Zwei Parallelgruppen, zwei Messzeitpunkte - höchste Power?

Fragen zur Planung einer Untersuchung oder eines Projekts.

Zwei Parallelgruppen, zwei Messzeitpunkte - höchste Power?

Beitragvon gurgel » Do 21. Jun 2018, 17:35

Liebe Forumsmitglieder, ich beschäftige mich für eine Hausarbeit gerade mit einer eigentlich einfachen Frage:

"In einer randomisierten Studie soll ein neues Präparat zur Lipidsenkung bei Menschen mit Hypercholesterinämie gegen ein herkömmliches Präparat auf Überlegenheit getestet werden. Als Zielgröße wird das LDL-Cholesterin verwendet. Es wird direkt vor Randomisierung und nach 3 Monaten Medikamenteneinnahme bestimmt. Da das Kontrollpräparat schon sehr gut ist, rechnet die Herstellerfirma nur mit kleinen Verbesserungen und legt deshalb großen Wert darauf, ein statistisches Verfahren mit besonders großer Power zu verwenden. Folgende Vorschläge wurden von verschiedenen Seiten vorgebracht:

[habe schon einige nicht in Frage kommende Optionen herausgenommen]

(2) t-Test für abhängige Stichproben
(3) Zwei-Stichproben-t-Test der Vorher-Nachher-Differenzen
(8) Kovarianzanalyse der Differenzen
(10) Repeated Measurement ANOVA"

Das hier habe ich gerade in meinem Antwortentwurf geschrieben:

"Sinnvoll ist der Vergleich der Vorher-Nachher-Differenzen mittels Zwei-Stichproben-t-Test (3). Es handelt sich um ein Design mit Messwiederholung und somit liegen auf Subject-Ebene abhängige Stichproben vor. Dies wird jedoch durch die Bildung von Vorher-Nachher-Differenzen abgebildet. Zwischen den Behandlungsarmen liegt keine Abhängigkeit vor, so dass nicht ein t-Test für abhängige Stichproben (2), sondern für unabhängige verwendet werden sollte."

Stimmt Ihr mit meiner Aussage überein? Oder habe ich hier einen Denkfehler drin?

Weiter wären doch t-Test für abhängige Stichproben und Repeated Measurement ANOVA in diesem Fall (ein Faktor mit zwei Stufen) als gleich anzusehen, oder?

Dann habe ich weiter zur Kovarianzanalyse formuliert:

"Als komplexeres Modell ist jedoch auch eine Kovarianzanalyse der Differenzen (8) in Betracht zu ziehen. Hier besteht die Möglichkeit, Kovariablen in das Modell mit aufzunehmen. Bei sinnvollem Einsatz würde hierdurch zusätzlich Varianz aufgeklärt und somit die Power des Tests erhöht. Kovariablen können grundsätzlich nominaler bis stetiger Natur sein. Beispielsweise könnten hier Geschlecht, Rauchverhalten, Blutdruck oder der Baseline-LDL-Wert (etwa unter der Annahme, dass bei höheren Werten eine stärkere Senkung stattfindet) berücksichtigt werden."

Was haltet Ihr von dieser Aussage?

Ich freue mich auf Eure kritischen Kommentare, schon einmal herzlichen Dank!
gurgel
Einmal-Poster
Einmal-Poster
 
Beiträge: 1
Registriert: Do 21. Jun 2018, 17:03
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Zurück zu Versuchsplanung

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 4 Gäste