TBS-behandeling geprofileerd; een gestructureerde ... - WODC
TBS-behandeling geprofileerd; een gestructureerde ... - WODC
TBS-behandeling geprofileerd; een gestructureerde ... - WODC
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
x2-toetsen. Het eerste deel van het onderzoek had als doel <strong>een</strong> beschrijving<br />
te geven van de tenuitvoerlegging van de tbs-maatregel. Dit gedeelte van<br />
het onderzoek was kwalitatief en beschrijvend van aard. De verschillen in<br />
de tenuitvoerlegging van de tbs-maatregel zijn beoordeeld op face-value en<br />
niet getoetst.<br />
Voor het tweede deel van het onderzoek zijn geselecteerde gegevens<br />
uit de dossiers en interviews gebruikt om klassen te onderscheiden. Met<br />
behulp van latente klasse analyse (LCA) (McCutcheon, 1987) is onderzocht<br />
of er groepen patiënten zijn die <strong>een</strong> onderscheidbaar profiel laten zien op<br />
de geselecteerde kenmerken. 12 Het LCA model identificeert profielen die<br />
optimaal van elkaar te onderscheiden zijn op basis van de scorepatronen op<br />
de kenmerken. LCA is <strong>een</strong> data-analysemethode waarbij er vanuit gegaan<br />
wordt dat het mogelijk is de patronen van kenmerken van patiënten onder te<br />
verdelen in <strong>een</strong> aantal klassen (M) die onderling onderscheidbaar zijn. Elke<br />
klasse heeft <strong>een</strong> kans op <strong>een</strong> bepaald kenmerk dat voor de verschillende<br />
klassen verschilt. LCA gaat ervan uit dat er discrete latente klassen bestaan,<br />
dat wil zeggen dat patiënten ingedeeld worden in één van de latente klassen.<br />
Dit onderscheidt de LCA van de factoranalyse, die ervan uit gaat dat er<br />
continue latente variabelen aanwezig zijn, dat wil zeggen dat respondenten<br />
voor elke latente variabele <strong>een</strong> score (posterior probability) krijgt, die laag<br />
of hoog kan zijn. De tbs-gestelden zijn ingedeeld in de klasse met de hoogste<br />
posterior probability. Met behulp van deze posterior probabilities kan de<br />
gemiddelde classificatie, waarmee de tbs-gestelden ingedeeld zijn in <strong>een</strong><br />
klasse, uitgerekend worden. Deze gemiddelde classificatie wordt entropy<br />
genoemd en dit getal geeft de mate aan waarin het model in staat is tbsgestelden<br />
in te delen in de verschillende klassen. De klassen zijn vastgesteld<br />
op verschillende geobserveerde kenmerken die <strong>een</strong> significante bijdrage<br />
leveren aan het onderscheidbare vermogen van de klasse. Om het beste<br />
latente klasse model 13 te bepalen, is de volgende procedure toegepast:<br />
12<br />
Het latente klasse model wordt geschat met behulp van M-plus (Muthén & Muthén,<br />
1998-2008).<br />
13<br />
Bij de bepaling van het model wordt gebruik gemaakt van herhaalde schatting van het<br />
model zodat de uiteindelijke oplossing van het model niet op <strong>een</strong> lokaal maximum of<br />
minimum gevonden wordt. Hiervoor wordt elk latente klasse model 2000 keer geschat<br />
met nieuwe startwaarden. De beste oplossing wordt daarna nog 100 keer geschat om er<br />
zeker van te zijn dat het beste model repliceerbaar is.<br />
45