Bagaimana seharusnya satu kontrol untuk perbedaan kelompok dan individu dalam skor pra-perawatan dalam uji coba terkontrol secara acak?

Andrew Gelman, dalam buku yang ditulisnya dengan Jennifer Hill, menyatakan dalam Bab 9, (bagian 9.3), di halaman 177:

Hanya tepat untuk mengontrol prediktor pra-perawatan, atau, lebih umum, prediktor yang tidak akan terpengaruh oleh perawatan (seperti ras atau usia). Poin ini akan diilustrasikan secara lebih konkret di Bagian 9.7 ...

Dan di sana (9,7 berjudul "tidak mengontrol variabel pasca perawatan") ia membahas masalah pengukuran variabel mediasi, bukan masalah perubahan pra-pasca secara langsung.

Penting untuk menyatakan di sini bahwa saya pikir Gelman / Hill adalah teks yang cemerlang ... Dan saya benar-benar menikmati memahaminya. Namun, ini sedikit menggelitik minat saya, karena mengingatkan saya pada pendekatan Everitt & Pickles untuk masalah yang sama.

Everitt berpendapat bahwa menggunakan skor perubahan (Skor B - Skor A) akan cenderung membuat bias temuan Anda yang mendukung pengobatan, sedangkan memasukkan skor awal dalam model lebih konservatif. Mereka mendukung ini dengan simulasi - cukup persuasif.

Pemahaman saya sampai di sini adalah bahwa apa yang Anda kendalikan adalah perbedaan kelompok dalam skor awal yang dapat menyebabkan efek pengobatan yang tampak lebih besar dari itu, atau ada, ketika tidak. Ini juga merupakan pemahaman saya bahwa ini karena regresi terhadap rerata sedang bekerja, sehingga skor awal yang lebih tinggi akan dikaitkan dengan penurunan yang lebih besar dan sebaliknya, terlepas dari efek pengobatan.

Everitt sangat menentang "mengubah skor", dan Gelman tampaknya menasihati termasuk termasuk nilai dasar dalam model.

Namun, Gelman menunjukkan ini selama 2-3 halaman berikutnya, termasuk skor pra-tes sebagai prediktor. Dia memberi peringatan bahwa Anda kemudian mendapatkan serangkaian efek pengobatan masuk akal yang tergantung pada skor pra-tes, bukan berbagai efek pengobatan yang hanya mewakili ketidakpastian efek.

Pendapat saya adalah bahwa menggunakan "skor perubahan" tampaknya tidak benar-benar melakukan apa-apa tentang regresi dengan rata-rata, sedangkan memasukkan skor awal sebagai prediktor memungkinkan perbedaan kelompok awal untuk dibatalkan , pada dasarnya memperkenalkan struktur kovarian.

Saya seorang dokter dan saya harus membuat keputusan nyata tentang perawatan mana yang bekerja. Jadi apa yang harus aku lakukan? Sertakan skor dasar setiap orang atau gunakan "ubah skor"?

{Aku curang, menambahkan komentar terlalu lama untuk kotak komentar.} Terima kasih atas penjelasannya. Kedengarannya seperti Anda telah menemukan beberapa sumber yang hebat, dan melakukan banyak hal untuk mengambil pelajaran yang baik dari mereka. Ada sumber-sumber lain yang layak dibaca, misalnya, bab dalam Cook and Campbell's Quasi-Experimentation; bagian dalam Desain dan Analisis Geoffrey Keppel; dan saya pikir setidaknya satu artikel oleh Donald Rubin. Saya juga akan menawarkan pelajaran yang telah saya peroleh (diparafrasekan) dari karya Damian Betebenner tentang nilai ujian siswa:

Apakah masuk akal untuk mengharapkan bahwa tidak ada perbaikan yang akan terjadi tanpa intervensi tertentu? Jika demikian, masuk akal untuk menganalisis skor perolehan, seperti halnya analisis varian. Apakah lebih masuk akal untuk berpikir bahwa semua siswa akan meningkat ke tingkat tertentu bahkan tanpa intervensi, dan bahwa skor posttest mereka dapat diprediksi sebagai fungsi linier skor pretest mereka? Jika demikian, analisis kovarian akan masuk akal.

dari ANOVA / ANCOVA Flow Chart

Juga, mungkin Anda tahu ini, tetapi Lord's Paradox, yang dirujuk oleh Betebenner, melibatkan kemungkinan untuk memperoleh, dengan data yang sama, hasil dari nol perbedaan rata-rata menggunakan salah satu dari dua metode ini tetapi perbedaan yang signifikan menggunakan yang lain.

Pendapat saya, berdasarkan bacaan yang mungkin lebih terbatas daripada bacaan Anda, adalah bahwa kedua metode memiliki tempat dan bahwa Everitt dan mungkin juga Gelman, hebatnya, dalam hal ini mengambil garis yang terlalu sulit.