¿Cómo ajustar las comparaciones múltiples con 2 grupos en los que se miden varios resultados?

Question

Tengo dos grupos, Controles y Pacientes, con 6 mediciones para cada uno como velocidad, amplitud, etc. Me gustaría examinar si estas medidas son diferentes para los dos grupos. Así que primero calcularía la prueba U de Mann-Whitney entre los controles y los pacientes para la velocidad, y luego para la separación y así sucesivamente hasta que haya realizado 6 comparaciones.

Soy consciente de que debería corregir esto para las comparaciones múltiples, pero no estoy seguro de la mejor manera. Estoy jugando en R con el test.wilcox.pairwise pero sólo parece funcionar en los casos en los que hay 1 grupo y 1 conjunto de lecturas.

En primer lugar, para poder buscar más fácilmente en el futuro, ¿cómo se llama mi montaje experimental? Y ¿cuál es la mejor manera de ajustar las comparaciones múltiples en R?

Answer 1

Me parece que tienes tres opciones:

• No corrija las comparaciones múltiples y dígalo claramente cuando presente o publique su trabajo. Esta es probablemente la estrategia más común. Cualquier persona que vea los datos debe tener en cuenta las comparaciones múltiples a la hora de interpretarlos.
• Corregir utilizando el enfoque de la prueba de hipótesis estadística. El método de Bonferroni es el más utilizado.
• Corregir utilizando el enfoque de la Tasa de Descubrimiento de Falsos (FDR).

Por supuesto, hay una cuarta opción: Encontrar la comparación con los resultados más impresionantes y publicarla sin mencionar los otros resultados. Esto es una trampa, por supuesto, pero se hace comúnmente.

Answer 2

Simplemente tienes dos muestras multivariantes: Múltiples y diferentes mediciones en los mismos sujetos.

En su caso, puede utilizar procedimientos escalonados como el de Bonferroni-Holm. Funcionan sólo en los valores p, por lo que puede hacer este ajuste incluso "a mano" para sus 6 comparaciones.

No existe una respuesta general sobre el procedimiento de comparación múltiple que debe utilizarse. Todos tienen características diferentes, por lo que hay que hacerse preguntas para decidir, algunas de ellas son:

• ¿Cuánto sabes de las distribuciones? (en tu caso no mucho, ya que utilizas las pruebas de Wilcoxon...)
• ¿Necesita también intervalos de confianza simulacros?
• ¿Conoce la estructura de dependencia entre las estadísticas de la prueba (en su caso, probablemente no, a menos que sepa que existe una relación fija, por ejemplo, entre la velocidad y la amplitud)?
• ¿Realmente quiere ajustar la tasa de error por familia o es suficiente una tasa de falsos descubrimientos correcta?