O coeficiente de correlação intraclasse (ICC) é uma medida estatística essencial para avaliar a confiabilidade entre diferentes observadores ou instrumentos. Ele determina o quanto múltiplas medições se mantêm consistentes entre si, sendo muito utilizado em estudos psicométricos, de evidências de validade e em pesquisas clínicas.
Antes de mais nada, é importante saber que existem duas formas principais de interpretar o ICC: consistência e concordância. Em seguida, explicamos cada uma delas com clareza.
Coeficiente de correlação intraclasse e consistência
A consistência (consistency) foca na manutenção da ordem relativa das medições. Ou seja, não importa tanto se há diferença sistemática entre os avaliadores, desde que eles mantenham o mesmo padrão de classificação.
Por exemplo, imagine dois professores corrigindo as mesmas redações. Vamos considerar dois cenários de correção, ambos ilustrados na Figura 1.
Em ambos os cenários, as notas do Professor A são as mesmas. O que muda entre os cenários, portanto, são as notas do Professor B. No Cenário 1, o Professor B atribui sistematicamente um ponto a mais a cada redação, em comparação ao Professor A. Em contrapartida, no Cenário 2, o Professor B atribui sistematicamente dois pontos a mais a cada redação.
No entanto, o ICC de consistência não leva em consideração essas diferenças entre cenários. Mais importante para esse índice é que a redação que recebe a maior nota pelo Professor A também o recebe pelo Professor B, isto é, os professores são consistentes.
Coeficiente de correlação intraclasse e concordância absoluta
Por outro lado, a concordância absoluta (absolute agreement) considera tanto a consistência quanto as diferenças sistemáticas entre observadores. Isso significa que, para uma alta concordância, os avaliadores precisam atribuir valores muito próximos entre si.
Portanto, essa abordagem é mais rigorosa. Afinal, pequenas discrepâncias já reduzem o valor do ICC. Assim, ela é ideal quando se espera que os avaliadores atribuam notas praticamente idênticas.
Escolhendo entre consistência e concordância absoluta
Se estivermos interessados na consistência, estamos analisando se os professores tendem a dar classificações relativas semelhantes às redações (i.e., a Redação X tem mais qualidade que a Redação Y), independentemente das diferenças absolutas nas notas.
No exemplo da Figura 1, os professores são igualmente consistentes em ambos os cenários. Consequentemente, o ICC é idêntico em ambos os cenários (ICCCenário 1 = 1 vs. ICCCenário 2 = 1).
Em contrapartida, se estivermos interessados na concordância absoluta, queremos saber o quanto os dois professores concordam em termos de notas absolutas atribuídas às redações.
Retomemos o exemplo da Figura 1. Anteriormente, dissemos que a diferença nas notas é de apenas um ponto no Cenário 1, mas de dois pontos no Cenário 2. Consequentemente, o ICC de concordância absoluta “recompensa” o cenário em que a concordância é maior (ICCCenário 1 = 0,93 vs. ICCCenário 2 = 0,77).
Modelos estatísticos para calcular o coeficiente de correlação intraclasse
Existem três modelos principais para calcular o coeficiente de correlação intraclasse, a saber, one-way random, two-way random e two-way mixed. A escolha correta depende do desenho do seu estudo.
One-way random
O one-way random model (modelo de uma via aleatório) considera que cada participante foi avaliado por avaliadores diferentes, amostrados aleatoriamente de uma população de avaliadores. Apesar de existir, é raramente utilizado, já que, na prática, geralmente usamos os mesmos avaliadores para todos os participantes.
Contudo, se o seu estudo se encaixa nesse cenário, o one-way random pode ser o mais apropriado.
Two-way random
O two-way random (modelo de duas vias aleatório) é o modelo mais comum. Aqui, tanto os participantes quanto os avaliadores são considerados amostras aleatórias. Desse modo, é possível generalizar os resultados para outras populações e avaliadores.
Além disso, essa estimativa do ICC leva em consideração a variabilidade entre os participantes, entre os avaliadores e o erro.
Two-way mixed
No two-way mixed (modelo de duas vias misto), apenas os sujeitos são considerados aleatórios, enquanto os avaliadores são fixos. Em outras palavras, você não pretende generalizar os resultados para outros avaliadores além dos utilizados no estudo.
Por isso, o two-way mixed é ideal quando a confiabilidade desejada está restrita aos avaliadores específicos da pesquisa.
Como escolher o modelo de coeficiente de correlação intraclasse mais adequado?
A escolha do modelo ideal para calcular o coeficiente de correlação intraclasse depende de três fatores principais:
- O tipo de efeito (aleatório ou fixo) dos avaliadores e dos participantes.
- Se você deseja analisar uma única medida ou a média das medidas.
- Se o foco está na consistência ou na concordância absoluta.
O artigo de Koo e Li (2016) oferece um fluxograma útil para essa decisão. Uma versão desse fluxograma é apresentada na Figura 2.
O processo envolve a seleção do modelo apropriado (ou seja, efeitos aleatórios de 1 via, efeitos aleatórios de 2 vias ou efeitos fixos de 2 vias), tipo (ou seja, único avaliador/medição ou a média de k avaliadores/medidas), e definição da relação considerada importante (ou seja, consistência ou concordância absoluta).
Em resumo, a escolha do modelo apropriado para calcular o ICC depende das características do seu estudo e dos objetivos da análise. O one-way random é usado quando apenas os avaliadores são considerados aleatórios, enquanto o two-way random é usado quando ambos os participantes e os avaliadores são considerados aleatórios. Já o two-way mixed é usado quando os avaliadores são considerados fixos, e a amostra, aleatória.
Conclusão
Gostou deste conteúdo? Então aproveite e também se inscreva em nosso canal do YouTube para ficar por dentro de nossas novidades.
Se você precisa aprender análise de dados, então faça parte da Psicometria Online Academy, a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).
Referência
Koo, T. K., & Li, M. Y. (2016). A guideline of selecting and reporting intraclass correlation coefficients for reliability research. Journal of Chiropractic Medicine, 15(2), 155–163. https://doi.org/10.1016/j.jcm.2016.02.012
Como citar este post
Damásio, B. (2021, 9 de maio). O que é coeficiente de correlação intraclasse? Blog Psicometria Online. https://www.blog.psicometriaonline.com.br/coeficiente-de-correlacao-intraclasse/
Uma resposta