Qmethodologie Een introductie

1
Q-methodologieEen introductie

• Job van Exel
• ? Office L4-125 PO Box 1738 3000 DR Rotterdam
  The Netherlands
• ? 31 10 4082507 ? n.vanexel_at_erasmusmc.nl

2
Q-methodologie is

• What has come to be referred to as Q methodology
  was introduced in a letter to Nature, written by
  William Stephenson (1935), a physicist (Ph.D.
  1926, University of Durham) and psychologist
  (Ph.D. 1929, University of London), who served as
  the last assistant to Charles Spearman, the
  inventor of factor analysis. Spearman once
  referred to his protégé as the most creative
  statistician in psychology
• The History and Principles of Q Methodology in
  Psychology and the Social Sciences, Steven R.
  Brown (http//facstaff.uww.edu/cottlec/QArchive/Bp
  s.htm)

3
Q-methodologie is

• Steven Brown
• Fundamentally, Q methodology provides a
  foundation for the systematic study of
  subjectivity
• Q methodology is comprised of procedures and a
  conceptual framework that provide the basis for a
  science of subjectivity
• is a powerful methodology for exploring and
  explaining patterns in subjectivities a persons
  viewpoint, beliefs, attitudes, feelings,
  opinions, and the like, generating new ideas and
  hypotheses, and identifying consensus and
  contrasts in views, opinions and preferences
• Abductieve methode achterhalen / identificeren
  operant subjectivities
• Hybride kwalitatieve - kwantitatieve methode

4
Abductie, deductie inductie

• Abduction
• All beans from this bag are white
• These beans are white
• Therefore, these beans are from this bag.
• Deduction
• All beans from this bag are white
• These beans are from this bag
• Therefore, these beans are white.
• Induction
• These beans are from this bag (and these
  beans..., and these beans..., etc.)
• These beans are (all) white
• Therefore, all beans from this bag are white.

Abductie creëert data exploreren, patroon
vinden, plausibele hypothese suggereren Deductie
legt uit hypotheses gebaseerd op plausibele
premissen verfijnen Inductie verifiëert
empirische onderbouwing
5
Q-methodologie werkt

• in vier stappen
• Vaststellen van de Q-set
• Onderwerpsgebied (concourse) verkennen en ik
  kaart brengen
• is the flow of communicability surrounding any
  topic
• is the very stuff of life, from the playful
  banter of lovers or chums to the heady
  discussions of philosophers and scientists to the
  private thoughts found in dreams and diaries
• is not restricted to words, but might include
  collections of paintings, pieces of art,
  photographs, and even musical selections
• Uitspraken verzamelen (bij voorkeur letterlijk,
  in taal van doelgroep)
• Representatieve set uitspraken selecteren
  (meestal 25 tot 40 selectie kan bijvoorbeeld op
  basis van een theoretisch raamwerk / model)

6
Q-methodologie werkt

• Vaststellen van de P-set
• Specifieke of algemene populatie, snowballing
• Small sample method, rule of thumb P-set
  vegelijkbare omvang als Q-set
• Q-sort interviews
• Face-to-face (individueel of groep),
  schriftelijk, telefonisch, web
• Quasi-normale verdeling (naar belang, instemming,
  voorkeur, et cetera)
• Q-analyse
• Factoranalyse met Q-sorters als variabelen
• Extractie centroid, pricipal components (op
  correlatiematrix)
• Roteren varimax, judgmental
• Samengestelde rangschikking per factor
• Duiding van de factoren op basis van de
  kenmerkende en onderscheidende uitspraken voor
  die factor, en toelichting Q-sorters bij hun
  rangschikking

7
Recente Q-methodologische studies

• Gezondheidshoudingen van jongeren
• Houdingen t.a.v. respijtzorg onder mantelzorgers
• Houdingen t.a.v. zorg in eigen regie (PGB vs.
  zorg in natura)
• Visies van huisartsen op de kwaliteit van
  huisartsenposten
• Belang van determinanten van zorgkeuzeprocessen
• Bouwstenen voor kwaliteitskaarten (ziekenhuizen,
  VVT, GZ)
• Zorgpreferenties van jongeren met chronische
  aandoeningen
• Zorgbehoeften van SGEVG-cliënten (proxy-sorts)
• Visies van zorgverzekeraars op samenstelling
  aanvullend pakket
• Reisattitudes middenlange afstand my first Q

