Сравнение 3х связанных групп разной численности, какой критерий применить? Опции

[Capre_diem]

Доброго времени суток, уважаемые коллеги!
Самостоятельно разобраться не получилось, хочется обратиться за компетентной помощью.

Есть 13 пациентов, у которых до лечения препаратом, спустя 2 недели и спустя 6 недель брали кровь на иммунный статус. Нужно сопоставить значения лабораторных данных на 3х этапах исследования (в динамике). К сожалению, на 3ем этапе исследования данных меньше, чем на 2м и 1м(не у всех пациентов кровь брали трижды).
Критерии Шапиро-Уилка и Колмогорова-Смирнова показали, что распределения ненормальны, плюс выборка маленькая - всего 13, поэтому начала с непараметрики.
Использовала непараметрический метод Фридмена, который не выявил стастистически значимых различий ни в 1 из случаев. Видимо, это отчасти связано с неравной численностью групп и выпали те пациенты, у которых кровь брали дважды?

А вот попарные сравнения с помощью критерия Вилкоксона выявили значимые различия. Но можно ли сразу переходить к попарным сравнениям между 3 группами результатов?


Как правильно подойти к расчетам? Какие критерии правильнее применить?

[nokh]

Критерии Шапиро-Уилка и Колмогорова-Смирнова показали, что распределения ненормальны, плюс выборка маленькая - всего 13, поэтому начала с непараметрики.

На выборке в 13 объектов не имеет смысла искать отклонения от нормальности + как раз на малых выборках параметрические методы наиболее полезны, т.к. непараметрические менее мощные - можете не найти различия там где они в действительности есть. Поэтому даже если есть сомнения в нормальности лучше повозиться с преобразованием исходных данных. Одно из лучших преобразований - преобразование Бокса-Кокса (подробно обсуждалось на форуме). Для анализа всей совокупности данных здесь подошел бы двухфакторный дисперсионный анализ с фиксированным фактором "время" и случайным фактором "донор". Но т.к.у вас в этом комплексе есть пропуски, обычный дисперсионный анализ не подойдет - нужно использовать смешанную модель для несбалансированных данных (General mixed effects models for unbalanced data). Анализ смешанных моделей есть во многих пакетах, но для данных с пропусками встречал только работы с использованием пакета SAS.