без застережень потрібно щонайменше п’ять точок у кожній умові, а з застереженнями — щонайменше чотири;
• для інших single-case designs, які не описані окремими правилами WWC, потрібні три спроби продемонструвати ефект у трьох різних моментах часу, щоб претендувати на позитивну оцінку дизайну.
Ці пороги корисні як орієнтир, але дослідник має планувати серію під конкретне питання, дизайн, очікуваний механізм і аналітичний підхід. «Шість точок» не роблять нестабільну або погано контрольовану серію автоматично переконливою.
Як проводять візуальний аналіз
Графік у SCED — частина основного аналізу, а не декоративна ілюстрація. На горизонтальній осі зазвичай показують час, сесії або послідовні можливості вимірювання, на вертикальній — результат. Межі між фазами позначають явно.
Систематичний візуальний аналіз проходить у два рівні. Спочатку дослідник оцінює кожну фазу окремо: рівень, тренд і варіативність. Потім порівнює сусідні та повторені фази: негайність зміни після переходу, ступінь перекриття даних та узгодженість ефекту в подібних фазах.
Важливі питання:
• Чи змінився рівень відразу після введення або відкликання умови?
• Чи змінився тренд, а не лише одна крайня точка?
• Чи зменшилося або зросло перекриття між фазами?
• Чи виникає та сама картина під час повторного введення умови?
• Чи можна пояснити зміни трендом, який почався ще до втручання?
• Чи є результат настільки варіативним, що напрям ефекту невизначений?
Візуальний аналіз має бути структурованим і відтворюваним настільки, наскільки це можливо. «На око графік виглядає краще» — недостатній опис аналітичної процедури.
Чи потрібна статистика
Статистичний аналіз може доповнювати візуальний, але не існує одного універсально правильного показника для всіх SCED. У систематичному огляді 423 прикладних досліджень одиничного випадку за 2016–2018 роки найчастішим підходом був візуальний аналіз у поєднанні з описовою статистикою, хоча інференційні методи й рандомізація також використовувалися (Tanious & Onghena, 2021).
Вибір статистики залежить від запитання. Можна оцінювати зміну рівня або тренду, використовувати показники неперекриття, стандартизовані чи дизайн-сумісні розміри ефекту, регресійні та часові моделі, рандомізаційні тести, а для сукупності кількох випадків — багаторівневі або метааналітичні моделі.
Кілька правил особливо важливі.
По-перше, p-значення не є розміром ефекту і не показує, наскільки зміна велика або практично важлива. По-друге, розмір ефекту не замінює перевірку того, чи сам дизайн підтримує причинний висновок. По-третє, вибір метрики після перегляду результатів може створити селективність: різні показники здатні по-різному представити ту саму серію. Саме тому Manolov, Moeyaert і Fingerhut пропонують обґрунтовувати показник ефекту до збору даних, виходячи з дослідницької мети й властивостей серії (Manolov et al., 2022).
Тренд і автокореляція
Повторні вимірювання однієї одиниці часто утворюють залежну часову серію. Значення сьогодні може бути пов’язане зі значенням учора, а довгостроковий тренд може існувати незалежно від втручання. Це називають часовою залежністю та, в одному з її проявів, автокореляцією.
Якщо просто взяти всі точки фази A і всі точки фази B та застосувати звичайний тест, що припускає незалежність спостережень, стандартні помилки й p-значення можуть бути некоректними. Спосіб аналізу має відповідати структурі дизайну й даних.
Інша небезпека — плутати ефект втручання з уже наявним трендом. Якщо результат стабільно зростав у базовій фазі, зростання після введення B саме по собі слабше підтримує причинну інтерпретацію, ніж різкий і повторюваний злам траєкторії, прив’язаний до переходів умов.
Що означає «ефект» у SCED
Ефект може мати різні форми:
• негайний стрибок рівня;
• поступову зміну тренду;
• зменшення варіативності;
• зміну частоти або тривалості подій;
• появу ефекту після затримки;
• зміну, яка повторюється при кожному переході між умовами.
Тому ще до збору даних потрібно визначити, який саме патерн очікується за теорією або механізмом втручання. Якщо втручання має діяти через тиждень, вимога миттєвого ефекту була б беззмістовною. Якщо дія повинна припинитися відразу після відкликання, тривалий післяефект змінює те, який дизайн придатний.
Статистичний «ефект» також потребує визначення оцінюваної величини: різниця рівнів, різниця трендів, середня різниця між умовами, ймовірнісний контраст чи інший параметр. Різні метрики відповідають на різні питання.