8
Key literature

• Stephenson W. Correlating persons instead of
  tests. Character and Personality 19354 17-24
• Stephenson W. The study of behavior Q-technique
  and its methodology. Chicago University of
  Chicago Press. 1953
• Brown SR. Political subjectivity Applications of
  Q methodology in political science. Yale
  University Press. 1980
• Baker R, Thompson C, Mannion R. Q methodology in
  health economics. J Health Serv Res Policy
  200611(1) 38-45
• Cross RM. Exploring attitudes the case for
  Q-methodology. Health Education Research
  200520(2) 206-213
• Smith NW Current systems in psychology history,
  theory, research, and applications. Wadsworth.
  2001

9
Easy access Q-resources

• The official website of the International Society
  for the Scientific Study of Subjectivity (I4S)
  www.qmethod.org
• Q-method page www.lrz-muenchen.de/schmolck/qmeth
  od (incl. PQMethod software manual,
  references)
• Mailing list listserv.kent.edu/archives/q-method.
  html
• Tutorials
• A Q Methodological tutorial www.qmethod.org/Tutor
  ials/tutorials.htm
• Wikipedia page en.wikipedia.org/wiki/Q_methodolog
  y
• Q-methodology - A sneak preview www.jobvanexel.nl

10
Societal value of a QALY

• UK project NICE ways of making health care
  decisions eliciting the perspectives of the UK
  general public
• Question Is a QALY a QALY a QALY? Some evidence
  of general public preferences for distribution
  taking into account age, severity of illness,
  people with dependents, et cetera
• Purpose develop QALY weights that reflect
  relative societal value
• Why Q
• Explorative phase of study (DCE follow-up)
• Multiplicity of characteristics problematic for
  traditional methods
• General public not expected to have a readily
  articulated story
• Q-set General public focus groups, professional
  opinion, literature

11
SVQ UK general public

• 3 factor solution
• The egalitarian
• moral / political stance, refusal to prioritise
  on the basis of patients characteristics, equal
  access for all, entitlement rather than outcome
• 5 / 4 11, 15 / 41, 30, 6, 25 -5 /
  -4 16, 3 / 24, 14, 46, 20
• The health maximiser
• consequentialist, quality and length of life as
  maximand, other characteristics (e.g. age) are
  sometimes important but only where they affect
  health outcomes, socio economic issues should not
  be considered
• 5 / 4 29, 40 / 44, 31, 30, 23 -5 /
  -4 28, 25 / 18, 24, 21, 9
• ()
• difficult to interpret, shares some views with F1
  and F2, distinguishing features prevention is
  very important, only factor to prioritise
  children, decisions should be made by experts
• 5 / 4 23, 40 / 31, 30, 13, 23 -5 /
  -4 9, 46 / 20, 24, 3, 17

12
SVQ iMTA / BMG vs UK general public
HEALTH MAXIMISER
EGALITARIAN
Correlation Matrix Between Sorts SORTS
1 2 3 1 UKgpub1 100 38 68 2 UKgpub2
38 100 37 3 UKgpub3 68 37 100 4 Bultrug
-12 31 6 5 JaneDoe 62 33 49 6 meeeens
19 15 26 7 Elly 18 21 30 8 Markopp
51 57 43 9 Marieke 23 17 30 10 Sioskwa
66 38 53 11 Jan 39 45 38 12 Aardbei
33 42 36 13 JohnDoe 44 49 66 14 Ditbenik
58 18 54 15 Harry 60 49 58
()
13
SVQ iMTA / BMG 1

