Burada, MHQ’nun aşağıda gösterildiği gibi neden negatif-pozitif bir ölçek kullandığı ve neden popülasyon arasında iki modlu bir dağılıma sahip olduğu gibi yaygın soruları ele almak da dahil olmak üzere, MHQ ölçeğinin nasıl ve neden oluşturulduğunu açıklıyoruz.

MHQ’nun amacı

MHQ’nun inşasındaki nihai hedef, ölçekte herhangi bir yerden herhangi bir yönde on puanlık bir kaymanın benzer işlevsel anlama sahip olduğu bir puana sahip olmaktı. İşlevsel anlam derken, günlük işlerinizi veya görevlerinizi yerine getirme yeteneğini kastediyoruz.

O halde önce sonuca bakalım. Bu grafik (Şekil 1) iki ölçüyü göstermektedir – 1) mavi renkle gösterilen MHQ puanına karşı bir kişinin MHQ’yu almadan önceki ayda işi kaçırdığı ortalama gün sayısı (yalnızca çalışan kişiler) ve 2) değerlendirmeden önceki ayda, kişinin kırmızı ile gösterilen işe gitse bile işini kaçırdığı veya işini veya günlük görevlerini yapamadığı ortalama gün sayısı. Gördüğünüz gibi, ikincisi temelde düz bir çizgidir, bu da üretken zamanınız açısından işlev görme yeteneğinizin, ölçekte başladığınız ve hareket ettiğiniz her yerde yaklaşık olarak aynı şekilde değiştiği anlamına gelir. Çalışılan günler için ilişki farklıdır, bu da insanların genellikle hala işe gittiklerini ancak işleri yapamadıklarını gösterir.

Şekil 1: MHQ puanı ve fonksiyon arasındaki ilişki

Peki buraya nasıl geleceğiz?

Yanıt puanlarının ortalaması olan puanlar bunu başaramaz

Bir derecelendirme ölçeğinde yanıt veren çoğu değerlendirme, sorulardaki puanları toplar ve bir ortalama bildirir. Bununla ilgili en büyük sorun, tüm derecelendirilmiş öğelerde yolun ortasında olan birinin, bazı alanlarda çok ciddi sorunları olan ve diğerlerinde hiçbir sorunu olmayan biriyle aynı puana sahip olmasıdır. Diğer bir sorun ise, sadece birkaç ciddi sorunu olan bir kişinin, daha fazla sayıda ciddi sorunu olan bir kişiden daha düşük bir puana sahip olmasıdır, ancak her ikisi de işlevsel olarak eşit derecede yetersiz olabilir. Bunun neden sorunlu olduğunu anlamak için fiziksel hastalıkla analojiyi düşünün. Tüm fiziksel problemlerde derecelendirme puanlarının ortalamasını alacak olsaydık, tek semptomu şiddetli nefes alma güçlüğü olan biri, ateş, öksürük, soğuk algınlığı, vücut ağrısı vb. gibi birden fazla orta dereceli semptomu olan birinden daha düşük puan alırdı. Bununla birlikte, nefes alma güçlüğü çeken kişi muhtemelen işlevsel olarak daha kötü durumdadır ve ölme olasılığı ikinci kişiden çok daha yüksektir. Aynı şey ruh sağlığı için de geçerlidir. İşlevsel yetenek aslında semptomların sayısıyla ilgili değildir. Daha ziyade hangi semptomlara sahip olduğunuz ve bunların ne kadar şiddetli olduğu ile ilgilidir.

Şimdi, derecelendirilmiş her bir öğeyi farklı şekilde ağırlıklandırarak bunu düzeltebileceğinizi düşünebilirsiniz. Bununla birlikte, yüksek bir işlevsel önem eşiğini karşılayan bir dizi semptom varsa, bu sorunu çözmez. Bu nedenle zorluk, birkaç önemli zorluğu olan insanları nasıl seçeceğiniz ve daha ciddi zorlukları daha az ciddi zorluklardan nasıl ayırt edeceğinizdir.

Artık ne için çözdüğümüzü bildiğinize göre, aşağıdaki MHQ puan algoritmasının mantığını size anlatacağız.

