STATISTIK-FORUM.de

[brainiac]

Hallo

Ich bräuchte bitte eure Hilfe, da ich mir bei ein paar Sachen etwas unsicher bin:

ich möchte im Rahmen einer Interventionsstudie statistische Berechnungen durchführen bin aber unschlüssig welche Verfahren ich verwenden soll:

Zur Studie:

* Interventionsstudie
* 1 Interventionsgruppe & 1 Kontrollgruppe
* 2 Erhebunsgzeitpunkte (an diesen wurden für beide Gruppen jeweils alle Parameter vor und nach der Intervention erhoben: T1 & T2)
* Parameter: SF-36 Fragebogen zum Gesundheitszustand (aus diesem Fragebogen resultieren insgesamt 8 Variablen)
* Interventionsgruppe n = 24; Kontrollgruppe n = 23

Nun habe ich für jede der 8 Variablen einen Wert für den Zeitpunkt T1 und den Zeitpunkt T2 sowie eine Gruppenvariable welche mir die Zugehörigkeit zu der Interventionsgruppe oder Kontrollgruppe angibt.

Nun meine Fragen

1) Ist es hier ok wenn ich z.B. nur für die Interventionsgruppe und Kontrollgruppe getrennt abh. t-Test für alle 8 Variablen rechne um festzustellen ob die Intervention über die Zeit etwas bewirkt hat?

2) oder wäre eine 2x2 repeated ANOVA ([2 xZEIT] x [2 x Gruppe]) sinnvoller und das halt für jede abhängige Variable (AV) einzeln?

3) Meine AVs (also die acht Parameter zu T1 & T2) korrellieren aber untereinander zu den jeweiligen Zeitpunkten?! Daher bin ich nicht sicher ob ich eine ANOVA für jeden Parameter einzeln überhaupt rechnen darf oder eine MANOVA sinnvoller wäre - das wird aber dann sehr komplex?!

Ich hoffe ihr könnt mir weiterhelfen - wäre über jeden hilfreichen Rat sehr dankbar!

Danke & Liebe Grüße

[PonderStibbons]

Angabe der Gruppenbildung fehlt (v.a. ob randomisierte Zuweisung). Ob 8 Werte aus dem SF-36 zu beziehen wirklich viel Sinn ergibt, weiß ich nicht, ich würde an Deiner Stelle eine Reduktion der Zahl der AVs versuchen. Wenn Du eine MANOVA rechnest, könntest Du vermutlich auch gleich einfach die Gesamtskala als AV nehmen. Mixed ANOVA, also Messwiederholungs- plus Gruppenfaktor, sieht nach einer praktikablen Option aus. Alternativ (bei randomisierten Gruppen) auch T2-Gruppenvergleich mit T1-Werten als Kovariate, oder einfach Gruppenvergleich der T1T2 Differenzwerte (die man auch "nonparametrisch" auswerten könnte, falls die Bedingungen für ANOVA nicht erfüllt sind).

Gruß

P.
---
Gottseidank...Kanon für 36

[Michael]

Daher bin ich nicht sicher ob ich eine ANOVA für jeden Parameter einzeln überhaupt rechnen darf

Rechnen dürfen tust du alles. Es kommt in erster Linie darauf an, wie Du die Ergebnisse interpretierst. Bei 8 AVs hast Du bei strenger Auslegung ein Problem mit der Alpha-Inflation, weil Du mehrere Tests mit den gleichen Daten zu sehr ähnlichen Fragestellungen durchführst. Wenn Du aber Deine Ergebnisse weniger konfirmativ (hypothesenbestätigend), sondern eher explorativ (hypothesengenerierend) interpretierst, sind m.E. auch 8 einzelne Tests angemessen. Allerdings solltest Du auf jeden Fall Anovas mit Messwiederholung durchführen und keine T-Tests!

Vielleicht folgender Vorschlag: Die 8 Skalen des SF-36 lassen sich ja zu zwei übergeordneten Skalen (Körperliche und Psychische Summenskala) aggregieren. Mit diesen beiden Summenskalen kannst Du jeweils eine ANOVA mit Messwiederholung durchführen. Das Problem der Alpha-Inflation ist dann auch wesentlich geringer.

LG,
Michael

[Michael]

Ergänzung: Bei randomiserter Zuweisung natürlich eher ANCOVAs (sind Teststärker), wie von PonderStibbons erwähnt.

[Jessi]

Hallo,

Folgendes Design:

Ich evaluiere ein Training und habe dazu zu 3 Messzeitpunkten Fragebogendaten erhoben. Zwischen erstem und zweitem Messzeitpunkt hatte die erste Hälfte der Probanden das Training, zwischen zweitem und drittem Messzeitpunkt hatte dann die zweite Hälfte der Probanden das Training. Ich möchte nun untersuchen, ob das Training in beiden Gruppen Erfolg hat und zudem prüfen, ob die erste Gruppe auch zum dritten Messzeitpunkt noch langfristige Effekte des Trainings zeigt.
Die Gruppen wurden nicht randomisiert eingeteilt.

