Tindakan berulang dari waktu ke waktu dengan

14

Saya diberi data untuk dianalisis untuk penelitian yang melihat efek dari pengobatan terhadap kadar zat besi pada empat titik waktu yang berbeda (sebelum pengobatan, pengobatan hari berakhir, 4 minggu setelah pengobatan, dan 2-4 bulan setelah pengobatan). Tidak ada grup kontrol. Mereka mencari untuk melihat apakah ada peningkatan kadar besi yang signifikan pada masing-masing dari 3 poin waktu pasca perawatan ke tingkat sebelum pengobatan (baseline). Sebelas pasien memiliki level awal tetapi hanya 8 pasien memiliki data lengkap untuk semua 4 titik waktu ( = 11, 10, 9, dan 8 untuk setiap titik waktu). Tidak hanya kadar besi diukur, tetapi dua tindakan laboratorium lainnya diambil pada setiap titik waktu untuk dibandingkan dengan baseline.n

Saya punya beberapa pertanyaan tentang bagaimana menganalisis ini. Saya pertama kali berpikir RM ANOVA akan sesuai untuk menganalisis data ini, tetapi saya khawatir tentang ukuran sampel yang kecil, hilangnya data, dan distribusi data yang tidak normal. Saya kemudian mempertimbangkan untuk membandingkan setiap tindakan pasca perawatan dengan baseline menggunakan tes peringkat bertanda Wilcoxon, tetapi kemudian saya mengalami masalah beberapa perbandingan. Namun, saya telah membaca beberapa literatur yang perlu downplays untuk menjalankan beberapa perbandingan. Jadi secara keseluruhan, saya berurusan dengan ukuran sampel kecil, data tidak lengkap, dan beberapa perbandingan (dan perlu atau tidak).

Saya harap ini semua masuk akal. Saya baru mengenal CrossValidated dan diarahkan ke sini oleh seorang kolega sebagai tempat untuk belajar dari ahli statistik yang berpengalaman, jadi saya menghargai saran apa pun! Terima kasih!


Diedit untuk menambahkan data mentah dari komentar:

Ada empat titik waktu total dan variabel hasil kontinu. Misalnya, hasil pada setiap titik waktu terlihat mirip dengan ini:

 Baseline (n=11): [2, 7, 7, 3, 6, 3, 2, 4, 4, 3, 14] 
 1st Post (n=10): [167, 200, 45, 132, ., 245, 199, 177, 134, 298, 111]
 2nd Post (n=9):  [75, 43, 23, 98, 87, ., 300, ., 118, 202, 156]
 3rd Post (n=8):  [23, 34, 98, 112, ., 200, ., 156, 54, 18, .]
msturm17
sumber
1
Jika Anda menambahkan contoh yang dapat direproduksi (atau data mentah) akan sangat membantu.
Ladislav Naďo
Variabel hasil kontinu. Sebagai contoh, hasil pada setiap titik waktu terlihat mirip dengan ini: Level dasar n = 11: [2, 7, 7, 3, 6, 3, 2, 4, 4, 3, 14]. 1st Post n = 10 [167, 200, 45, 132,., 245, 199, 177, 134, 298, 111]. 2nd Post n = 9 [75, 43, 23, 98, 87,., 300,., 118, 202, 156]. Tingkat Posting Ke-3 n = 8 [23, 34, 98, 112,., 200,., 156, 54, 18,]. Ada empat poin waktu total.
msturm17

Jawaban:

5

Saya telah memikirkan kembali masalah Anda dan menemukan tes Friedman yang merupakan versi non-parametrik dari ANOVA satu arah dengan tindakan berulang .

Saya harap Anda memiliki beberapa keterampilan dasar R.

