Форум врачей-аспирантов

Здравствуйте, гость ( Вход | Регистрация )

 
Добавить ответ в эту темуОткрыть тему
> Подходы к статистической оценке влияния препарата, знающие люди, рассудите!
Barabek
сообщение 12.02.2007 - 11:54
Сообщение #1





Группа: Пользователи
Сообщений: 16
Регистрация: 3.03.2006
Пользователь №: 842



Доброго времени суток всем!

Возник вопрос по статистической обработке.

Есть рандомизированная группа по биохимическим показателям сыворотки крови (50 человек). 25 из них получает препарат, 25 плацебо.
Тут профессора спорят какие подходы нужны для сравнения двух групп.

Есть варианты:

1. Сравниваем 50 "до лечения" и 25 "после лечения" плацебо, и 50 "до лечения" и 25 "после лечения" препаратом.
2. Сравниваем 25 из тех которые получали препарат до лечения, и эти же 25 после лечения. И соответственно все то же самое с плацебо группой.

Какой подход правильный для оценки влияния препарата. Только, плиз, с аргументацией, а не только мнения.

С уважением,

Барабек
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
Алексей
сообщение 12.02.2007 - 17:25
Сообщение #2





Группа: Пользователи
Сообщений: 5
Регистрация: 8.02.2007
Пользователь №: 3616



Мне кажется, что Вам надо использовать второй вариант, то есть сравнивать параметрическими или непараметрическими парными критериями (например t-тест для всязанных переменных или критерии Знаков и Вилкоксона) группу, получающую плацебо, а затем также сравнивать группу, получающую препарат.

Таким образом, Вы сможете оценить статистическую значимость различий Вашего признака в двух группах (плацебо и препарат).

Однако можно воспользоваться ANOVA для повторных измерений (ANOVA repeated mesures) и выполнить тоже самое.

пример подобного анализа вложил в прикрепленный файл.
(Glucose и Glucose1 - это измерения глюкозы до и после исследования, HT0 и HT1 - получал ли пациент терапию) У тех, кто не получал уровень глюкозы оказался выше, чем у получавших.


P.S. анализ повторных измерений предполагает, что вы сравниваете одну группу пациентов "ДО" и тех же самых "ПОСЛЕ" некотрого воздействия, а значит количество людей в одной и той же группе "ДО" и "ПОСЛЕ" воздействие не может меняться, это одни и теже люди. Считаю, что сравнивать 50 человек с 25 абсолютно недопустимо.
Эскизы прикрепленных изображений
Прикрепленное изображение
 
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
плав
сообщение 13.02.2007 - 10:00
Сообщение #3





Группа: Пользователи
Сообщений: 1013
Регистрация: 4.10.2006
Пользователь №: 1933



Я согласен с Алексеем, наиболее приемлимым вариантом обраборки таких данных будет использование дисперсионного анализа с повторными измерениями. Однако в этом случае 50 наблюдений будет потеряно. Идея повторных тестов заключается в повышении мощности за счет учета связанности наблюдений. Но отбрасывание половины наблюдений также приведет к потере мощности (я не обсуждаю, КАК НАДО было проводить исследование, только что делать в конкретном случае). Поэтому можно анализировать три группы - 100 человек до, 25 после на препарате и 25 после на плацебо. Если все три группы в дисперсионном анализе (не повторном) будут из одной популяции (F модели <0.05), значит препарат таки не работает. Если есть различия и при post hoc анализе видно, что группа лечения отлична от других И при ANOVA с повторными измерениями лечение лучше - лечение действительно лучше. Если нет различий ни там, ни там - значит, их нет. Если два метода дают разный результат - трактовка затруднена, лучше верить дисперсионному анализу с повторными измерениями (25+25), но исключить эффект препарата если ANOVA без повтора показала эффект препарата уже сложнее - формально надо проводить исследование с большим количеством наблюдений.
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
Алексей
сообщение 15.02.2007 - 19:57
Сообщение #4





Группа: Пользователи
Сообщений: 5
Регистрация: 8.02.2007
Пользователь №: 3616



В Вашем случае возможен еще один вариант - это построение регрессионной модели, в которой зависимой переменной будет результат после лечения, а независимые переменные это результат до лечения, принадлежность к группе ПРЕПАРАТ или ПЛАЦЕБО (например ПЛАЦЕБО - 0; Препарат - 1), а также переменная отражающая взаимодействие двух предыдущих. В таком случае, если модель окажется зачимой и значимыми будут переменные модели, то Вы можете заключить, что лечение действительно эффективно.
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 

Добавить ответ в эту темуОткрыть тему