Загрози внутрішній валідності
Навіть добре намальований графік не усуває альтернативні пояснення автоматично. Найтиповіші загрози такі.
Події, що збігаються з переходом фази
У момент введення втручання може одночасно змінитися щось інше: режим дня, педагог, медикація, навантаження, сезон, середовище. Якщо зміна відбувається лише один раз, відокремити ці причини складно. Повторення ефекту в різні моменти часу послаблює таке пояснення.
Дозрівання та природна динаміка
Людина може поліпшуватися або погіршуватися з часом незалежно від втручання. Особливо важливо враховувати це, коли процес має природну траєкторію або коли базова фаза вже демонструє тренд.
Регресія до середнього
Втручання часто починають саме тоді, коли проблема досягла екстремального рівня. Частина наступного поліпшення може бути статистично очікуваним поверненням до типовіших значень. Повторні базові вимірювання, рандомізація моменту переходу та повторні демонстрації ефекту допомагають відрізнити це від втручання, але не дають автоматичної гарантії.
Зміни способу вимірювання
Якщо інструмент, спостерігач, інструкція або критерій реєстрації змінюється разом із фазою, ефект може бути артефактом вимірювання. Якість психологічного вимірювання має окрему психометричну архітектуру; тут важливо лише не змінювати спосіб вимірювання так, щоб він став альтернативним поясненням.
Реактивність і повторне тестування
Саме часте вимірювання може змінювати поведінку. Учасник навчається тесту, звикає до спостереження або починає саморегуляцію через моніторинг. Це потрібно враховувати під час вибору частоти вимірювань і, за потреби, multiple probe design.
Перенесення та залишковий ефект
Якщо дія B триває в наступній фазі A або впливає на наступну альтернативну умову, фази вже не є чистими порівняннями. Для реверсивних та alternating treatments designs це критичне припущення.
Порушення вірності втручання
Якщо втручання B реалізували по-різному в різні дні, зміни результату можуть відображати дозу, якість виконання або сторонні компоненти. Тому вірність реалізації втручання треба вимірювати й звітувати, а не просто вважати сталою.
Рішення після перегляду даних
Якщо дослідник щоразу вирішує «перейдемо до B саме зараз, бо графік виглядає вигідно», а потім аналізує дані так, ніби моменти переходу були заплановані, він недооцінює гнучкість власних рішень. Правила переходу, рандомізація або прозоре попереднє планування зменшують цю проблему.
Внутрішня й зовнішня валідність: що саме можна узагальнити
Сильний SCED може дати переконливу відповідь на питання «чи мало це втручання ефект для цього випадку в цих умовах?». Це не тотожне питанню «який середній ефект буде в усій популяції?».
Зовнішня узагальнюваність зростає через систематичне повторення:
• для різних людей;
• у різних середовищах;
• для різних, але споріднених результатів;
• різними дослідницькими групами;
• у синтезах кількох SCED.
Отже, «один випадок» не дорівнює «анекдот». Експериментальний контроль може бути сильним усередині конкретної серії, а межі узагальнення залишаються окремим питанням. І навпаки, велика кількість вимірювань однієї людини не перетворює цю людину на репрезентативну вибірку популяції.
Етичні обмеження
SCED часто привабливий тим, що дозволяє вивчати індивідуальний ефект без великої групи. Але деякі найсильніші експериментальні маніпуляції можуть бути етично неприйнятними.
Не слід відкликати ефективну допомогу лише для того, щоб отримати красиву фазу A. Не можна повертати умову, яка передбачувано завдає шкоди. Неетично затягувати базову фазу, якщо це означає невиправдане відкладення необхідної допомоги. У таких ситуаціях multiple baseline або інший дизайн без відкликання може бути кращим.
Для клінічних втручань науковий дизайн також не скасовує вимог інформованої згоди, контролю ризиків, професійної компетентності та відповідних процедур етичного розгляду.
Як спланувати SCED крок за кроком
1. Сформулювати конкретне причинне питання
Питання «чи працює терапія?» надто широке. Потрібно визначити втручання, результат, випадок, часовий горизонт і очікуваний патерн зміни.
2. Визначити залежну змінну
Показник має бути придатним для частих повторних вимірювань і достатньо чутливим до зміни, яку теоретично може спричинити втручання. Роль незалежних, залежних і контрольних змінних треба визначити до початку серії.
3. Оцінити очікувану швидкість і зворотність ефекту
Це визначає, чи має сенс ABAB, multiple baseline, alternating treatments або changing criterion. Якщо втручання навчає незворотній навичці, реверсивний дизайн логічно слабшає.
