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

[Vitek_22]

Коллеги, очень похожая задача. Есть две группы животных, подвергнуты лечению и контроль. И для каждой группы было проведено 2 анализа в разных временных точках. Причём, во второй временной точке выборки подчиняются нормальному распределению (Шапиро-Уилка), но всё равно отклонение от нормальности субкритическое так сказать, а во второй - нет. Снижение времени - показатель прогрессии заболевания.
На мой взгляд нужен непараметрический аналог ANOVA с повторными измерениями. А его нет. Попарно всё сравнить Манна-Уитни? Не знаю, уместно ли. Посчитать ANOVA и использовать в апостериорном анализе критерий, который не чувствителен к "небольшим отклонениям от нормальности"? Если да, то какой?
Почитал чуть гугл, советуют использовать тест Фридмана. Но он позволяет провести сравнение между повторными измерениями, но не между несвязанными группами. Я так понял, что это аналог теста Вилкоксона... не аналог, но тест, который также работает только на связанных выборках (т.е. повторные измерения)

Прошу совета. Пользуюсь Statistica 12. В ней экзотических методов, которые выше советуют, нет.

Приложил Excel с исходными данными

Прикрепленные файлы

 primer.xlsx ( 9,9 килобайт ) Кол-во скачиваний: 221

 

[comisora]

Есть две группы животных, подвергнуты лечению и контроль. И для каждой группы было проведено 2 анализа в разных временных точках. Причём, во второй временной точке выборки подчиняются нормальному распределению (Шапиро-Уилка), но всё равно отклонение от нормальности субкритическое так сказать, а во второй - нет. Снижение времени - показатель прогрессии заболевания.

Выборки проверять на соответствие нормальному распределению не надо. В линейной модели предполагается нормальное распределение остатков. В примере показано, как можно создать выборки, по которым тест Шапиро-Уилка отклонит нулевую гипотезу в двух из трех подгрупп, но не по остаткам модели. В приложении - статьи по процедуре проверке нормальности.

CODE

set.seed(324)
n <- 1000
nu <- 1.5
sd <- 1
x <- gl(n = 3, k = n, labels = c('a', 'b', 'c'))
a <- gamlss.dist::rSN2(n = n, mu = 160, sigma = 1, nu = nu)
b <- rnorm(n = n, mean = 140, sd = 1)
c <- gamlss.dist::rSN2(n = n, mu = 120, sigma = 1, nu = 1/nu)
y <- c(a, b, c)
fit <- lm(y~x)
res <- resid(fit)
lst <- list(a, b, c, y, res)
round(
sapply(seq_along(lst), function(i) {shapiro.test(lst[[i]])[['p.value']]}),
digits = 3
) #[1] 0.000 0.847 0.000 0.000 0.634
dev.new(noRStudioGD = TRUE)
layout(matrix(c(1,2,3,4,5,5), nrow = 3, ncol = 2, byrow = TRUE))
plot(density(a))
plot(density(b))
plot(density©)
plot(density(y))
plot(density(res))

По Вашим данным можно сделать следующее:
0. Пояснить следующее: измерение через месяц - это реальное время или величина изменения относительно первоначального замера?
1. Взять разницу между состояниями "до-после" и сравнивать её между группами любым тестом, который Вам нравится (Стьюдента/Уэлча, Манна-Уитни, точный тест Фишера-Питмана и т.п.).
2. Ознакомиться с выполнением смешанного дисперсионного анализа по ссылке за авторством nokh.
3. Попытаться выполнить трансформацию (логарифмирование) и посмотреть, что будет.

Эскизы прикрепленных изображений

 

Прикрепленные файлы

 1471_2288_12_81.pdf ( 790,19 килобайт ) Кол-во скачиваний: 773
 p302.pdf ( 1,96 мегабайт ) Кол-во скачиваний: 241