Wie innerhalb der Gruppe Änderungen zwischen Gruppen zu vergleichen

Vergleicht man innerhalb der Gruppe Änderungen zwischen den Gruppen ist eine besondere Situation, aber eine, die sehr häufig kommt in Daten aus klinischen Studien zu analysieren. Angenommen, Sie testen mehrere Arthritis Medikamente gegen ein Placebo, und Ihre Wirksamkeitsvariable ist das bilanzielle Schmerzniveau des Patienten auf einem 0-bis-10-Skala. Sie wollen wissen, ob die Medikamente eine stärkere Verbesserung der Schmerzniveau als die Placebo-produzieren.

So notieren Sie jedes Schmerzniveau des Patienten vor Beginn der Behandlung (auch bekannt als die Grundlinie oder Vorbehandlung) Und wieder am Ende des Behandlungszeitraums (Nachbehandlung).

Eine offensichtliche Möglichkeit, diese Daten zu analysieren, wäre zu jeder Vorbehandlung Schmerzniveau aus der Nachbehandlungsstufe des Patienten zu subtrahieren, um den Betrag der Änderung erhalten aus der Verarbeitung, und dann vergleichen Sie die Änderungen zwischen den Gruppen mit einem One-Way-ANOVA (oder ungepaarten t-Test, wenn es nur zwei Gruppen).

Obwohl dieser Ansatz statistisch gültig ist, in der Regel Daten aus klinischen Studien wird diese Weg- stattdessen nicht analysiert, fast jeder klinischen Studie heute eine ANCOVA nutzt Veränderungen zwischen den Gruppen zu vergleichen.

In einer ANCOVA, genannt das Ergebnis (die abhängige Variableist) im Vergleich zwischen den Gruppen ist nicht der Wechsel von prä- zu post-Behandlung, sondern die Nachbehandlung Wert selbst. Die Vorbehandlung Wert wird in den ANCOVA als Kovariate eingetragen.

In der Tat zieht die ANCOVA etwasVielfaches von die Vorbehandlung Wert aus der Nachbehandlung Wert vor, die Unterschiede zu vergleichen. Das heißt, anstatt die Änderung der Definition als (Post - Pre), die ANCOVA die Änderung als (Beitrag berechnet - f x Pre), wo f eine Zahl, die die ANCOVA herausfindet.

Das f Multiplikator kann größer oder kleiner als 1-, wenn es genau gleich 1 zu kommen passiert, dann einfach die ANCOVA wird die Pre-post-Änderung zu vergleichen, ebenso wie die ANOVA.

Statistiker bevorzugen den ANCOVA Ansatz, weil es in der Regel etwas effizienter als die einfachen Vergleich der Veränderungen ist, und auch, weil es (zumindest teilweise) für mehrere andere Komplikationen zu kompensieren, die oft Daten aus klinischen Studien plagen.

Ein ANCOVA kann eine Form der mehrfachen linearen Regression berücksichtigt werden, und in der Tat alle klassischen Methoden (gepaarten und ungepaarten t-Tests, ANOVAs und ANCOVAs) können als multiple Regressionsprobleme formuliert werden. Einige statistische Pakete bündeln einige oder alle dieser Analysen in einer einzigen Analyse genannt allgemeine lineare Modell.