4. Вибрати дизайн, який створює повторні перевірки
Кількість фаз, серій і моментів переходу має бути достатньою для передбаченого причинного висновку. Саме тут враховують стандарти конкретної галузі, а не після завершення дослідження.
5. Заздалегідь визначити правила переходів
Правило може ґрунтуватися на мінімальній кількості точок, стабільності, досягненні критерію або рандомізованому моменті. Якщо допускається адаптивне рішення, його теж треба описати.
6. Спланувати вірність втручання і сталість вимірювання
Потрібно знати, чи було B реалізоване так, як задумано, і чи однаково вимірювали результат у всіх фазах.
7. Визначити аналіз до перегляду остаточних результатів
Слід заздалегідь описати візуальні критерії, основний показник ефекту, статистичну модель або рандомізаційний тест, якщо він застосовується. Це зменшує свободу вибирати найвигідніший аналіз після отримання даних.
8. Планувати прозоре звітування
Графіки, усі фази, відхилення від плану, пропущені дані, правила переходів і способи аналізу мають бути доступні читачеві. Для поведінкових single-case досліджень корисною рамкою є SCRIBE 2016.
Приклад: множинні базові лінії в освітній психології
Уявімо, що дослідник перевіряє, чи коротке структуроване нагадування перед самостійною роботою збільшує частку завершених завдань. Є три учні, для кожного щодня протягом кількох тижнів реєструють відсоток завершених завдань.
Для всіх трьох спочатку триває базова фаза без нового нагадування. Потім втручання вводять для першого учня, тоді як другий і третій залишаються на базовій фазі. Через певний час — для другого, ще пізніше — для третього.
Переконливий патерн виглядав би так: показник першого учня змінюється після його переходу, у двох інших у цей самий календарний час істотного зламу немає; потім аналогічний злам виникає у другого саме після його переходу, а згодом — у третього. Три рознесені в часі зміни важче пояснити однією зовнішньою подією, ніж одночасне поліпшення всіх трьох.
Однак навіть такий графік потребує перевірки альтернатив: чи не змінилася одночасно складність завдань, чи однаково реєстрували результат, чи виконували нагадування за протоколом, чи не відрізнялися моменти переходу через рішення, ухвалені вже після перегляду даних.
Типові помилки інтерпретації
«Є один учасник — це SCED»
Ні. Один учасник може бути в описовому дослідженні, клінічному звіті або простому вимірюванні «до/після». SCED визначається експериментальною структурою, повторними вимірюваннями та контролем умов.
«Після B показник змінився — B спричинило зміну»
Одна зміна A→B не усуває всі часові альтернативи. Сильний причинний висновок потребує дизайну, що повторює демонстрацію ефекту або використовує інший переконливий механізм контролю.
«Потрібно рівно п’ять або шість точок»
Такі числа мають сенс лише в контексті конкретних стандартів. WWC Version 5.0 використовує дизайн-специфічні пороги для власної системи оцінювання. Інші галузі, методи й аналітичні плани можуть мати інші вимоги.
«Візуальний аналіз — це суб’єктивне враження»
Коректний візуальний аналіз структурований: рівень, тренд, варіативність, негайність, перекриття, узгодженість і повторення ефекту оцінюють за визначеною процедурою. Додаткові кількісні методи можуть підсилити прозорість.
«Статистично значуще означає великий ефект»
Ні. p-значення, розмір ефекту та практична важливість відповідають на різні питання. У SCED до цього додається ще одне: чи сам дизайн дозволяє приписати зміну втручанню.
«Усі точки можна вважати незалежними»
Ні. Часова залежність і автокореляція є типовою властивістю повторних вимірювань. Аналіз має враховувати структуру серії.
«Якщо ефект є в одного випадку, він доведений для популяції»
Ні. Внутрішній причинний висновок і зовнішня узагальнюваність — різні рівні аргументації. Узагальнення потребує реплікацій і ширшої доказової бази.
Переваги SCED
SCED дає кілька сильних можливостей:
• показує індивідуальну динаміку, яку може приховати групове середнє;
• дозволяє перевіряти причинні гіпотези з малою кількістю випадків;
• добре підходить для рідкісних станів або дуже неоднорідних популяцій;
• може підтримувати персоналізоване тестування втручань;
• створює детальну часову картину ефекту;
• дозволяє вбудовувати реплікацію без обов’язкового набору великої групи;
• може доповнювати групові дослідження, а не конкурувати з ними.
Практичний огляд Krasny-Pacini та співавторів описує SCED як підхід із повторними вимірюваннями, послідовним, інколи рандомізованим введенням втручання та специфічним візуальним і статистичним аналізом (Krasny-Pacini & Evans, 2018).