Adım 1: Semptomları şiddete ve negatif-pozitif eşiğine göre kategorize
etmeMHQ’nun, DSM tarafından tanımlanan on ana ruh sağlığı bozukluğunun semptomlarını ve zihinsel işlevin olumlu yönlerini kapsayan bir yaşam etkisi ölçeğinde 47 zihinsel unsuru değerlendirdiğini unutmayın. Biri hem olumlu hem de olumsuz etkiye sahip olabilecek zihinsel unsurlar için (yukarıdaki spektrum ölçeği) ve diğeri tamamen sorunlu olan zihinsel yönler için, yani tek boyutlu bir etki şiddeti ölçeği olan iki 1-9 derecelendirme ölçeği (Şekil 2) kullanıyoruz. (aşağıdaki sorun ölçeği)

Şekil 2: Spektrum öğeleri (yukarıda; örneğin, öz değer ve güven) ve problem
için derecelendirme ölçekleriöğeler (ör. intihar düşünceleri ve niyetleri)

İlk olarak, problem ölçeğini tersine çeviririz, böylece daha düşük bir sayı onu spektrum ölçeğinin yönüyle hizalamak için en kötüsüdür. Tüm zihinsel unsurlar daha sonra üç ciddiyet grubuna ayrılır. Bu, derecelendirme ölçeklerinde neyin ‘olumsuz’ olarak kabul edileceğine ilişkin üç farklı eşik anlamına gelir.

47 element arasında, bunları potansiyel sonuçlarına göre üç işlevsel şiddet düzeyine göre kategorize ediyoruz. Elbette bu, hangi öğelerin hangi katmanda kategorize edileceğine ve daha sonra optimize edilebileceğine dair en iyi kararla başlar. Bu üç seviyenin her biri için, kişiyi olumsuz bir işleyiş alanında değerlendireceğimiz farklı bir derecelendirme eşiği belirleriz. Esasen buradaki fikir, bu olumsuz eşiğin, sıkıntılı olan veya daha iyi işlev görmelerine yardımcı olmak için müdahale gerektiren bir düzeyde mücadele edenleri, hayatın normal iniş ve çıkışlarını yönetenlerden ayırmasıdır.

Örneğin intihar düşünceleri ciddi bir kovada olacaktır ve 1-9 arası bir derecelendirmede, ‘olumsuz’ bir kategoride olarak adlandırılmak için örneğin >4’lük daha düşük bir eşiğe sahip olacaktır. Öte yandan, negatif aralıkta değerlendirilmek için Huzursuzluk gibi bir konuda çok daha ciddi bir derecelendirmeye sahip olmanız gerekir. Daha sonra ölçeği, 1-9 yerine negatif-pozitif bir ölçek olacak şekilde kaydırırız, burada 0 negatif ve pozitif arasındaki eşiktir. Üç aşamalı problemler için açıklayıcı bir örnek aşağıda Şekil 3’te gösterilmektedir.

Şekil 3: Sorunların ciddiyetinin arttığı üç aşama için kaydırılmış ölçek

Neden negatif sayılar var diye sorabilirsiniz? Neden sadece pozitif sayılara sahip olmuyorsunuz? Negatif-pozitif ayrımını, olumsuz bir işleyiş alanında değerlendirilecek ve yardıma veya müdahaleye ihtiyacı olan kişileri seçmenin bir yolu olarak kullanırız. Yine de bu şekilde geçiş yapmak kesinlikle gerekli değil. Bu daha çok onu iletmek istediğimiz yol içindir.

Adım 2: Ölçeğin
doğrusal olmayan amplifikasyonuDaha sonra, negatif uca doğru olan puanları yükselten ölçeğe doğrusal olmayan bir dönüşüm uygularız.

