Como comparar as mudanças dentro do grupo entre grupos

Comparando as mudanças dentro do grupo entre os grupos é uma situação especial, mas que surge com muita frequência na análise de dados de ensaios clínicos. Suponha que você está testando várias drogas artrite contra um placebo, e sua variável de eficácia é o nível de dor relatado do sujeito em uma escala de 0 a 10. Você quer saber se as drogas produzem uma melhoria maior em nível de dor do que o placebo.

Video: Tabela Periódica: Definição, Números e Períodos - Extensivo Química | Descomplica

Então você gravar nível de dor de cada sujeito antes de iniciar o tratamento (conhecido como o linha de base ou pré-tratamento) E novamente no final do período de tratamento (pós tratamento).

Uma maneira óbvia de analisar esses dados seria subtrair nível de dor pré-tratamento de cada sujeito em relação ao nível de pós-tratamento para obter a quantidade de mudança resultante do tratamento, e depois comparar as alterações entre os grupos com um one-way ANOVA (ou não pareado teste t de se existem apenas dois grupos).

Video: SALADA DE FRUTAS Quebra gelo #1 Dinâmicas para grupos e para células ou Cultos de jovens

Embora esta abordagem é estatisticamente válida, dados de ensaios clínicos geralmente não é analisado neste forma- em vez disso, quase todos os ensaios clínicos hoje em dia usa um ANCOVA para comparar as alterações entre os grupos.

Em uma ANCOVA, o resultado (o chamado variável dependente) Sendo comparados entre os grupos não é a variação de pré para pós-tratamento, mas sim a própria valor pós-tratamento. O valor pré-tratamento é inserido no ANCOVA como covariável.

Com efeito, a ANCOVA subtrai algunsmúltiplo de o valor de pré-tratamento a partir do valor pós-tratamento antes de comparar as diferenças. Ou seja, em vez de definir a mudança como (Post - PRE), a ANCOVA calcula a mudança como (Post - f Pré ×), onde f é um número que a ANCOVA descobre.

o f multiplicador pode ser maior ou menor do que 1, se acontecer de sair exatamente igual a 1, então a ANCOVA é simplesmente comparando a alteração pré-to-post, assim como a análise de variância.

Os estatísticos preferem a abordagem ANCOVA porque é geralmente ligeiramente mais eficiente do que a simples comparação de mudanças, e também porque pode compensar (pelo menos parcialmente) para várias outras complicações que muitas vezes afligem dados de ensaios clínicos.

Um ANCOVA pode ser considerada uma forma de regressão linear múltipla, e, na verdade, todos os métodos clássicos (emparelhado e testes t desemparelhados, ANOVA, e ANCOVAs) podem ser formulados na forma de vários problemas de regressão. Alguns pacotes estatísticos agrupar algumas ou todas essas análises em uma única análise chamada modelo linear geral.