Обмеження
Сильна внутрішня логіка не усуває всіх труднощів.
По-перше, інтенсивне вимірювання може бути дорогим і створювати навантаження для учасника. По-друге, багато результатів психології не змінюються швидко або надійно на часовому масштабі, потрібному для фазового експерименту. По-третє, незворотні ефекти обмежують реверсивні дизайни. По-четверте, часові тренди, сезонність і автокореляція ускладнюють аналіз. По-п’яте, зовнішня узагальнюваність потребує систематичних реплікацій.
Нарешті, якість SCED залежить від якості вимірювання. Дуже багато точок не компенсують показник, який систематично вимірює не те, що потрібно. Психометрична валідність тесту є окремим питанням від валідності експериментального дизайну.
Як звітувати дослідження одиничного випадку
Для поведінкових втручань ключовою спеціалізованою настановою є SCRIBE 2016. Вона містить 26 пунктів і охоплює заголовок та анотацію, наукове обґрунтування, дизайн, учасників, контекст, втручання, вимірювання, аналіз, результати, побічні події, інтерпретацію та інші елементи, потрібні для прозорого звіту.
У психології ширша рамка APA Journal Article Reporting Standards спрямована на прозоре й повне звітування. Оновлені кількісні JARS включають спеціальний модуль для N-of-1 designs та окремі модулі для реплікацій, клінічних, лонгітюдних і спостережних досліджень (APA, 2018).
Для медичних N-of-1 багаторазових перехресних випробувань існує окрема настанова CENT 2015. SCRIBE і CENT покривають споріднені, але різні типи single-case досліджень, тому стандарт звітування треба добирати до фактичного дизайну, а не до слова «одиничний» у назві.
Що треба бачити в якісній публікації
Читач має змогу відповісти щонайменше на такі запитання:
• Хто або що є випадком і чому цей випадок включено?
• Який результат вимірювали й як часто?
• Які саме умови порівнювали?
• Як визначали моменти переходів між фазами?
• Чи була рандомізація і що саме рандомізували?
• Як перевіряли вірність реалізації втручання?
• Чи були пропущені спостереження та як із ними працювали?
• Який візуальний аналіз був запланований?
• Який кількісний показник ефекту або статистичний метод використано і чому?
• Чи видно всі точки даних, а не лише фазові середні?
• Скільки незалежних демонстрацій ефекту створив дизайн?
• Які альтернативні пояснення залишаються правдоподібними?
• Наскільки висновок стосується саме цього випадку і на чому ґрунтується ширше узагальнення?
Якщо на ці питання неможливо відповісти з публікації, оцінити силу доказу складно навіть за ефектного графіка.
Коли SCED особливо доречний
Експериментальний дизайн одиничного випадку добре відповідає питанням, де індивідуальний ефект сам по собі науково або практично важливий, а результат можна вимірювати достатньо часто. Це може бути перевірка поведінкового втручання, навчальної стратегії, реабілітаційної процедури, персоналізованої підтримки або механізму, який очікувано діє на короткому часовому масштабі.
Він також цінний під час раннього розвитку втручання: дослідник бачить не лише «чи є середня різниця», а й коли ефект починається, чи є він стабільним, чи повторюється та для яких випадків відсутній.
SCED менш доречний, коли результат можна виміряти лише один або два рази, коли втручання має дуже тривалий і невідворотний ефект, коли часті вимірювання неприйнятно реактивні або коли головне питання відразу стосується середнього ефекту на великій репрезентативній популяції.
Часті запитання
Чи експериментальний дизайн одиничного випадку завжди має лише одного учасника?
Ні. Один випадок є одиницею експериментального аналізу. Стаття може містити кілька випадків, а multiple baseline design часто спеціально використовує кілька паралельних серій. Випадком іноді є не людина, а група чи організаційна одиниця.
Чи достатньо схеми AB, щоб довести причинність?
Звичайний нерендомізований AB створює лише одну зміну умови, тому має слабший контроль часових альтернатив. Сильніші класичні SCED створюють повторні демонстрації ефекту. Рандомізований AB є окремим випадком і може підтримувати рандомізаційний висновок за правильно спланованої схеми.
Чи обов’язкова стабільна базова лінія?
Потрібна достатньо інформативна базова серія, щоб оцінити рівень, тренд і варіативність та обґрунтувати причинне порівняння. Абсолютно горизонтальна лінія не є універсальною вимогою. Важливо врахувати тренд і не підміняти планування механічним очікуванням «стабільності».
Чи обов’язкова рандомізація?
