![]() |
Здравствуйте, гость ( Вход | Регистрация )
![]() |
![]()
Сообщение
#1
|
|
Группа: Пользователи Сообщений: 1325 Регистрация: 27.11.2007 Пользователь №: 4573 ![]() |
Судя по нашим последним дискуссиям, мы далеко улетели от проблем врачей-аспирантов. Вот задачка для эрудитов из реальной жизни. На рецензии статья, написанная в традициях прошлого, профессор первый автор, но в качестве лечения - БАД. Сравнивают 4 вида лечения (базовое, и с 3 видами добавок). Анализируют клинические и биохимические показатели, но только после лечения в каждой группе, а до лечения - среднее по всем группам вместе. Т.е. до лечения в общей группе среднее было 0,20+-0,02 (n=64), а после лечения:
1 гр. 0,22+-0,04 (n=17) 2 гр. 0,30 +-0,03 (n=15) 3 гр. 0,50+-0,08 (n=16) 4 гр. 0,28+-0,03 (n=16) Вывод делают, что в 3 группе показатель повысился статистически достоверно. Как деликатно, но внятно написать, почему так нельзя делать, на что сослаться из популярной литературы. |
|
![]() |
![]() |
![]() |
![]()
Сообщение
#2
|
|
Группа: Пользователи Сообщений: 1219 Регистрация: 13.01.2008 Из: Челябинск Пользователь №: 4704 ![]() |
Из вашего описания не ясно, какую все-таки статистику использовал для сравнения выборок профессор. И использовал ли? Поэтому трудно сказать в чем конкретно он не плав:) Можно понять, что объединенные данные до лечения сравнивались попарно или одновременно (?) с данными для групп после лечения, например, в ходе, соответственно, t-теста или дисперсионного анализа. В этом случае происходит грубое нарушение условия независимости выборок, причем проанализировать их как зависимые когда все в кучу тоже не представляется возможным. Если дело в этом - можно сослаться на любую авторитетную для вас книжку, т.к. условие независимости прописано везде. В случае количественного признака, возможно предварительно преобразованного, корректно было бы использовать перекрестно-иерархическую схему трехфакторного дисперсионного анализа с факторами "Лечение" (до и после), "Вариант лечения" и "Пациент внутри варианта лечения". Введение последнего фактора позволило бы учесть зависимый характер данных.
|
|
![]() |
![]() |
![]() ![]() |