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]

Можно было бы, конечно, провести дисперсионный анализ для повторных измерений и показать на какой срок наблюдения имеются различия, при этом включить тех больных у которых есть все данные. Но можно пойти другим путеи, показать у скольких больных по определенным показателям наблюдались нарушения, т.е. показатели были вне нормы. После лечения показать снижение числа таких больных. Т.о. эффектом лечения будет снижение числа больних с определенными сдвигами в иммунограммах.

Меня учили, что если откинуть 5% данных и в результате дисперсионный комплекс станет равномерным или пропорциональным - это будет оправданная (точностью) жертва. И я недавно советовал так же. Но классический дисперсионный анализ сменили общие линейные модели (GLM) - в результате стали хорошо обрабатываться неравномерные комплексы. Сейчас GLM активно вытесняются современными техниками для обработки несбалансированных и неполных комплексов (Maximum Likelihood, Restricted Maximum Likelihood). Поэтому жертвы более неоправданы. Скачал 2 книги по теме, читаю урывками, но посоветовать пока ничего не могу. Все остальные варианты анализа - упрощения. Рекомендуемая вами схема тоже не самая простая - данные-то зависимые. Поэтому придется оставлять только пациентов с полными данными и применять те тесты симметрии, которые недавно здесь подробно обсужались в теме по МакНемару. Но тогда наблюдений будет совсем мало - ничего не найдем. Если никого не убирать - придется дробить эксперимент на 2 части и обсчитывать по МакНемару. Тогда уж лучше эти 2 части обсчитать критерием Уилкоксона для разностей пар (к тому же он уже дал какие-то результаты) или парным критерием Стьюдента после преобразования всего массива по Боксу-Коксу.
> Capre-diem. Можете обсчитать отдельно варианты "до-спустя 2 недели" и "спустя 2 недели - спустя 6 недель", но учтите, что мощность анализа снизится и что существуют техники, которые позволяют обработать ваши данные целиком. Цена за "плохие" данные - необходимость осваивать техники высшего пилотажа в прикладной статистике или использовать не вполне корректные подходы.

Сообщение отредактировал nokh - 21.12.2008 - 23:16

[плав]

На самом деле лучше выбирать трансформацию исходя из знаний предметной области - т.е. большинство иммунологических данных имеют логнормальное распределение, стоит прологарифмировать данные, а затем использовать дисперсионный анализ с повторными измерениями, как описано выше.
По поводу пропущенных данных, либо действительно MI (multiple imputation), либо заменить значения на средние, медианы и проверить результат. Либо все считать только на 13 пациентах с полным набором данных.