Varianzanalyse?

Wissenschaft Sozialwissenschaften
#1

Im Rahmen einer medizinischen Studie plane ich im Moment die statistische Auswertung.
Zum Studiendesign: Probanden werden doppelblind und randomisiert in 2 Gruppen eingeteilt, verschiedene Untersuchungen erfolgen zu 5 Zeitpunkten. Verglichen werden die Werte zum jeweiligen Zeitpunkt zwischen den Gruppen. meine Frage lautet: nach Hinweisen der örtlichen Ethikkommission soll eine (für multiple Vergleiche korrigierte (Bonferroni???))Varianzanalyse der Gruppen nach den Unterfaktoren ZEITPUNKT und GRUPPE vorgenommen werden. Dient diese der Evaluation der Vergleichbarkeit? ich hätte als test sonst nur zum jeweiligen Zeitpunkt je nach Verteilung (parametrisch, nicht parametrisch) einen Gruppenvergleich durchzuführen. (t-test, wilcoxon)

Wie wäre denn allgemein das beste Vorgehen und wie formuliere ich das am besten?

Danke für die Hilfe!

#2

Hallo,
eine Varianzanalyse mit Messwiederholung (die Zeitpunkte) ist das bessere Vorgehen. Da du mit der Varianzanalyse sowohl die unterschiedlichen Zeitpunkte, als auch die unterschiedlichen Gruppen gleichzeitig vergleichen kannst, hast du hier eine wesentlich bessere Auswertung als die T-Tests.
Ein mögliches Problem in deiner Anordnung ist aber, wenn du innerhalb deiner Untersuchung Probanden verlierst. In die Varianzanalyse können nur die eingehen, die an allen 5 Messzeitpunkten teilgenommen haben. Eine Mögliche Lösung hierfür wäre eine Mehrebenenanalyse.

#3

Hallo Oliver,

t-Tests werden der Komplexität Deines Studiendesigns nicht gerecht.
Interessant ist vielmehr der Verlauf über die Zeit (vermutlich schwere der Symptome, oder der Nebenwirkungen oder so?), im Vergleich zwischen beiden Gruppen.
Hierzu sillte eine MANOVA mit Messwiederholung berechnet werden.

In SPSS kommst Du so dort hin: Analysieren - Allgemeines lineares Modell - Messwiederholung
Du musst einen 5-stufigen Faktor definieren, weil Du 5 Messzeitpunkte (MZP) hast.

Danach setzt Du Deine Variablen (z.B. Symptombelastung) für jeden einzelnen MZP in das Fenster und gibst als Faktor die Gruppenzugehörigkeit (Medikament-Placebo) ein.
Unter Optionen kannst Du den Haupteffekt der Zeit auch noch zusätzlich mit einer bonferronikorrektur genauer untersuchen: welche Stufe des Faktors unterschiedet sich signifikant von welcher…

Interessatn müsste bei Deinem Design vor allem der Interaktionseffekt zwischen Gruppe (Medikament-Placebo) und der Zeit sein, da optimalerweise die Symptombelastung in beiden Gruppen gleich hoch ist, aber nur in der Medikamentengruppe signifikant zurückgeht.

LG, liberty

#4

Hi Oliver,

ob Du eine Varianzanalyse machst oder t-test-Paarvergleiche, ist vom Ergebnis her egal. Die Bonferoni-Adjustierung bezieht sich nur auf die Fehlerkumulation - denn wenn Du zwei Gruppen auf Unterschiedlichkeit testest und ein Konfidenzintervall von 95,5% festlegst, ist das eine Sache. Aber schon zum zweiten Messzeitpunkt, wo Du ja wieder einen Gruppenvergleich mit einem Konfidenzintervall anstellst, hast Du ja zwei Mal eine Unsicherheit von 4,5%. Die Bonferoni-Adjustierung besagt im Prinzip nur: Wenn Du insgesamt eine Aussagensicherheit von 95,5% haben möchtest, musst Du pro Gruppenvergleich nicht 95,5% Konfidenz setzen, sondern 100%-(4,5%/Anzahl der Vergleiche), also mit einem neuen Alpha von unter 1%! Das wäre die konservativste Methode (brauchst Du hohe Fallzahlen, um Deine Effekte nachweisen zu können). Eine Alternative wäre die Bonferoni-Holm-Prozedur (siehe Wikipedia).