Ist es hier eine gute Wahl, eine zweifaktorielle ANOVA mit Messwiederholung zu rechnen? Oder gäbe es irgendwie etwas besseres? Eine ANCOVA geht ja schon allein nicht, weil keine Randomisierung stattgefunden hat und zudem wüsste ich nur, wie das für den Fall von zwei Messzeitpunkten gerechnet werden kann. Oder?

Vielen Dank!
Jessi

[Claas]

Ist es hier eine gute Wahl, eine zweifaktorielle ANOVA mit Messwiederholung zu rechnen?

Wie möchtest du denn dabei den langfristigen Effekt prüfen?
M.E. wäre eine dreifaktorielle ANOVA (mit Sequenz als dritter UV) angezeigt.
Allerdings wäre die Datendatei so zu strukturieren, dass du nur noch 2 Mzp hast (vor und nach (Training bzw. Kontrolle)) und eben 2 Gruppierungsfaktoren (Training vs. Kontrolle und Sequenz A vs. Sequenz B).
Grüße
Claas

[Jessi]

Hi,

Wenn ich eine dreifaktorielle ANOVA rechne, kann ich aber nicht mehr den Verlauf über die drei Messzeitpunkte prüfen?!
Mit Langzeiteffekt meine ich, dass ich prüfen möchte, ob die Gruppe, die das Training zwischen erstem und zweitem Messzeitpunkt erhalten hat, auch zum dritten Messzeitpunkt noch höhere Werte auf der AV aufweist. Das könnte ich dann doch mit der Messwiederholung prüfen?

LG Jessi

[Claas]

Hi Jessi,

dass ich prüfen möchte, ob die Gruppe, die das Training zwischen erstem und zweitem Messzeitpunkt erhalten hat, auch zum dritten Messzeitpunkt noch höhere Werte auf der AV aufweist. Das könnte ich dann doch mit der Messwiederholung prüfen?

Welches Programm nutzt Du denn?
Wenn Du SPSS nutzt, kannst Du das in einer 2-faktoriellen ANOVA m.E. nicht prüfen, da es in SPSS keine Trendtests für Interaktionsterme gibt.
Du könntest natürlich eine 2-faktorielle ANOVA nur für 1. und 2. Mzp rechnen, das entspräche dann dem waiting-list-control design.
Und zusätzlich eine 1-faktorielle ANOVA (mit Trendtests) mit allen 3 Mzp nur für die Gruppe, die das Training zwischen erstem und zweitem Messzeitpunkt erhalten hat, rechnen. Oder nur einen t-Test zwischen 1. und 3. Mzp (denn es geht Dir ja glaube ich nicht um den Unterschied zwischen 2. und 3. Mzp, oder?).
Die 3-faktorielle ANOVA wäre für crossover die übliche Vorgehensweise. Aber, da muss ich Dir nun recht geben, das liegt hier ja im eigentlichen Sinne nicht vor, da du ja gerade am carry-over-Effekt interessiert bist (statt ihn durch eine geeignete wash-out-Phase zu eliminieren). Sorry für den falschen Tipp.
LG
Claas

[Jessi]

Hi Claas,

Stimmt, ich nutze SPSS und weiß wirklich nicht, wie man da entsprechende Trend-Tests rechnen kann. Ich habe mir jetzt noch folgende Möglichkeit überlegt:

Ich könnte mit der Funktion "Daten aufteilen" die Daten nach Gruppenzugehörigkeit aufteilen lassen und dann eine ANOVA mit Messwiederholung nur mit dem Messwiederholungsfaktor als Faktor rechnen. Dabei könnte ich mir dann als Kontrast "Differenz" ausgeben lassen und würde dann pro Gruppe sehen, wie sich die AV von Zeitpunkt 1 zu 2 und von Zeitpunkt 2 zu 3 verändert. Was hälst du davon? Ich habe noch nie mit dieser Funktion "Daten aufteilen" gerechnet, daher bin ich mir nicht so sicher.

Danke dir für deinen Tipp!

Jessi

[Claas]

Hallo Jessi,
ja, so ungefähr habe ich mir das auch vorgestellt.
Allerdings vergleicht "Differenz" mit dem Mittel aller vorhergehenden Stufen, also die dritte dann mit dem Mittel aus erster und zweiter.
Ausserdem, wäre nicht der Unterschied zwischen 1. Mzp und 3. Mzp für die Beurteilung des Langzeiteffektes interessanter?
Du könntest post-hoc-Einzelvergleiche nach Scheffé rechnen.
Ich würde einfach einen t-Test zwischen 1. und 3. Mzp rechnen.
Für den Nachweis der Wirkung zwischen 1. und 2. Mzp wäre dann die ANOVA (->Interaktionseffekt zwischen pre-post und Gruppenzugehörigkeit) "zuständig".
LG
Claas