Comparando as médias: como as diferenças situacional determinar métodos de ensaio

Video: Método Oral y Situacional

Você pode se perguntar por que existem tantos testes para uma tarefa tão simples como comparação das médias. Bem, “médias comparando” não se refere a um único-tarefa é um termo amplo que pode ser aplicado a uma série de situações que diferem umas das outras com base em:

• Se você está olhando para as mudanças ao longo do tempo dentro de um grupo de indivíduos ou das diferenças entre grupos de indivíduos (ou ambos)

• Quantos pontos de tempo ou grupos de indivíduos que você está comparando

• Quer ou não a variável numérica você está comparando é quase normalmente distribuído

• Quer ou não os números têm a mesma espalhar (Desvio padrão) em todos os grupos que você está comparando

• Se você quer para compensar os possíveis efeitos de alguma outra variável sobre a variável que você está comparando

Estas condições diferentes podem ocorrer em qualquer e todas as combinações, por isso há muitas situações possíveis.

Comparando a média de um grupo de números de um valor hipótese

Comparação de uma média observada para um valor particular surge em estudos em que, por algum motivo, você não pode ter um grupo de controle (como um grupo que tomou um placebo ou um grupo não tratado), então você tem que comparar seus resultados a um controle histórico, tal como a informação a partir da literatura.

Ele também aparece quando você está lidando com dados como os resultados dos testes que foram escalados para ter algum meio específico na população em geral (como o 100 para as pontuações de QI).

Esta informação é geralmente analisada pela um grupo de teste t de Student. Para dados não-normal, o Wilcoxon Signed-Rank (WSR) teste pode ser usado em seu lugar.

Video: Estudos Prospectivos x Estudos Observacionais

Comparando dois grupos de números

Talvez a situação mais comum é aquele em que você está comparando dois grupos de números. Você pode querer comparar algumas biomarcador proposta de uma condição médica entre um grupo de indivíduos conhecidos por ter essa condição e um grupo conhecido por não tê-lo.

Ou você pode querer comparar alguma medida de eficácia da droga entre os sujeitos tratados com a droga e indivíduos tratados com um placebo.

Ou talvez você quer comparar o nível no sangue de algumas enzima entre uma amostra de homens e mulheres.

Tais comparações são geralmente tratados pelo famoso desirmanado ou “amostra independente“ teste t de Student (Normalmente chamado apenas de o teste t). Mas o teste t é baseado em dois pressupostos sobre a distribuição de dados em dois grupos:

• Os números são normalmente distribuídos (Chamou o suposição de normalidade). Para dados não-normal você pode usar o não paramétrico Mann-Whitney (H-W) de teste, que o seu software pode referir-se como o Wilcoxon Soma-de-postos do teste (WSOR). O WSOR foi desenvolvido pela primeira vez, mas foi restringido para igual tamanho grupos- o teste M-W generalizada do teste WSOR a trabalhar para tamanhos iguais ou desiguais do grupo.

• O desvio padrão (SD), é a mesma para ambos os grupos (Chamou o equal-variância pressuposto pois a variância é simplesmente o quadrado da DP- assim, se os dois desvios padrões são os mesmos, os dois desvios irá também ser o mesmo).

  Se os dois grupos têm sensivelmente diferentes desvios (se, por exemplo, o desvio padrão de um grupo é superior a 1,5 vezes tão grande como o SD do outro), então o teste t pode não dar resultados fiáveis, em especial com grupos de tamanhos desiguais. Em vez disso, você pode usar uma modificação especial para o teste t de Student, o chamado teste de Welch (Também chamado de teste de Welch t, ou o teste desigual-variância t).

Comparando-se três ou mais grupos de números

Comparando-se três ou mais grupos de números é uma extensão óbvia da comparação de dois grupos na secção anterior. Por exemplo, pode comparar algum ponto final de eficácia, como resposta ao tratamento, entre os três grupos de tratamento (por exemplo, droga A droga, B, e placebo). Este tipo de comparação é tratado pelo análise de variação (ANOVA).

Quando há uma variável de agrupamento, como tratamento, você tem um ANOVA de uma via. Se a variável de agrupamento tem três níveis (como a droga A, B droga e placebo no exemplo anterior), é chamado um one-way, de três níveis ANOVA.

A hipótese nula da ANOVA de uma via é que todos os grupos têm a mesma quer dizer- a hipótese alternativa é que pelo menos um grupo é diferente de, pelo menos, um outro grupo. A ANOVA produz um único valor de p, e se isso p é menor do que o seu critério escolhido (como p lt; 0,05), você pode concluir que algo de diferente em algum lugar.

Mas a análise de variância não lhe diz quais os grupos são diferentes dos que os outros. Para isso, você precisa seguir uma ANOVA significativa com um ou mais dos chamados post-hoc Testes, que se parecem para as diferenças entre cada par de grupos.

Você também pode usar a ANOVA para comparar apenas dois grupos- este unidireccional, de dois níveis ANOVA produz exatamente o mesmo valor p como o teste clássico não pareado de igual variância t de Student.