• Correlation Matrix Between Sorts
• SORTS 1 2 3 4 5 6 7 8 9
  10 11 12
• 1 Bultrug 100 -21 20 37 19 7 -11 11 29
  27 -5 -4
• 2 JaneDoe -21 100 18 21 53 37 53 40 37
  29 54 70
• 3 Meeeens 20 18 100 43 38 42 13 43 35
  21 38 29
• 4 Elly 37 21 43 100 38 40 36 31 58
  36 22 27
• 5 Markopp 19 53 38 38 100 48 51 57 47
  53 52 52
• 6 Marieke 7 37 42 40 48 100 29 46 49
  44 41 38
• 7 Sioskwa -11 53 13 36 51 29 100 35 51
  43 61 47
• 8 Jan 11 40 43 31 57 46 35 100 34
  42 23 43
• 9 Aardbei 29 37 35 58 47 49 51 34 100
  49 40 40
• 10 JohnDoe 27 29 21 36 53 44 43 42 49
  100 39 51
• 11 Ditbenik -5 54 38 22 52 41 61 23 40
  39 100 55
• 12 Harry -4 70 29 27 52 38 47 43 40
  51 55 100

14
SVQ iMTA / BMG 1

• Correlation Matrix Between Sorts
• SORTS 1 2 3 4 5 6 7 8 9
  10 11 12
• 1 Bultrug 100 -21 20 37 19 7 -11 11 29
  27 -5 -4
• 2 JaneDoe -21 100 18 21 53 37 53 40 37
  29 54 70
• 3 Meeeens 20 18 100 43 38 42 13 43 35
  21 38 29
• 4 Elly 37 21 43 100 38 40 36 31 58
  36 22 27
• 5 Markopp 19 53 38 38 100 48 51 57 47
  53 52 52
• 6 Marieke 7 37 42 40 48 100 29 46 49
  44 41 38
• 7 Sioskwa -11 53 13 36 51 29 100 35 51
  43 61 47
• 8 Jan 11 40 43 31 57 46 35 100 34
  42 23 43
• 9 Aardbei 29 37 35 58 47 49 51 34 100
  49 40 40
• 10 JohnDoe 27 29 21 36 53 44 43 42 49
  100 39 51
• 11 Ditbenik -5 54 38 22 52 41 61 23 40
  39 100 55
• 12 Harry -4 70 29 27 52 38 47 43 40
  51 55 100

15
SVQ iMTA / BMG 1

• Correlation Matrix Between Sorts
• SORTS 1 2 3 4 5 6 7 8 9
  10 11 12
• 1 Bultrug 100 -21 20 37 19 7 -11 11 29
  27 -5 -4
• 2 JaneDoe -21 100 18 21 53 37 53 40 37
  29 54 70
• 3 Meeeens 20 18 100 43 38 42 13 43 35
  21 38 29
• 4 Elly 37 21 43 100 38 40 36 31 58
  36 22 27
• 5 Markopp 19 53 38 38 100 48 51 57 47
  53 52 52
• 6 Marieke 7 37 42 40 48 100 29 46 49
  44 41 38
• 7 Sioskwa -11 53 13 36 51 29 100 35 51
  43 61 47
• 8 Jan 11 40 43 31 57 46 35 100 34
  42 23 43
• 9 Aardbei 29 37 35 58 47 49 51 34 100
  49 40 40
• 10 JohnDoe 27 29 21 36 53 44 43 42 49
  100 39 51
• 11 Ditbenik -5 54 38 22 52 41 61 23 40
  39 100 55
• 12 Harry -4 70 29 27 52 38 47 43 40
  51 55 100

16
SVQ iMTA / BMG 1

• Correlation Matrix Between Sorts
• SORTS 1 2 3 4 5 6 7 8 9
  10 11 12
• 1 Bultrug 100 -21 20 37 19 7 -11 11 29
  27 -5 -4
• 2 JaneDoe -21 100 18 21 53 37 53 40 37
  29 54 70
• 3 Meeeens 20 18 100 43 38 42 13 43 35
  21 38 29
• 4 Elly 37 21 43 100 38 40 36 31 58
  36 22 27
• 5 Markopp 19 53 38 38 100 48 51 57 47
  53 52 52
• 6 Marieke 7 37 42 40 48 100 29 46 49
  44 41 38
• 7 Sioskwa -11 53 13 36 51 29 100 35 51
  43 61 47
• 8 Jan 11 40 43 31 57 46 35 100 34
  42 23 43
• 9 Aardbei 29 37 35 58 47 49 51 34 100
  49 40 40
• 10 JohnDoe 27 29 21 36 53 44 43 42 49
  100 39 51
• 11 Ditbenik -5 54 38 22 52 41 61 23 40
  39 100 55
• 12 Harry -4 70 29 27 52 38 47 43 40
  51 55 100

