Вечер добрый (утро/день). Сложная это наука - сатистика.. У меня пара (вру- больше) вопросов - может быть кто поможет..

У меня есть две изначально однородных рандомизированных группы больных с синдромом слабости синусового узла и симптомной фибрилляцией предсердий(ФП). Всем больным имплантируеются двухкамерные ЭКС. В группе 1 (36 человек) я включаю функцию, которая якобы уменьшает количество пароксизмов ФП (по данным ряда исследований). ВО 2 - контрольной группе (32 человека) - не включаю. Гипотеза - через 3 месяца в группе 1 продолжительность ФП будет меньше чем в контрольной. Сравниваю показатели из памяти ЭКС о длительности ФП (даны в процентах - например при проверке ЭКС через 3 месяца - 1.6% означает, что из всего времени на ФП приходилось 1,6%). Данные у меня получены в обеих группах. У меня вопрос - как правильнее сравнивать проценты ФП в двух группах для оценки эффективности функции, нужно ли переводить проценты в часы (старшие товарищи настаивают, что в часах лучше - без коментариев). Данные невооруженным взглядом видно - непараметрические (в обеих группах значения параметра колеблются от 0% до 90% ). Вначале старшие посоветовали Уилкоксона - потом прочитал, что этот параметр используется при оценки изменений в пределах одной группы. Почитав Гланца пришел к выводу, что в при изучении признака в двух однородных группах надо использовать Манна-Уитни - прав ли я?

Следующий большой вопрос. Критерии Уилкоксона, Манна-Уитни определяются с помощью рангов (в двух группах каждому значению задается ранг от 1 до n). Далее ищем сумму рангов в наименьшей группе и по таблице смотрим 'a'. Собственно вопрос (наверное очень глупый ): допустим критерий показал значимую достоверность (или наоборот) уменьшения признака в экспирементальной группе, по сравнению с контрольной. Как отбразить эту разницу, в чем? - посчитать среднее значение признака в этих группах и показать % изменения? Видел во многих забугровых статьях указано, что данные сравнивались с помощью signed rank test (он же вроде Уилкоксон, который непарный) и тут же - в таблицах сравнения двух групп указаны средние значения сравниваемых парметров и процентная разница между ними (вот вам нате наглядный эффект в процентах и р<0,002. Правильно ли это, как лучше отображать изменения признака, если изменение достоверно значимо(незначимо).

Последний вопрос. Извините, что стока написал. Пытаюсь разобраться со статистикой - пока тяжело. Посоветоваться не с кем. К делу. В ходе анализа я заметил, что уменьшение процента ФП в экспирементальной группе связано с количеством предсердных экстрасистол у пациентов (до операции). Чем боле экстрасистол (по данным ХМ) было у пациента на момент поступления, тем меньше % ФП при наблюдении через 3 месяца, и соответсвенно тем больше эффект функции, которая якобы уменьшает ФП . Я не знаю как правильно отобразить это зависимость (которой может быть и нет). Я просто построил график, где по одной оси - кол-во экстрасистол, по другой %фп. В каждой точке есть обратная связь - больше экстрасистол, меньше ФП. Кто-то посоветовал Кривую Каплана-Мейера. Почитал Гланца, там есть информация о кривых выживаемости, но там вроде время по оси.... Я запутался.. Посоветуйте, как определить наличие корелляции между этими признаками, и как отобразить.. Извините.. Итак много вопросов. Даже не надеюсь, что кто-то подскажет, но верю.. %)

Спасибо, если дочитали до конца, извините за опечатки, второй день сижу на кофе и сигаретах..
Удачи и почаще улыбайтесь

Сразу же вопрос - у Вас действительно рандомизированные группы (т.е. было 68 человек, которых при помощи случайных чисел разделили на группу, у которой включают функцию и группу у которой нет?). Не то, что бы это сильно влияло на анализ, однако если действительно рандомизация была (а не просто две группы, проверенно однородные) то анализ проще.
В случае рандомизированного исследования. Согласен со старшими товарищами, о необходимости использования времени, а не процента от времени (ибо в реальности измеряется не процент, а именно время - аппарат не может измерять проценты(для этого нужны два числа)). Соответственно, Ваша зависимая переменная - время (в минутах) за некоторый период (сутки?)
Далее, надо посмотреть модальность распределения. Я подозреваю, что у Вас не будет унимодального распределения, т.е. у Вас будет группа с небольшим временем ФП и группа с большим ФП, а не большинство со средним временем ФП и одинаково низкой вероятностью малого и большого времени ФП. Однако само по себе это распределение нас не очень интересует. Нас интересует изменение времени ФП до и после вмешательства. Иными словами вы рассчитываете новый показатель \deltaФП=ФП1-ФП2 для каждого пациента и смотрите, как он изменился в одной и другой группах. Вполне возможно, что Вы получите нечто, напоминающее нормальное распределение (ибо разность уже не будет ограничена 0). Опять-таки посмотрите, как выглядит распределение. Если распределение симметричное, то можно использовать и t-тест и непараметрику (у Вас более 25 наблюдений, соответственно, центральная предельная теорема работает, т.е. вне зависимости от исходного распределения, распределение выборочных средних нормальное). Параметрика будет проще, когда Вы будете далее описывать результаты (ибо Вы тогда сравниваете средние в группах, непараметрикой Вы сравниваете медианы).
Если все же решитесь на непараметрику, то старшие товарищи частично правы - Вилкоксон во многих иностранных источниках бывает двух типов - для связанных переменных (до-после) и несвязанных. Последний иногда называют тестом Мэнна-Уитни. Вам, Вы правы, нужен тест Мэнна-Уитни (он же, непарный Вилкоксон, он же signed rank).
В таблице, формально, после использования Мэнна-Уитни надо приводить медиану в одной и другой группах и межквартильные расстояния как показатели дисперсии. Также можно оценить разность между группами и рассчитать 95% доверительный интервал (скорее всего и это уже будет смешение французского с нижегородским - параметрическа методика и непараметрический тест). Расчитывать процентную разность и приводить средние неверно (большими усилиями забугорные товарищи снизили процент статистических ошибок в статьях с 90% до 50%, но подобные ляпы широко распространены, настолько широко, что если Вы вместо медианы и межквартильного расстояния укажете средние и стандартную ошибку, а также рассчитаете процентную разность между ними - никто ничего не скажет).
Другим вариантом анализа, который часто используется в подобных случаях является дисперсионный анализ с повторными измерениями. Он необходим, если у Вас все-таки есть дисбаланс по важным прогностическим факторам, иным нежели Ваше вмешательство (опять-таки чаще всего в случае отсутствия инстинной рандомизации, однако и при рандомизации относительно небольшой группы может случиться). При этом анализе повторным фактором будет время ФП (в минутах), влияющим фактором - группа (контроль/вмешательство). Если Вы измеряли более двух точек (до операции, спустя неделю, спустя месяц), то без дисперсионного анализа с повторными измерениями Вам не обойтись.
Если количество экстрасистол является фактором, который был не учтен (т.е. частота экстрасистол разная в группах или очень сильно связана с изменением ФП), то опять-таки без дисперсионного анализа с повторными измерениями не обойтись. Подробнее об этом анализе можно почитать http://www.pubhealth.spb.ru/SASDIST/SAS1-4.htm

Большое вам человеческое спасибо