Lo strumento AUDIT è essenzialmente una scala Likert. Una serie di domande (articoli di Likert), con risposte spesso su una scala di cinque punti, è progettata per affrontare alcuni fenomeni di fondo. La somma delle risposte all'insieme di domande, la scala di Likert, viene quindi utilizzata come misura del fenomeno sottostante. Sebbene gli articoli di Likert siano spesso su una scala di "fortemente in disaccordo" per "essere fortemente d'accordo", l'applicazione per misurare una tendenza verso " A lcohol U se D ordorders" in questo " I dentification T est" è semplice.
Come osservato nella pagina Wikipedia della scala Likert , "Se i singoli articoli Likert possano essere considerati come dati a livello di intervallo o se debbano essere trattati come dati categorici ordinati è oggetto di notevole disaccordo in letteratura, con forti convinzioni su cosa sono i metodi più applicabili. " Questa disputa probabilmente risale alla maggior parte degli oltre 80 anni da quando Likert ha proposto per la prima volta la scala: ogni passo lungo la scala è equivalente, sia all'interno che tra gli elementi che compongono la scala? Il problema è stato risolto su Cross Validated, come nelle risposte a questa domanda , una delle prime domande poste su questo sito.
Se si accetta l'idea che la scala abbia passaggi uniformi (o abbastanza vicini da uniformi per l'applicazione a portata di mano, forse calcolati come media aggiungendo 10 elementi diversi, come in AUDIT), sono possibili diversi approcci all'analisi. Uno è considerare la risposta sulla scala come una serie di passi scelti o non scelti per salire sulla scala, con la stessa probabilità di salire su ciascuno dei passi.
Ciò consente di pensare ai " dati della scala L-nert di N-point come a prove di un processo binomiale ", come in una domanda del 2010 di @MikeLawrence. Sebbene le risposte a questa domanda non fossero terribilmente favorevoli a quell'idea, non è stato difficile trovare oggi uno studio del 2014 che ha usato ed esteso con successo questo approccio per distinguere le sottopopolazioni con diverse probabilità binomiali. Sebbene un processo binomiale sia spesso usato per modellare i dati di conteggio, può quindi essere usato per modellare il numero, il conteggio dei passi che un individuo ha intrapreso sulla scala dei "Disturbi dell'uso di alcol".
Come ha notato @Scortchi in una risposta alla domanda collegata nel secondo paragrafo, una limitazione del modello binomiale è che impone una relazione particolare tra la media e la varianza della risposta. Il binomio negativo rimuove tale restrizione, con perdita della facile interpretazione fornita dal semplice modello binomiale. Nell'analisi, il parametro aggiuntivo che deve essere adattato utilizza solo un ulteriore grado di libertà. Al contrario, tentare di specificare diverse probabilità per ciascuno dei 40 passaggi dell'elemento Likert e la loro somma nella scala Likert sarebbe scoraggiante.
Come notato da @MatthewGraves nella sua risposta a questa domanda, se il modello binomiale negativo è appropriato si ottiene una migliore risposta esaminando i residui. Nello studio originale che ha sviluppato AUDIT, un valore di 8 o più su una scala di 40 punti aveva una ragionevole specificità e sensibilità per distinguere quelli diagnosticati per "uso di alcol pericoloso o dannoso" in 6 diversi paesi. Quindi forse sarebbe meglio un modello binomiale a due popolazioni basato su popolazioni ad alto e basso rischio, simile allo studio del 2014 sopra menzionato.
Chi è interessato ad AUDIT in particolare dovrebbe esaminare quello studio originale. Ad esempio, sebbene la necessità di un drink mattutino possa sembrare misurare qualcosa di completamente diverso dalla frequenza del bere, come ipotizzato da @SeanEaster, il consumo mattutino ha una correlazione media ponderata di 0,73 con una scala di misure di assunzione di alcol. (Questo risultato non è sorprendente per qualcuno che ha avuto amici con disturbi del consumo di alcol.) L'AUDIT sembra essere un buon esempio dei compromessi necessari per sviluppare uno strumento che può essere usato in modo affidabile in più culture.