Ні. Історично багато SCED спираються на детерміновану фазову логіку й повторні демонстрації ефекту. Рандомізація, коли її можна коректно вбудувати, посилює контроль вибору моментів або порядку умов і відкриває можливість рандомізаційного статистичного висновку.
Чи може один p-значущий тест підтвердити ефект?
Сам по собі — ні. p-значення не показує розмір ефекту, практичну важливість і не виправляє слабку причинну структуру. У SCED статистика має інтерпретуватися разом із дизайном, графіком, часовою залежністю та запланованою логікою порівнянь.
Чи можна об’єднувати кілька SCED статистично?
Так. Існують дизайн-сумісні розміри ефекту, багаторівневі моделі та метааналітичні підходи. Але синтез має враховувати структуру серій, неоднакові дизайни й залежність спостережень. Одна й та сама «середня різниця» не обов’язково має однаковий зміст у різних SCED.
Чому SCED не є просто «анекдотичним доказом»?
Тому що якісний SCED заздалегідь структурує вимірювання й маніпуляції так, щоб перевірити причинний прогноз, контролює часові альтернативи та повторює демонстрацію ефекту. Його слабкі й сильні сторони оцінюють за формальними методологічними стандартами, а не за кількістю слів у описі випадку.
Пов’язані статті
Джерела
American Psychological Association. (2018). Journal Article Reporting Standards for Quantitative Research in Psychology: The APA Publications and Communications Board Task Force Report. American Psychologist, 73(1), 3–25.
Epstein, L. H., & Dallery, J. (2022). The Family of Single-Case Experimental Designs. Harvard Data Science Review, 4(SI3).
Kazdin, A. E. (2019). Single-case experimental designs. Evaluating interventions in research and clinical practice. Behaviour Research and Therapy, 117, 3–17.
Krasny-Pacini, A., & Evans, J. (2018). Single-case experimental designs to assess intervention effectiveness in rehabilitation: A practical guide. Annals of Physical and Rehabilitation Medicine, 61(3), 164–179.
Kratochwill, T. R., Hitchcock, J. H., Horner, R. H., Levin, J. R., Odom, S. L., Rindskopf, D. M., & Shadish, W. R. (2013). Single-Case Intervention Research Design Standards. Remedial and Special Education, 34(1), 26–38.
Lobo, M. A., Moeyaert, M., Baraldi Cunha, A., & Babik, I. (2017). Single-Case Design, Analysis, and Quality Assessment for Intervention Research. Journal of Neurologic Physical Therapy, 41(3), 187–197.
Manolov, R., Moeyaert, M., & Fingerhut, J. E. (2022). A Priori Justification for Effect Measures in Single-Case Experimental Designs. Perspectives on Behavior Science, 45(1), 153–186.
Manolov, R., & Onghena, P. (2022). Defining and assessing immediacy in single-case experimental designs. Journal of the Experimental Analysis of Behavior, 118(3), 462–492.
Manolov, R., Tanious, R., & Fernández-Castilla, B. (2022). A proposal for the assessment of replication of effects in single-case experimental designs. Journal of Applied Behavior Analysis, 55(3), 997–1024.
Tanious, R., & Onghena, P. (2019). Randomized Single-Case Experimental Designs in Healthcare Research: What, Why, and How?. Healthcare, 7(4), 143.
Tanious, R., & Onghena, P. (2021). A systematic review of applied single-case research published between 2016 and 2018: Study designs, randomization, data aspects, and data analysis. Behavior Research Methods, 53(4), 1371–1384.
Tate, R. L., Perdices, M., Rosenkoetter, U., Shadish, W., Vohra, S., Barlow, D. H., Horner, R., Kazdin, A., Kratochwill, T., McDonald, S., Sampson, M., Shamseer, L., Togher, L., Albin, R., Backman, C., Douglas, J., Evans, J. J., Gast, D., Manolov, R., Mitchell, G., Nickels, L., Nikles, J., Ownsworth, T., Rose, M., Schmid, C. H., & Wilson, B. (2016). The Single-Case Reporting Guideline In BEhavioural Interventions (SCRIBE) 2016 Statement. Journal of Clinical Epidemiology, 73, 142–152.
Vohra, S., Shamseer, L., Sampson, M., Bukutu, C., Schmid, C. H., Tate, R., Nikles, J., Zucker, D. R., Kravitz, R., Guyatt, G., Altman, D. G., Moher, D., & CENT Group. (2015). CONSORT extension for reporting N-of-1 trials (CENT) 2015 Statement. BMJ, 350, h1738.
What Works Clearinghouse. (2022). What Works Clearinghouse Procedures and Standards Handbook, Version 5.0. U.S. Department of Education, Institute of Education Sciences.