ছোট

চারটি ভিন্ন সময় পয়েন্টে (চিকিত্সার আগে, দিনের চিকিত্সা শেষ হওয়ার পরে, চিকিত্সার 4 সপ্তাহ পরে, এবং চিকিত্সার 2-2 মাস পরে) লোহার স্তরে চিকিত্সার প্রভাবগুলি দেখে এক গবেষণার জন্য বিশ্লেষণের জন্য আমাকে ডেটা দেওয়া হয়েছিল। কোনও নিয়ন্ত্রণ গ্রুপ নেই। তারা দেখতে চেয়েছেন যে চিকিত্সা (বেসলাইন) স্তরের স্তরের 3 চিকিত্সা সময় পয়েন্টগুলির প্রতিটিতে লোহার মাত্রায় উল্লেখযোগ্য বৃদ্ধি রয়েছে কিনা। এগারো জন রোগীর বেসলাইন স্তর রয়েছে তবে কেবলমাত্র 8 জন রোগীর সমস্ত 4 টাইম পয়েন্টের জন্য সম্পূর্ণ ডেটা ছিল ( $n$ = 11, 10, 9 এবং প্রতিটি সময় পয়েন্টের জন্য 8)। কেবলমাত্র আয়রনের মাত্রা পরিমাপ করা হয়নি, তবে প্রতিটি লাইনে বেসলাইনটির সাথে তুলনা করার জন্য দুটি অন্যান্য পরীক্ষাগার ব্যবস্থা নেওয়া হয়েছিল taken

এটি কীভাবে বিশ্লেষণ করা যায় সে সম্পর্কে আমার কয়েকটি প্রশ্ন রয়েছে। আমি প্রথমে ভেবেছিলাম কোনও আরএম আনোভা এই তথ্যটি বিশ্লেষণ করার পক্ষে উপযুক্ত হবে, তবে আমি ছোট নমুনার আকার, ডেটা হারাতে এবং ডেটার অ-স্বাভাবিক বিতরণ সম্পর্কে উদ্বিগ্ন ছিলাম। তারপরে আমি উইলকক্সনের স্বাক্ষরিত-র‌্যাঙ্ক পরীক্ষাগুলি ব্যবহার করে চিকিত্সা পরবর্তী প্রতিটি পদক্ষেপের তুলনা বেসলাইনের সাথে তুলনা করে বিবেচনা করেছি, তবে তারপরে আমি একাধিক তুলনা ইস্যুতে চলেছি। তবে, আমি কিছু সাহিত্য পড়েছি যেগুলি ডাউনপ্লেগুলির একাধিক তুলনা চালানোর প্রয়োজন। সুতরাং সামগ্রিকভাবে, আমি ছোট নমুনা আকার, অসম্পূর্ণ ডেটা এবং একাধিক তুলনা (এবং এটি প্রয়োজনীয় কিনা এবং না) নিয়ে কাজ করছি।

আমি আশা করি এই সমস্ত বোধগম্য। আমি ক্রসভিলেটেডে নতুন এবং অভিজ্ঞ পরিসংখ্যানবিদদের কাছ থেকে শেখার জায়গা হিসাবে এখানে কোনও সহকর্মী দ্বারা পরিচালিত হয়েছিল, তাই আমি কোনও পরামর্শকে প্রশংসা করব! ধন্যবাদ!

মন্তব্য থেকে কাঁচা ডেটা যুক্ত করতে সম্পাদিত:

মোট মোট চারটি পয়েন্ট রয়েছে এবং ফলাফলের পরিবর্তনশীল অবিচ্ছিন্ন থাকে। উদাহরণস্বরূপ, প্রতিটি সময় পয়েন্টে ফলাফল এর সাথে একই রকম দেখাচ্ছে:

 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, .]

repeated-measures multiple-comparisons wilcoxon-signed-rank

— msturm17
সূত্র

আপনি যদি পুনরুত্পাদনযোগ্য উদাহরণ (বা কাঁচা ডেটা) যুক্ত করেন তবে এটি সহায়ক।

— লাডিস্লাভ নাও

ফলাফল পরিবর্তনশীল অবিচ্ছিন্ন হয়। উদাহরণস্বরূপ, প্রতিটি সময় পয়েন্টের ফলাফলগুলি এর সাথে একই রকম দেখাচ্ছে: বেসলাইন স্তরগুলি n = 11: [2, 7, 7, 3, 6, 3, 2, 4, 4, 3, 14]। 1 ম পোস্ট এন = 10 [167, 200, 45, 132,।, 245, 199, 177, 134, 298, 111]। ২ য় পোস্ট এন = 9 [75, 43, 23, 98, 87,।, 300,।, 118, 202, 156]। তৃতীয় পোস্ট স্তর n = 8 [23, 34, 98, 112,।, 200,।, 156, 54, 18,।]। মোট চারটি সময় পয়েন্ট রয়েছে।

— msturm17

উত্তর:

আমি আপনার সমস্যার পুনঃবিবেচনা করেছি এবং ফ্রিডম্যানের পরীক্ষাটি পেয়েছি যা বারবার ব্যবস্থা নিয়ে একটি উপায় আনোভা-এর একটি নন-প্যারাম্যাট্রিক সংস্করণ ।

আমি আশা করি আপনার সাথে কিছু প্রাথমিক দক্ষতা আছে 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)

ফ্রেডম্যানের পরীক্ষা করুন ...

