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

[ИНО]

ИМХО с нулем Вас куда-то не туда занесло. Бета-регрессия - про данные, естественным образом жестко ограниченные в определенном интервале как снизу, так и сверху (например, проценты). У нас не так.

Насчет моих соображений об отрицательном значении зависимой переменной попробую объяснить их ход. Пусть истинная функция изучаемого показателя в времени - некая монотонно убывающая кривая. Предположим, что она достигает минимальной величины (допустим 0), после которой следует смерть. У нас имеются всего две фиксированные временные точки, когда были произведены замеры: 0 месяцев и 1 месяц. Очевидно, что истинную форму кривой по ним восстановить не получится. Но можно аппроксимировать ее прямой. Однако в таком случае, если 0 был достигнут между точками "0 мес." и "1 мес.", наша аппроксимирующая прямая в точке "1 мес." будет уже лежать в области отрицательных значений. Конечно, в случае времени отклика в качестве зависимой переменной, это будет величина фиктивная, но такое моделирование было бы более корректно, чем приравнивающее зависимую к нулю в точке "1 мес.". Просто любые отрицательные предсказания следовало бы жестко заменить на нули. Построить такую модель можно, если для каждой особи создать дополнительную точку "измерения" в момент ее гибели (если он известен) со значением 0. Но это сработает толков том случае, если гибель наступает строго при нуле, в чем я своем не уверен. В общем, такое моделирование включает довольно сильные непроверяемые предположения, заставляющие вспомнить о знаменитом сферическом коне...