MDC & Bland-Altman plot

• Issue 1: 一評估工具之MDC 是否為定值?也就是分數高低不同，MDC都一樣?
• Issue 2: 評估所得分數越高，再測結果之分數差距是否越大，也就是 Bland-Altman plot 之 heteroscedasticity (ie, non-uniformity 差距非定值，通常是分數越大，差距越大) 現象?

issue 1 我們以前的論文皆假設其一致，故一個MDC數值可運用於所以不同分數(能力)的個案。
issue 2 Bland  & Altman 建議用觀察的，看看分數越大，分數差異是否隨之越大? 但觀察法過於主觀。 有時我們會用 differences & mean 二者之 Pearson 相關判斷二者有無顯著關連，但其意義似不明顯。

最近投稿PT雜誌，審稿者建議使用 Pearson r 分析 absolute differences (differences 的絕對值) & mean 之關連程度，若 r > 0.3 則有heteroscedasticity [參考文獻待補]。此建議也同時解決 MDC 是否為單一值的問題。因為如果沒有 heteroscedasticity 即可認定 MDC 不隨分數高低而有差異。若有 heteroscedasticity，則MDC不應視為僅有單一值。而應採用 MDC% 的運用概念，也就是(前測分數*MDC%)，前測分數越低則該個案之MDC越低!! 反之越高。
Note:
1. 但此法的MDC%計算，分母必須採用 所有測試(或前測) 之 mean值，非評估工具可能分數之最大值。
2. 10月2日跟  Karine 討論，以上似難應用於具有學習效應的情境。上述的前提應是 前後側的 mean difference 接近 0。否則 absolute differences 的意義就有限了。 似可校正學習效應之數值，但須證實學習效應是定值(不同能力的個案，學習效應一致)。這就變得很複雜了，有無必要繼續深究??