17
SVQ iMTA / BMG 1

• Correlation Matrix Between Sorts
• SORTS 1 2 3 4 5 6 7 8 9
  10 11 12
• 1 Bultrug 100 -21 20 37 19 7 -11 11 29
  27 -5 -4
• 2 JaneDoe -21 100 18 21 53 37 53 40 37
  29 54 70
• 3 Meeeens 20 18 100 43 38 42 13 43 35
  21 38 29
• 4 Elly 37 21 43 100 38 40 36 31 58
  36 22 27
• 5 Markopp 19 53 38 38 100 48 51 57 47
  53 52 52
• 6 Marieke 7 37 42 40 48 100 29 46 49
  44 41 38
• 7 Sioskwa -11 53 13 36 51 29 100 35 51
  43 61 47
• 8 Jan 11 40 43 31 57 46 35 100 34
  42 23 43
• 9 Aardbei 29 37 35 58 47 49 51 34 100
  49 40 40
• 10 JohnDoe 27 29 21 36 53 44 43 42 49
  100 39 51
• 11 Ditbenik -5 54 38 22 52 41 61 23 40
  39 100 55
• 12 Harry -4 70 29 27 52 38 47 43 40
  51 55 100

18
SVQ iMTA / BMG 1

• Correlation Matrix Between Sorts
• SORTS 1 2 3 4 5 6 7 8 9
  10 11 12
• 1 Bultrug 100 -21 20 37 19 7 -11 11 29
  27 -5 -4
• 2 JaneDoe -21 100 18 21 53 37 53 40 37
  29 54 70
• 3 Meeeens 20 18 100 43 38 42 13 43 35
  21 38 29
• 4 Elly 37 21 43 100 38 40 36 31 58
  36 22 27
• 5 Markopp 19 53 38 38 100 48 51 57 47
  53 52 52
• 6 Marieke 7 37 42 40 48 100 29 46 49
  44 41 38
• 7 Sioskwa -11 53 13 36 51 29 100 35 51
  43 61 47
• 8 Jan 11 40 43 31 57 46 35 100 34
  42 23 43
• 9 Aardbei 29 37 35 58 47 49 51 34 100
  49 40 40
• 10 JohnDoe 27 29 21 36 53 44 43 42 49
  100 39 51
• 11 Ditbenik -5 54 38 22 52 41 61 23 40
  39 100 55
• 12 Harry -4 70 29 27 52 38 47 43 40
  51 55 100

19
SVQ iMTA / BMG 1

• Correlation Matrix Between Sorts
• SORTS 1 2 3 4 5 6 7 8 9
  10 11 12
• 1 Bultrug 100 -21 20 37 19 7 -11 11 29
  27 -5 -4
• 2 JaneDoe -21 100 18 21 53 37 53 40 37
  29 54 70
• 3 Meeeens 20 18 100 43 38 42 13 43 35
  21 38 29
• 4 Elly 37 21 43 100 38 40 36 31 58
  36 22 27
• 5 Markopp 19 53 38 38 100 48 51 57 47
  53 52 52
• 6 Marieke 7 37 42 40 48 100 29 46 49
  44 41 38
• 7 Sioskwa -11 53 13 36 51 29 100 35 51
  43 61 47
• 8 Jan 11 40 43 31 57 46 35 100 34
  42 23 43
• 9 Aardbei 29 37 35 58 47 49 51 34 100
  49 40 40
• 10 JohnDoe 27 29 21 36 53 44 43 42 49
  100 39 51
• 11 Ditbenik -5 54 38 22 52 41 61 23 40
  39 100 55
• 12 Harry -4 70 29 27 52 38 47 43 40
  51 55 100

