ANDI-normen

Een nieuwe kijk op dezelfde meting

Sinds 2021 is RSP gekoppeld met het platform van ANDI. ANDI staat voor Advanced Neuropsychological Diagnostics Infrastructure en is een gezamenlijk initiatief van de Universiteit van Amsterdam en de neuropsychologische onderzoeksgemeenschap in Nederland en België. Het biedt normgegevens voor diverse (neuro-)psychologische testvariabelen. Deze normgegevens zijn gebaseerd op duizenden afnames van gezonde proefpersonen en zijn verzameld door talrijke onderzoeksgroepen in Nederland en België. Met de ANDI-module kunnen ingevulde testscores in RSP direct worden vergeleken met de uitgebreide en unieke database met normgegevens. 

Het vergelijken van resultaten met ANDI-normen kan leiden tot afwijkende bevindingen ten opzichte van vergelijkingen met klassieke normen. Dit kan om verschillende redenen voorkomen.

• ANDI maakt gebruik van gegevens van gezonde proefpersonen uit Nederland en Vlaanderen, terwijl klassieke normen vaak gebaseerd zijn op gegevens van klinische populaties en soms zelfs buitenlandse normen.
• De normen die worden toegepast in ANDI zijn regressiegebaseerd, wat betekent dat de cliënt wordt beoordeeld ten opzichte van een regressielijn in plaats van een kolom in een tabel. Dit heeft als voordeel dat de gegevens geen discrete categorieën hebben en dat het aantal datapunten optimaal benut kan worden.
• De normen van ANDI zijn gecorrigeerd voor leeftijd, opleiding en geslacht, terwijl klassieke normen vaak slechts een correctie toepassen op één van deze factoren of zelfs helemaal geen correctie toepassen.
• Bovendien bevat ANDI relatief veel gegevens van de 70+ populatie, wat vaak beperkt is vertegenwoordigd in klassieke normen.

Multivariate vergelijkingen

Dankzij de integratie met ANDI biedt het RSP nu ook de mogelijkheid om tests multivariaat te vergelijken. Hoewel de meeste cognitieve tests, gedragsobservatieschalen en klachtenvragenlijsten goed zijn ontwikkeld, zijn ze meestal op zichzelf staand en hebben ze elk hun eigen normgegevens. Dit betekent dat het interpreteren van deze testgegevens vanuit een statistisch perspectief een univariate benadering vereist. De diagnostische taak is echter van nature multivariaat, omdat het stellen van een diagnose vereist dat meerdere cognitieve of gedragseigenschappen tegelijkertijd en in samenhang worden geëvalueerd.

Om deze uitdaging aan te pakken, hebben Huizenga et al. (2007) de methode van Multivariate Normative Comparisons (MNC) ontwikkeld. Met behulp van deze methode kunnen verschillende kenmerken van een cliënt worden vergeleken met die van een referentiegroep. Bij deze aanpak worden ook achtergrondvariabelen van de cliënt meegenomen om te bepalen in hoeverre de persoon afwijkt van de controlegroep.