Критерий Краскела-Уоллиса для сравнения двух групп на трех визитах Опции

[Varta]

Здравствуйте уважаемые участники форума!

В одной статье мне встретилось следующее: имеем две группы пациентов, каждая из которых обследована на 3 визитах. Пациенты на визитах строго одни и те же, то есть по логике самым простым должно быть сравнение групп между собой на 1, 2 и 3 визитах с помощью критерия Манна-Уитни, и сравнение динамики внутри групп 1 визит---2 визит --- 3 визит с помощью критерия Фридмана с дальнейшим попарным сравнением с поправкой на множественные сравнения. Если есть желание избежать ошибки множественных сравнений на визитах, то проводится одномерный анализ повторных измерений с установлением влияния временного фактора, фактора группы и наличие их взаимодействия (непараметрического аналога данного анализа я не знаю, если подскажете. буду благодарна)

В статье было указано, что анализ проведен с помощью критерия Краскела Уоллиса с поправкой на множественность сравнений с помощью программы Prism. И далее на графиках имели место звездочки для сравнения двух групп на каком-либо визите, либо для сравнения динамики между визитами внутри какой-либо из групп.
Это правильная процедура для анализа? У меня было предположение, что это попытка избежать ошибки множественных сравнений путем того, что мы все 6 точек считаем отдельными выборками, но там же как связанные, так и не связанные данные. Я не вижу нигде в доступных мне источниках упоминание о каком-то варианте критерия Краскела-Уоллиса, который использовался бы как аналог одномерного анализа повторных измерений.

Заранее спасибо за ответ.

Прогуглила форум и в одном из тредов нашла мнение 100$ по похожему случаю (критерий Крускела применять некорректно)
http://forum.disser.ru/index.php?showtopic=1246&st=30
Это интерлейкины, их очень сложно привести в нормальное распределение, кроме того три точки нелинейны, это уровень ИЛ до воздействия, на фоне воздействия, после окончания. Соответственно связь с лечением будет только в одной точке - втором визите, как бы не получилось, что эти различия будут проигнорированы при анализе повторных измерений

Сообщение отредактировал Varta - 29.06.2023 - 20:58

[nokh]

Имеем две группы на разных сроках. Соответственно применить критерий КУ для анализа всех данных просто не получится: это ранговый аналог однофакторного дисперсионного анализа, т.е. применяется для сравнения нескольких независимых выборок. В вашем случае независимыми являются 2 группы на каждом из сроков. На разных же сроках выборки являются зависимыми, а для зависимых выборок можно использовать ранговый критерий Фридмана, но только для какой-то одной из двух выборок))) Апостериорные сравнения внутри критерия Фридмана можно провести специальными ранговыми методами, но таким образом вы сможете доказать собственно наличие какой-то динамики в каждой из групп в отдельности, но не сравнить эти динамики между собой. Классическим методом для вашего случая является дисперсионный анализ (ANOVA), в котором можно задать как независимость групп (фиксированный фактор "Группа"), так и учесть зависимый характер наблюдений на разных градациях фиксированного фактора "Срок". В пакетах это делается двумя технически разными методами, но которые дают одинаковый численный результат. Первый - двухфакторный анализ повторный измерений (факторы: "Группа" и "Срок"), второй - трёхфакторный дисперсионный анализ с фиксированными факторами "Группа" и "Срок" и случайным фактором "Пациент внутри Группы". Это нужно правильно задать в пакетах, но учитывая, что сравнение в динамике - один из самых популярных методов в медицине, примеры легко найти. Пакет Prizm серьёзный, с хорошим руководством, если пользуетесь им, то там обязательно описано. У этих двух подходов разные теоретические предпосылки, поэтому и разные требования к данным, наряду с требованием нормальности распределения ошибки модели, первый требует сферичности и использует разные модификации в случае нарушения требования, второй требует однородности дисперсий в ячейках дисперсионного комплекса. Апостериорные сравнения в рамках дисперсионных комплексов проводятся обычными для дисп. анализа методами (выбор большой).

К сожалению, рангового аналога для такого анализа нет, иначе это был бы один из самых известных критериев. Поэтому можно использовать преобразование исходных данных, для того чтобы нормализовать ошибку анализа. Лучший вариант - преобразование Бокса - Кокса (Box-Cox transformation), которое подожмёт хвосты положительно асимметрично распределённых итнерлейкинов и позволит использовать описанные модели ANOVA. Есть варианты его применения, но самый простой - просто трансформировать всю колонку данных и выписать значение параметра "лямбда" (оно может понадобиться для ретрансформации средних с 95% ДИ на графиках). Скорее всего для большинства интерлейкинов лямбда у вас будет близка к 0 (ноль), а это значит что распределение близко к логарифмически нормальному. Если так, то самый простой вариант будет просто прологарифмировать колонку данных; так данные будут хуже приближены к требованиями модели, но зато проще строить графики в логарифмическом масштабе. Если заморочиться, можно проверить на нормальность ошибку дисперсионного комплекса. Преобразование БК на форуме много обсуждалось, легко делать, в том числе в бесплатных пакетах.

В рамках описанного подхода самым интересным для вас будет взаимодействие факторов "Группа х Срок", которое и оценивает различие динамик между группами. Соответственно апостериорные сравнения важнее сделать для ячеек этого эффекта.

Сообщение отредактировал nokh - 1.07.2023 - 09:58