20
SVQ iMTA / BMG 2

• Factor Matrix with an X Indicating a Defining
  Sort
• Loadings
• QSORT 1 2 3
• 1 Bultrug -0.0297 -0.2393 0.6097X
• 2 JaneDoe 0.2974 0.8217X -0.0069
• 3 Meeeens 0.4688X 0.0796 0.2500
• 4 Elly 0.4012 0.0235 0.5677X
• 5 Markopp 0.5819X 0.4165 0.3183
• 6 Marieke 0.5520X 0.2022 0.2802
• 7 Sioskwa 0.2271 0.5697X 0.4075
• 8 Jan 0.6470X 0.2711 0.0873
• 9 Aardbei 0.4420 0.2138 0.6398X
• 10 JohnDoe 0.4411 0.2845 0.4093
• 11 Ditbenik 0.3090 0.6370X 0.2151
• 12 Harry 0.4266 0.5986X 0.1721
• expl.Var. 19 19 15

21
SVQ iMTA / BMG 2

• Factor Matrix with an X Indicating a Defining
  Sort
• Loadings
• QSORT 1 2 3
• 1 Bultrug -0.0297 -0.2393 0.6097X
• 2 JaneDoe 0.2974 0.8217X -0.0069
• 3 Meeeens 0.4688X 0.0796 0.2500
• 4 Elly 0.4012 0.0235 0.5677X
• 5 Markopp 0.5819X 0.4165 0.3183
• 6 Marieke 0.5520X 0.2022 0.2802
• 7 Sioskwa 0.2271 0.5697X 0.4075
• 8 Jan 0.6470X 0.2711 0.0873
• 9 Aardbei 0.4420 0.2138 0.6398X
• 10 JohnDoe 0.4411 0.2845 0.4093
• 11 Ditbenik 0.3090 0.6370X 0.2151
• 12 Harry 0.4266 0.5986X 0.1721
• expl.Var. 19 19 15

22
SVQ iMTA / BMG 2

• Factor Matrix with an X Indicating a Defining
  Sort
• Loadings
• QSORT 1 2 3
• 1 Bultrug -0.0297 -0.2393 0.6097X
• 2 JaneDoe 0.2974 0.8217X -0.0069
• 3 Meeeens 0.4688X 0.0796 0.2500
• 4 Elly 0.4012 0.0235 0.5677X
• 5 Markopp 0.5819X 0.4165 0.3183
• 6 Marieke 0.5520X 0.2022 0.2802
• 7 Sioskwa 0.2271 0.5697X 0.4075
• 8 Jan 0.6470X 0.2711 0.0873
• 9 Aardbei 0.4420 0.2138 0.6398X
• 10 JohnDoe 0.4411 0.2845 0.4093
• 11 Ditbenik 0.3090 0.6370X 0.2151
• 12 Harry 0.4266 0.5986X 0.1721
• expl.Var. 19 19 15

23
SVQ iMTA / BMG 2

• Factor Matrix with an X Indicating a Defining
  Sort
• Loadings
• QSORT 1 2 3
• 1 Bultrug -0.0297 -0.2393 0.6097X
• 2 JaneDoe 0.2974 0.8217X -0.0069
• 3 Meeeens 0.4688X 0.0796 0.2500
• 4 Elly 0.4012 0.0235 0.5677X
• 5 Markopp 0.5819X 0.4165 0.3183
• 6 Marieke 0.5520X 0.2022 0.2802
• 7 Sioskwa 0.2271 0.5697X 0.4075
• 8 Jan 0.6470X 0.2711 0.0873
• 9 Aardbei 0.4420 0.2138 0.6398X
• 10 JohnDoe 0.4411 0.2845 0.4093
• 11 Ditbenik 0.3090 0.6370X 0.2151
• 12 Harry 0.4266 0.5986X 0.1721
• expl.Var. 19 19 15

24
SVQ iMTA / BMG 2

• Factor Matrix with an X Indicating a Defining
  Sort
• Loadings
• QSORT 1 2 3
• 1 Bultrug -0.0297 -0.2393 0.6097X
• 2 JaneDoe 0.2974 0.8217X -0.0069
• 3 Meeeens 0.4688X 0.0796 0.2500
• 4 Elly 0.4012 0.0235 0.5677X
• 5 Markopp 0.5819X 0.4165 0.3183
• 6 Marieke 0.5520X 0.2022 0.2802
• 7 Sioskwa 0.2271 0.5697X 0.4075
• 8 Jan 0.6470X 0.2711 0.0873
• 9 Aardbei 0.4420 0.2138 0.6398X
• 10 JohnDoe 0.4411 0.2845 0.4093
• 11 Ditbenik 0.3090 0.6370X 0.2151
• 12 Harry 0.4266 0.5986X 0.1721
• expl.Var. 19 19 15