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

এবং তারপরে কোন-প্যারামিট্রিক পোস্ট-হক পরীক্ষার মাধ্যমে এই গ্রুপগুলির মধ্যে পার্থক্য রয়েছে তা সন্ধান করুন । এখানে আপনার সমস্ত সম্ভাবনা তুলনা রয়েছে।

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

আপনি দেখতে পাচ্ছেন যে কেবলমাত্র বেসলাইন (প্রথম বারের পয়েন্ট) অন্যদের চেয়ে পরিসংখ্যানগতভাবে পৃথক।

আমি আশা করি এটা তোমাকে সাহায্য করবে।

— লাডিস্লাভ ন্যাও
সূত্র

লাডিসালভ, এটি এই প্রশ্নের একটি দুর্দান্ত উত্তর। এটি অত্যন্ত সম্পূর্ণ এবং সম্পূর্ণ। কেবলমাত্র আমি দেখতে পাচ্ছি যে কৃস্কাল-ওয়ালিস আনোভা'রও পর্যবেক্ষণের স্বাধীনতার ধারণা রয়েছে, যেমন স্বাধীন ভেরিয়েবলের প্রতিটি স্তরে বিভিন্ন বিষয় রয়েছে, যে ক্ষেত্রে আমরা একই বিষয় অনুসরণ করছি না বলে আমরা একই ১১ টি অনুসরণ করছি such 4 সময় পয়েন্ট জুড়ে রোগীদের। এ বিষয়ে আপনার কোনও মতামত আছে কি না বা এই সমস্যাটি মোকাবেলার জন্য অন্য কোনও পদ্ধতি মনে আছে? অনেক ধন্যবাদ!

— ম্যাট রেইচেনবাচ

আমি উপরের আমার মন্তব্য মুছলাম। অবশেষে আমি আরও ভাল পরীক্ষা পেয়েছি। উপভোগ করুন!

— লাডিস্লাভ নাও

এটি আমার মূল প্রশ্ন নয়, @ মস্তুরম ১17, আপনার উত্তরটি গ্রহণ করতে হবে, যদিও আমি আপনাকে অনুগ্রহ দিয়েছিলাম!

— ম্যাট রেইচেনবাচ

লেডিস্লাভ, আমার প্রশ্নের পুরোপুরি জবাব দেওয়ার জন্য সময় দেওয়ার জন্য আপনাকে ধন্যবাদ!

— msturm17

আপনি যদি সময়ের সাথে সাথে পৃথক পরিবর্তনের বিতরণটি জানেন না, তবে আপনি রোগীর মধ্যে পার্থক্যের বিতরণের সাথে এটি আনুমানিক করতে পারবেন না। উদাহরণস্বরূপ, যদি চিকিত্সার আগে আপনার 10 জন রোগীর আয়রন স্তরের (510,520, ..., 600) এবং চিকিত্সার পরে (520,530, ..., 610) থাকে তবে ক্রুসকল-ওয়ালিস আনোভা (বা অন্য কোনও অনুরূপ অ্যালগোরিদম) দাবি করবে লোহার স্তরগুলির কোনও উল্লেখযোগ্য পরিবর্তন নেই।

আইএমএইচও, কন্ট্রোল গ্রুপ ব্যতীত, আপনি কতটা ভাল করতে পারেন তা হ'ল কত রোগী তাদের আয়রনের স্তর বাড়িয়েছেন এবং কতজন এটি হ্রাস পেয়েছে, এবং এর তাত্পর্য পরীক্ষা করে।

এটি বলেছিল, কেডব্লিউ আনোভা যদি আপনাকে বলে যে একটি উল্লেখযোগ্য লোহার স্তর রয়েছে তবে এটি (কোনও মিথ্যা ইতিবাচক নয়)।

— user31264
সূত্র

হ্যাঁ মিথ্যা ইতিবাচক জন্য! হাহাহা, তোমার উত্তরের জন্য ধন্যবাদ। কতজন রোগীর আয়রনের স্তর বাড়িয়েছে এবং কয়জন কমেছে তা গণনা করার ক্ষেত্রে আমরা কীভাবে "এর তাত্পর্য পরীক্ষা করতে" পরামর্শ দিই? ধন্যবাদ!

— ম্যাট রেইচেনবাচ

m

$m$

n

$n$

p = 2^{- (m + n)} \sum_{k = 0}^{m} (\binom{m + n}{k})

$p = 2^{-(m+n)} \sum_{k=0}^m {m+n \choose k}$

ধন্যবাদ! এটি আমার প্রশ্নটি দেখার অন্য একটি আকর্ষণীয় উপায় ছিল এবং এটি আমার ডেটাতে কীভাবে প্রযোজ্য তা দেখবে।

— msturm17