Выбор статистического метода Опции

[Maris]

Подскажите, пожалуйста, каким методом считать. В статистике новичок.
Данные следующие. Имеются 2 группы: 1 группа пациенты с ИБС, 2 ? без ИБС. В обеих группах проводилась операция. До и после операции смотрели ряд лабораторных показателей.
Необходимо узнать есть ли динамика показателей в группах или нет. При этом распределение у показателей до операции - ненормальное, после операции - нормальное.
Какой статистический метод лучше применить (Критерий парных выборок или критерий Уилкоксона)?
И как описывать такие данные (среднее или медиана)?

Сообщение отредактировал Maris - 14.02.2016 - 14:54

[nokh]

Nokh, спасибо! Интересует динамика показателей в группах. Но буду благодарна, если подскажете как провести сравнение динамик! Это очень хорошая мысль)

Вопрос был почти шуточный, я думал вы просто неудачно сформулировали цель. Вообще, когда есть несколько групп (пусть 2) и несколько временных точек (пусть тоже 2: до и после операции), то обычно интересует как раз различие динамик состояния, т.е. что одна группа отреагировала иначе чем другая, например показатели быстрее пришли в норму. Слово "быстрее" уже предполагает сравнение. Смысл в том, чтобы проанализировать группы отдельно может быть, но это какой-то ущербный, "детский" дизайн, типа "смотрите - в первой группе есть динамика! А посмотрите - и во второй группе есть динамика! Надо же! Красота!" Любое научное исследование предполагает как обобщение ("везде есть динамика, красота!"), так и выявление специфики. С точки зрения доказательной медицины последнее особенно важно, т.к. вы должны ответить на вопрос что лучше для конкретной группы пациентов, для конкретного человека. А слово "лучше" (или "хуже" предполагает сравнение. Может люди с ИБС хуже переносят операцию - это нужно учесть в лечении.

Ваши данные анализируют обычно двумя способами.
1). Часто используют некорректную схему из набора простых методов. Проводят сравнение независимых выборок отдельно "до операции", отдельно "после операции", и сравнение зависимых выборок "до-после" в каждой группе. Т.е. проводят целых 4 анализа, но отвечают не на все вопросы. В рамках такой схемы обнаружить различие динамик невозможно.
2). Грамотный подход: объединить все данные в одном анализе. Для этого используют обычно дисперсионный анализ (ANOVA). Здесь возможны 2 дизайна, которые приводят к идентичному результату, но по-разному задаются в пакетах и имеют различные требования к данным.
а) Трёхфакторный дисперсионный анализ с группированными и пересекающимися факторами, смешанная модель. Факторы: Группа (фиксированный), Срок (фиксированный) и Пациент(Группа) (т.е. пациент внутри группы, случайный фактор).
б) Двухфакторный дисперсионный анализ с повторными измерениями - типа того что предложил 100$, но я бы использовал не многопеременный (MANOVA), а обычный однопеременный (ANOVA)¹.
В обоих вариантах будут получены ответы на вопросы:
1. отличаются ли группы (при усреднении данных по срокам) - эффект фактора "Группа"
2. отличаются ли сроки (при усреднении по группам) - фактор "Срок"
3. отличаются ли группы динамикой - взаимодействие факторов "Группа х Срок".
Про оба варианта много информации на этом форуме, ищите "повторные измерения, ANOVA, перекрёстно-иерархическая схема, смешанная модель". Общее требование - нормальность распределения ошибки всего дисперсионного комплекса. Если оно не выполняется - весь массив данных перед анализом нужно преобразовать, лучше по Боксу - Коксу. Для новичка звучит всё страшно, но делается за 5 мин.
Ещё ваши данные с таким же результатом можно проанализировать в рамках подхода "Смешанных моделей" (Mixed models, Linear mixed-effects models и т.п). Результаты будут немного иными по форме, но должны быть такими же по-сути.

В рамках такого подхода описательную статистику логично давать в виде среднего с 95% доверительным интервалом.

PS ¹ На форуме были раньше и есть сейчас сторонники многопеременного подхода, но я не нашёл его полезным для себя. Во-первых, речь всегда идёт не о различии групп вообще, а о различии по конкретному показателю - по конкретному показателю и считаем анову. Если показателей несколько, то ошибка первого рода при этом конечно растёт, но что поделаешь если MANOVA не нравится А во-вторых, если нужен многопеременный анализ, то уж лучше сразу либо дискриминантный (поиск особенностей), либо факторный (редукция данных с обобщением).