# Creating a source data.frame
my.data<-data.frame(value=c(2,7,7,3,6,3,2,4,4,3,14,167,200,45,132,NA,
245,199,177,134,298,111,75,43,23,98,87,NA,300,NA,118,202,156,23,34,98,
112,NA,200,NA,156,54,18,NA),
post.no=rep(c("baseline","post1","post2","post3"), each=11),
ID=rep(c(1:11), times=4))

# you must install this library
library(pgirmess)

Lakukan tes tes Friedman ...

friedman.test(my.data$value,my.data$post.no,my.data$ID)

    Friedman rank sum test

data:  my.data$value, my.data$post.no and my.data$ID
Friedman chi-squared = 14.6, df = 3, p-value = 0.002192

dan kemudian menemukan di antara kelompok-kelompok yang perbedaannya ada dengan tes post-hoc non-parametrik . Di sini Anda memiliki semua perbandingan yang mungkin.

friedmanmc(my.data$value,my.data$post.no,my.data$ID)
Multiple comparisons between groups after Friedman test 
p.value: 0.05 
Comparisons
               obs.dif critical.dif difference
baseline-post1      25     15.97544       TRUE
baseline-post2      21     15.97544       TRUE
baseline-post3      20     15.97544       TRUE
post1-post2          4     15.97544      FALSE
post1-post3          5     15.97544      FALSE
post2-post3          1     15.97544      FALSE

Seperti yang Anda lihat hanya garis dasar (titik waktu pertama) secara statistik berbeda dari yang lain.

Saya harap ini akan membantu Anda.

Ladislav Naďo
sumber
1
Ladislav, ini jawaban yang bagus untuk pertanyaan ini. Ini sangat menyeluruh dan lengkap. Satu-satunya masalah yang saya lihat adalah bahwa ANOVA Kruskal-Wallis juga memiliki asumsi independensi pengamatan, sehingga ada subjek yang berbeda di setiap tingkat variabel independen, yang dalam hal ini, kami tidak memiliki karena kami mengikuti yang sama 11 pasien di 4 titik waktu. Apakah Anda memiliki pendapat tentang ini atau memiliki metode lain dalam pikiran untuk mengatasi masalah ini? Terima kasih banyak!
Matt Reichenbach
Saya menghapus komentar saya di atas. Saya akhirnya menemukan tes yang lebih baik. Nikmati !
Ladislav Naďo
Ini bukan pertanyaan awal saya, @ msturm17, harus menerima jawaban Anda, saya memberi Anda hadiahnya!
Matt Reichenbach
Terima kasih, Ladislav, karena telah meluangkan waktu untuk menanggapi pertanyaan saya sepenuhnya!
msturm17
2

Jika Anda tidak tahu distribusi perubahan individu dari waktu ke waktu, Anda tidak dapat memperkirakannya dengan distribusi perbedaan antar pasien. Misalnya, jika Anda memiliki 10 pasien dengan kadar besi masing-masing (510.520, ..., 600) sebelum perawatan dan (520.530, ..., 610) setelah perawatan, Kruskal-Wallis ANOVA (atau algoritma serupa lainnya) akan mengklaim bahwa tidak ada perubahan kadar besi yang signifikan.

IMHO, tanpa kelompok kontrol, yang terbaik yang dapat Anda lakukan adalah menghitung berapa banyak pasien yang meningkatkan tingkat zat besi mereka dan berapa banyak yang menurunkannya, dan menguji signifikansi ini.

Yang mengatakan, jika KW ANOVA memberi tahu Anda bahwa ada tingkat zat besi yang signifikan, itu (tidak ada positif palsu).

pengguna31264
sumber
1
Yay tanpa positif palsu! Haha, terima kasih atas jawaban Anda. Bagaimana Anda menyarankan kami "menguji signifikansi ini" sehubungan dengan menghitung berapa banyak pasien meningkatkan kadar zat besi mereka dan berapa banyak yang menurunkannya? Terima kasih!
Matt Reichenbach
2
mnp=2(m+n)k=0m(m+nk)
Terima kasih! Ini adalah cara lain yang menarik untuk melihat pertanyaan saya dan akan melihat bagaimana itu berlaku untuk data saya.
msturm17