随着时间的推移重复测量小nn

机器算法验证 重复测量 多重比较 威尔克森符号秩
2022-03-16 22:50:06

我获得了数据来分析一项研究，该研究着眼于四个不同时间点（治疗前、治疗结束当天、治疗后 4 周和治疗后 2-4 个月）治疗对铁水平的影响。没有对照组。他们正在寻找在 3 个治疗后时间点中的每一个与治疗前（基线）水平相比，铁水平是否显着增加。11 名患者具有基线水平，但只有 8 名患者具有所有 4 个时间点的完整数据（每个时间点 = 11、10、9 和 8）。不仅测量了铁水平，而且在每个时间点采取了另外两项实验室测量，以与基线进行比较。n

我有几个关于如何分析的问题。我最初认为 RM ANOVA 适合分析这些数据，但我担心样本量小、数据丢失以及数据的非正态分布。然后我考虑使用 Wilcoxon 符号秩检验将每个治疗后测量与基线进行比较，但后来我遇到了多重比​​较的问题。但是，我读过一些文献，这些文献淡化了需要进行多重比较。所以总的来说，我正在处理小样本、不完整的数据和多重比较（以及是否有必要）。

我希望这一切都有意义。我是 CrossValidated 的新手，一位同事将我带到这里，作为向经验丰富的统计学家学习的地方，所以我很感激任何建议！谢谢！

编辑以添加来自评论的原始数据：

总共有四个时间点，结果变量是连续的。例如，每个时间点的结果看起来类似于：

 Baseline (n=11): [2, 7, 7, 3, 6, 3, 2, 4, 4, 3, 14] 
 1st Post (n=10): [167, 200, 45, 132, ., 245, 199, 177, 134, 298, 111]
 2nd Post (n=9):  [75, 43, 23, 98, 87, ., 300, ., 118, 202, 156]
 3rd Post (n=8):  [23, 34, 98, 112, ., 200, ., 156, 54, 18, .]
2个回答

我重新考虑了您的问题，发现弗里德曼检验是具有重复测量的单向方差分析的非参数版本。

我希望你有一些基本的技能R。

# Creating a source data.frame
my.data<-data.frame(value=c(2,7,7,3,6,3,2,4,4,3,14,167,200,45,132,NA,
245,199,177,134,298,111,75,43,23,98,87,NA,300,NA,118,202,156,23,34,98,
112,NA,200,NA,156,54,18,NA),
post.no=rep(c("baseline","post1","post2","post3"), each=11),
ID=rep(c(1:11), times=4))

# you must install this library
library(pgirmess)

执行测试弗里德曼的测试...

friedman.test(my.data$value,my.data$post.no,my.data$ID)

    Friedman rank sum test

data:  my.data$value, my.data$post.no and my.data$ID
Friedman chi-squared = 14.6, df = 3, p-value = 0.002192

然后通过非参数事后检验找出哪些组之间存在差异。在这里，您可以进行所有可能的比较。

friedmanmc(my.data$value,my.data$post.no,my.data$ID)
Multiple comparisons between groups after Friedman test 
p.value: 0.05 
Comparisons
               obs.dif critical.dif difference
baseline-post1      25     15.97544       TRUE
baseline-post2      21     15.97544       TRUE
baseline-post3      20     15.97544       TRUE
post1-post2          4     15.97544      FALSE
post1-post3          5     15.97544      FALSE
post2-post3          1     15.97544      FALSE

如您所见，只有基线（第一个时间点）在统计上与其他时间点不同。

我希望这能帮到您。

如果您不知道个体随时间变化的分布，则无法用患者间差异的分布来近似它。例如，如果您有 10 名患者在治疗前和治疗后分别具有 (510,520,...,600) 铁水平和 (520,530,...,610)，则 Kruskal-Wallis ANOVA（或任何其他类似算法）将声称铁水平没有显着变化。

恕我直言，没有对照组，您能做的最好的事情就是计算有多少患者的铁水平增加了，有多少人降低了，并测试其意义。

也就是说，如果 KW ANOVA 告诉您铁含量很高，那就是（没有误报）。

其它你可能感兴趣的问题
上一篇渐近无偏性和一致性有什么区别？ 下一篇逐步回归是否提供总体 r 平方的有偏估计？