Kann ich "linkes Auge" und "rechtes Auge" in meiner Stichprobe als zwei verschiedene Probanden verwenden?


11

Meine Daten sind wie folgt. Ich habe zwei Gruppen von Patienten. Patienten in jeder Gruppe hatten eine andere Art von Augenoperation. In jeder Gruppe wurden 5 Variablen an Patienten gemessen. Ich möchte diese Variablen zwischen den beiden Gruppen mit einem Permutationstest oder MANOVA vergleichen. Das Auge, an dem die Operation durchgeführt wurde, spielt in der Analyse keine Rolle. Patient 2 in Gruppe A hatte jedoch zum Beispiel die Operation an beiden Augen und hat daher diese 5 Variablen zweimal gemessen, einmal an jedem Auge. Kann ich Patient 2 links und Patient 2 rechts als zwei verschiedene Beobachtungen betrachten? Gleiches gilt für Patient 31 in Gruppe B. Typ der

PatientSurgery typeSideV1V51ALeft91222ALeft87192ARight9023...31BLeft901731BRight881932BRight9124...

2
Ihr Test kann durch etwas Ähnliches wie ein Matched-Pair-Test, ein unausgeglichenes randomisiertes Blockdesign, durchgeführt werden. Aber bevor ich weiter denke, könnten Sie bitte Ihre Daten näher erläutern, wie sieht es aus usw.?
Suncoolsu

Vielen Dank. Ich versuche, meine Daten hier im Blog in einem schönen Tabellenformat darzustellen, aber ich habe immer noch nicht herausgefunden, wie. Ich werde sicherstellen, dass meine Daten in meiner nächsten Frage detailliert dargestellt werden. Ich möchte wiederholen, dass beide Augen die gleiche Art von Operation hatten, also in der gleichen Gruppe sind.
Sara

Ich habe eine Beispieltabelle erstellt. Sie können sie jetzt bearbeiten, um Ihre Daten anzuzeigen.
Suncoolsu

@suncoolsu, die Frage ist ohne die Daten zu beantworten. Was ist Ihre Absicht, die OP-Post-Daten zu haben?
Iterator

@Iterator Ich stimme zu und du hast es bereits beantwortet (und ich habe es positiv bewertet :-)). Ich war nur neugierig, die Daten zu sehen und welche Modelle auf die Daten passen könnten.
Suncoolsu

Antworten:


15

Ich würde es nicht empfehlen. Da ich kein Domain-Experte bin, kann ich immer noch drei Dinge identifizieren, die die Unabhängigkeit der Ergebnisse beeinträchtigen würden:

  1. Beide Augen wurden (fast) gleichzeitig behandelt. Dies ist zwar nicht unbedingt ein Problem, wirkt sich jedoch auf die anderen Annahmen der Unabhängigkeit aus. Darüber hinaus hat sich das Operationsteam möglicherweise dafür entschieden, beide auf die gleiche Weise zu behandeln oder eine Entscheidung über ein Auge unter Berücksichtigung von Aspekten des anderen Auges zu treffen.
  2. Beide Augen wurden von demselben Operationsteam behandelt (Chirurg und alle anderen Beteiligten).
  3. Beide Augen unterliegen denselben "Faktoren" des Patienten, dh allem, was dem Patienten eigen ist und die Ergebnisse beeinflussen könnte, wie z. B. die Einhaltung anderer Behandlungen, die allgemeine Gesundheit usw.

Wenn etwas über das Ergebnis dem Operationsteam oder dem Patienten zugeschrieben werden kann, liegt ein Problem vor.


5

Da alle bisherigen Antworten negativ sind (in Bezug auf die Befürwortung, weniger als den vollständigen Datensatz zu verwenden oder begrenzte Verwendungszwecke für die Zwei-Augen-Fälle vorzuschlagen), wollen wir sehen, was getan werden kann. Dafür brauchen wir ein Wahrscheinlichkeitsmodell.

Betrachten Sie eine einzelne Antwortvariable, (anscheinend eine von V1 bis V5). Nehmen wir als Ausgangspunkt an, dass die Antwort von mehreren Faktoren abhängt, einschließlichY

  • Eine durchschnittliche oder "typische" Antwort .μ

  • Ein zufälliger patientenspezifischer Faktor mit dem Mittelwert Null.ε

  • X2

  • X.s

  • X.e

  • δε

Es ist hier implizit, dass das Experiment auf bestimmte Standardmethoden entworfen wurde: nämlich dass Patienten zufällig aus einer bestimmten Population ausgewählt wurden; dass die Bestimmung zur Behandlung des linken Auges, des rechten Auges oder beider entweder randomisiert war oder unabhängig von anderen Faktoren angenommen werden kann; usw. Änderungen dieser Annahmen würden begleitende Änderungen im Modell erfordern.

jjrichtig,linksich

Y.((ich,j)=μ+β2X.2((ich,j)+βsX.s((ich,j)+βeX.e((j)+ε((ich)+δ((j).

