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?

[Capre_diem]

Спасибо за помощь всем откликнувшимся.

to nokh: после обработки данных по Боксу-Коксу получились отрицательные значения (исходные данные меньше 1). Можно дальше работать с отрицательными числами или стоит их как-то видоизменить?
to DrgLena: возвращение к норме выходящих за рамки значений есть, но насколько оно достоверно? Боюсь, что если выкинуть часть пациентов, доказать достоверность такой нормализации будет невозможно.
to плав: принялась читать про MI. Выглядит зловеще: в публикациях ни разу не сталкивалась с таким методом. Научный руководитель будет удивлен.

если мне удалось уяснить порядок, действий, то
- нормализовать распределения по Боксу-Коксу,
- ANOVA для поиска различий между 3 группами
- попарные сравнения с помощь t-критерия для связанных групп?

[DoctorStat]

Спасибо за помощь всем откликнувшимся.

Мне кажется, что Вы подходите к задаче не с того конца. У Вас есть значимость (p-value) теста Фридмана, объем выборки и количество временнЫх точек. По этим параметрам можно оценить величину эффекта (отклонение лабораторных показателей крови в результате лечения). Если величина эффекта клинически значима, можно дальше пытаться найти отличия более тонкими методами и удивлять руководителя современными познаниями в области статистики. Если оцененный эффект незначителен, то последующая «игра не стоит свеч».