Ich hoffe, ich konnte Dir helfen!

Carsten

#5

Hallo Oliver,

Varianzanalyse und t-Test sind ja eng miteinander verwandt. Daher macht es eigentlich keinen Unterschied, wie du das jetzt formulierst.

Interessanter finde ich Deinen Hinweis auf nicht-parametrische Tests. Wenn du diese für notwendig hälst, bist du mit einer Varianzanalyse natürlich auf dem völlig falschen Dampfer.

Ich hoffe, das hat ein wenig geholfen.

Herzliche Grüße

Andreas

#6

Da möchte ich nochmal nachhaken:

Wir implantieren im Test zwei verschiedene Implantate. (Test und „Placebo“)
Symptome und Nebenwirkungen analysieren wir nur deskriptiv. Uns geht es um mit den Implantaten erreichte Leistung. (Sollte in der Tstgruppe postoperativ steigen und dann über die Zeit gleich bleiben, während in der Placebo gruppe nicht mit einer Änderung über die Zeit zu rechnen ist). Dazu werden objektive und subjektive Tests durchgeführt, die Resultate sind immer numerische Werte. Pro Messzeitpunk kommen so etwa 10 Messwerte zusammen. Dann mache ich das MANOVA Prinzip für jeden der messwerte, richtig?

Die Unterschiede zwischen den Zeitpunkten interessieren mich im Gruppenvergleich eigentlich nicht, sondern nur ob die Unterschiede über die Zeit ändern und ob sie zu den einzelnen Zeitpunkten überhaupt nachweisbar sind. So denke ich auch, hast Du das in der Antwort gemeint, oder?

Ich bin wirklich dankbar für diese (und auch die anderen!) Antworten! Ihr rettet mir den Tag!

THX

#7

Sehr geehrter Herr Klaproth,

leider kann ich bei dem Problem nicht helfen, da ich mich auf Sportstatistik spezialisiert habe. Siehe auch www.olympische-flamme.de

Freundliche Grüße
Michael Menzel

#8

Hi Oliver,

Wenn das so ist, dann brauchst Du Dir m.E. über den leiben Herrn Bonferroni keine Gedanken zu machen. den brauchst Du nur bei wiederholten paarweisen Vergleichen (z.B. MZP1 vs. MZP2, MZP1 vs. MZP3 …)

Wenn Dich die Unterschiedlichkeit im Verlauf über die Zeit bei den beiden Gruppen Placebo vs. Test interessiert, dann gibt es eigentlich nur die Möglichkeit, den Interaktionseffekt zu berechnen.

Noch eleganter wäre natürlich ein Latent Growth Curve Model (LGM), aber ich habe den Verdacht, dass das über Deine statistische Ausbildung hinausgeht. Dazu müsstest Du dann einen Empiriker aufsuchen und vermutlich auch bezahlen…

LG, liberty

#9

Hallo!

Danke für das Vertrauen! Allerdings bin ich in diesem Fall etwas überfordert. Ich bin eher Fachmann für Datamining und Modellstatistik. Ihre Frage benötigt einen erfahrenen Medizinstatistiker, der sich mit den Unterschieden multivariater Varianzanalyse und bivariaten Tests auskennt.

Mir ist in Ihrem Fall die Hypothese noch nicht ganz klar. Vermutet man, dass die Ergebnisse von den Zeitpunkten unabhängig sein sollten? Oder von der Gruppenzugehörigkeit? werden in beiden Gruppen zum Zeitpunkt t jeweils die gleiche oder unterschiedliche Untersuchungen gemacht?

Viele Grüsse!

Christof

#10

Selbst ist der Mann! Vielen Dank für die Hinweise, jetzt hab ich erstmal wieder was zu lernen.

Danke!