Dies sieht aus wie ein etwas komplexes, teilweise verschachteltes gemischtes Modell. Parameter anpassenμ, β2 und βs kann mit maximaler Wahrscheinlichkeit (oder möglicherweise verallgemeinerter Regression der kleinsten Quadrate) durchgeführt werden.

Ich biete dies nur zur Veranschaulichung an, um zu zeigen, wie man profitabel über dieses Problem nachdenken und einen Weg finden kann, den Datensatz in vollem Umfang zu nutzen. Einige meiner Annahmen sind möglicherweise falsch und sollten geändert werden. zusätzliche Interaktionen können erforderlich sein; Möglicherweise sind einige Überlegungen erforderlich, wie mit potenziellen Unterschieden zwischen den Augen am besten umgegangen werden kann. (Es ist unwahrscheinlich, dass es einen universellen Unterschied zwischen links und rechts gibt, aber vielleicht gibt es einen Unterschied, der zum Beispiel mit dem dominanten Auge des Patienten zusammenhängt.)

Der Punkt ist, dass es keinen Grund zu geben scheint, die Analyse entweder auf ein Auge pro Patient zu beschränken oder Ad-hoc- Analysemethoden anzuwenden . Die Standardmethode scheint anwendbar zu sein, und ein guter Weg, sie anzuwenden, beginnt mit der Modellierung des Experiments.


Ich denke, es ist wichtig hinzuzufügen, dass die Annahme der Unabhängigkeit getestet werden kann und sollte, wenn die Proben mit binokularen Behandlungen verwendet werden. Solche Tests auf Abhängigkeit sollten aus zwei Gründen durchgeführt werden, bevor ein Modell ausgeführt wird: 1: Wenn eine gewisse Abhängigkeit besteht, kann dies sehr interessant sein. 2: Das Verständnis der Abhängigkeit könnte zu einem besseren Modell führen.
Iterator

@Iterator Ihr guter Vorschlag ist genau das, was ich mir von dieser Diskussion erhofft hatte: Wenn wir darüber nachdenken, wie wir unsere Daten modellieren sollen, erhalten wir oft einen Einblick, welche Annahmen getroffen werden und getestet werden müssen.
whuber

@whuber Guter Start. Wie immer haben Sie Recht mit der Behandlung mit "gemischten Modellen"! Ich stimme Ihnen zu, dass wir keine Daten "wegwerfen" sollten.
Suncoolsu

3

Ich stimme den anderen zu, dass zwei Augen desselben Patienten nicht unabhängig sind. Ich bin jedoch per se nicht damit einverstanden, nur eine Probe zu verwenden. Nach all dem wirft das wertvolle Proben weg.

In einer etwas ähnlichen Situation (einige meiner Patienten wurden erneut mit demselben Tumor operiert) verwende ich ihre Proben.

  • Für die (iterierte / wiederholte Kreuz-) Validierung stelle ich sicher, dass die Aufteilung patientenweise erfolgt.
  • Ich kann die effektive (statistische) Stichprobengröße nicht angeben. Für mich ist das sowieso kein Problem, da einige Patienten mehr Proben haben. Ich habe Hunderte von Spektren für jede Probe und sie werden weder wiederholt (sie stammen von verschiedenen Orten) noch unabhängig. Also verliere ich hier nichts.
  • Ich verwende manchmal die Anzahl der Patienten als konservative Grenze für die effektive (statistische) Stichprobengröße: Zumindest die Patienten sind unabhängig
  • Sie können die Proben so wiegen, dass jeder Patient mit demselben Gewicht in die Analyse eintritt.

2

Ich stimme @iterator zu. Wenn ein großer Teil an beiden Augen operiert würde, würde ich eine Art passendes Paar machen. Wenn nur ein kleiner Teil an beiden Augen operiert würde, würde ich wahrscheinlich kein Auge für diese Menschen verwenden, aber sicherlich nicht beide.


1
Peter hat recht. Eigentlich könnte das Set an sich schon sehr interessant sein: Bedingt durch die Notwendigkeit, beide Augen operieren zu müssen , waren die Ergebnisse schlechter? Der Grund , warum wir befürworten die Unabhängigkeit nicht davon aus , dass es eine Menge Gründe, warum dies könnte falsch sein. Wenn die Stichprobe groß genug ist, testen Sie die Unabhängigkeit. Der Einblick könnte sehr interessant und praktisch nützlich sein.
Iterator

1

Ein Punkt, der zu den Kommentaren von Iterator und Peter hinzugefügt werden sollte. Bei der Analyse des Gesamtdatensatzes sollten Sie nur die Daten eines Auges für Patienten verwenden, die an beiden Augen operiert wurden (da das Ergebnis für beide Augen wahrscheinlich nicht unabhängig ist). Welches Auge? Verwenden Sie eine Randomisierungsmethode, damit Sie nicht die Methode mit dem besseren (oder schlechteren) Ergebnis auswählen, die die Ergebnisse beeinflussen (verzerren) würde.

Im Rahmen einer separaten Studie möchten Sie möglicherweise nur Patienten mit guten Ergebnissen auf einem Auge und nicht auf dem anderen untersuchen und versuchen, festzustellen, ob es Hinweise darauf gibt, was den Unterschied verursacht.

Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.