Şekil 4: Ölçeğin doğrusal olmayan dönüşümü negatif değerleri daha negatif hale getirir

Bu, negatif ölçeğin sonuna doğru ilerlediğiniz her derecelendirme puanının, dönüştürülen puanda o kadar negatif olacağı anlamına gelir. Esasen, puanların olumsuz tarafını olumlu tarafa kıyasla uzatır Şimdi bu dönüşüm yapıldıktan sonra, puanlar toplanır ve gerçekten yüksek birkaç ciddi olumsuz unsurunuz bile varsa, diğer her şeyde iyi durumda olsanız bile bu sizi olumsuz bir puana çarpabilir. Dönüştürülmüş dağılım daha sonra tüm puanları toplarsanız elde ettiğiniz normal dağılımdan uzun kuyruklu bir dağılıma gider (Şekil 5).

Şekil 5: Ham toplam puanların, dönüştürülmüş toplam puanların dağılımına kıyasla popülasyon genelinde dağılımı (ölçeği kaydırdıktan ve doğrusal olmayan bir şekilde dönüştürdükten sonra)

3. Adım: Ölçeği
normalleştirmeŞimdi, bir veya daha fazla şeyle yeterince ciddi bir şekilde mücadele eden tüm insanları seçtiğimizden emin olmak için bu uzun kuyruğu yapay olarak yarattık. Bu, insanların aslında sol uçta 3 veya 4 kat daha zihinsel hasta olduğu anlamına gelmiyor. (Şöyle düşünün: Ne kadar hasta olduğunuz, kaç tane hastalığınız veya semptomunuz olduğuyla ilgili değildir. Kanseriniz varsa hastasınız, kalp yetmezliğiniz varsa hastasınız, Ciddi bir hastalığınız varsa hala hastasınız, ölümcül kanseri ve kalp yetmezliği olan biri, ölümcül kanseri olan birinden işlevsel olarak gerçekten daha hasta değildir). Ayrıca, gerçekten düşük sayılarla insanları korkutmak da faydalı değil. Bunu işlevsel aralığa nasıl geri getirebiliriz?

Bunu, dağılımın negatif ve pozitif taraflarını farklı şekilde normalleştirerek başarıyoruz, böylece ölçeğin pozitif tarafı 0 ile 200 arasında ve negatif tarafı -1 ile -100 arasında değişiyor. Esasen, yukarıdaki dönüştürülmüş dağılımda 0 çizgisinin solundaki dağılımın uzun negatif kuyruğunu geri sıkıştırıyoruz, böylece %99’u -1 ile -100 arasında oluyor. Dağılımın bu şekilde görünmesini sağlar. Bu son %1’lik dilimde olanlar -100’e zorlanıyor, bu nedenle küresel verilerimizde son çıta biraz daha yüksek olacak. Normalleştirmek için %99 değerini kullanırız çünkü bunu gerçekten çok uzaklara uzanan son %1’lik kısım kadar normalleştirirsek, verilerin çoğunu çok az sayıda bölmeye sıkıştırırız.

Şekil 6: Dönüştürülmüş toplam puanlarının negatif ve pozitif tarafları normalleştirildikten sonra elde edilen MHQ puanları

Bu puanlamanın 2019 yılında ABD, İngiltere ve Hindistan’dan İngilizce konuşan nüfustan elde edilen bir veri seti üzerinde, sayısal nüfus ortalaması (modlar değil) 100 olacak şekilde kalibre edildiğini not ediyoruz. Bu daha sonra ileriye dönük bir referans noktası oluşturur. Negatif zirve, pandemiden bu yana daha da büyüdü ve küresel sayısal ortalamalar şu anda 66’da. Bunun işlevsel açıdan ne anlama geldiğini görmek için Şekil 1’e bakabilirsiniz.

Dağılım tuhaf görünüyor, ancak mesele düzgün bir dağılım değil. İstediğimiz şey, ölçek boyunca kaymaların işlevsel eşdeğerliğidir ve bunu başardık. Ek olarak, negatif puanlara sahip olanların %89’u DSM tarafından tanımlanan en az bir bozuklukla eşleşir (pozitif aralıktaki %1’e <kıyasla) ve genel olarak negatif puanlara sahip olanların yaklaşık 5 veya daha fazla ‘semptomu’ vardır. Dolayısıyla bu anlamda negatif-pozitif ayrımının klinik bir önemi de vardır.