25
SVQ iMTA / BMG 2

• Factor Matrix with an X Indicating a Defining
  Sort
• Loadings
• QSORT 1 2 3
• 1 Bultrug -0.0297 -0.2393 0.6097X
• 2 JaneDoe 0.2974 0.8217X -0.0069
• 3 Meeeens 0.4688X 0.0796 0.2500
• 4 Elly 0.4012 0.0235 0.5677X
• 5 Markopp 0.5819X 0.4165 0.3183
• 6 Marieke 0.5520X 0.2022 0.2802
• 7 Sioskwa 0.2271 0.5697X 0.4075
• 8 Jan 0.6470X 0.2711 0.0873
• 9 Aardbei 0.4420 0.2138 0.6398X
• 10 JohnDoe 0.4411 0.2845 0.4093
• 11 Ditbenik 0.3090 0.6370X 0.2151
• 12 Harry 0.4266 0.5986X 0.1721
• expl.Var. 19 19 15

Correlations Between Factor Scores
1 2 3 1 1.0000 2 0.5828
1.0000 3 0.5073 0.2724 1.0000
26
SVQ iMTA / BMG 3

• HANDOUT

27
SVQ iMTA / BMG 3

• Factor 1 The Health Maximiser
• Het moet gaan om gezondhied en gezondheidswinst
  30
• Onderscheid is onrechtvaardig en onwenselijk
  30
• Iets is pas een probleem in mijn optiek als het
  je beperkt in je dagelijkse functioneren 19
• Belangrijk als criterium voor welbevinden van
  mensen 19
• Onzin. Het gaat erom of de positieve effecten
  opwegen tegen de negatieve 38
• Een behandeling geven aan iemand die er
  nauwelijks van opknapt is sowieso zonde van het
  geld (afh. van ICER) 36
• QoL kan belangrijker zijn dan levensverlenging.
  Niemand zit te wachten op nog meer
  levensverlenging 39
• Merendeel man, economische achtergrond, politieke
  voorkeur PvdA / links liberaal

28
SVQ iMTA / BMG 3

• Factor 2 The Egalitarian
• Vind dat iedereen recht op zorg heeft 11
• Ben niet in staat verschil aan te brengen in
  value of life 15
• Iedereen heeft recht op dezelfde zorg / toegang
  tot zorg 15
• Is een beslissing waarin veel factoren een rol
  spelen, kan niet door een leek gemaakt worden
  35
• Dat je veel nodig hebt kaan aan je ziekte
  liggen, geen criteria om je van zorg uit te
  sluiten 46
• Iedereen heeft recht op dezelfde zorg / toegang
  tot zorg 46 / 8
• Healtcare should be based on need 3
• Alle vrouw, merendeel gezondheidswetenschappers,
  politieke voorkeur divers

29
SVQ iMTA / BMG 3

• Factor 3 Wealth maximiser / Health satisfiser
• precies zoals het er staat prioritering kan
  niet op basis van 1 aspect, maar is trade-off
  tussen aantal aspecten 37
• Hierbij denk ik aan kalknagels, waterpokken. Bij
  heel veel mensen hele kleine winst vind ik minder
  urgent dan bv. 1 patiënt via transplantatie 15
  extra levensjaren gunnen 34
• Hier gaat het allemaal om the greatest
  happiness for the greatest number 31
• Fair innings keuzen moeten gemaakt en extra
  voor de young betekent meer dan voor old 10
• Ik voel niets voor helemaal gelijk verdelen,
  verdeling moet aspecten als need, leeftijd en
  vooruitzichten meenemen 42
• Als leeftijd telt, geef dan prioriteit aan de
  jongeren 21
• Voel veel voor fair innings idee 21
• Voorgaande zorgconsumptie is irrelevant
  (wellicht eerder een reden voor prioriteit!)
  46
• Economen, politieke voorkeur midden-links

30
EINDE
Slides beschikbaar via www.bmg.eur.nl/personal/van
exel
31
(No Transcript)