Estoy analizando un doble-ciego, controlado con placebo, RANDOMIZADO utilizando un ANCOVA en R, donde la predicción de "efecto del tratamiento" muestra antes de que el tratamiento ha producido!
El objetivo del estudio es determinar si el tratamiento de una enfermedad reduce un determinado comportamiento. La gente con tanto de la enfermedad y el comportamiento fueron aleatorizados 50-50 en el tratamiento y el placebo de control de armas.
Como se predijo, hubo una interacción significativa entre la intervención y la enfermedad de base del estado (todas las variables de intervalo, excepto para la "intervención", que es una de dos niveles del factor variable de identificación de tratamiento versus el grupo de control):
MODEL 1:
Call:
lm(formula = follow_up_behavior ~ baseline_behavior + baseline_disease *
intervention, data = d)
Estimate Std. Error t value Pr(>|t|)
(Intercept) 11.28464 0.51177 22.050 <2e-16 ***
baseline_behavior 0.77872 0.05112 15.234 <2e-16 ***
baseline_disease 0.36726 0.23110 1.589 0.1146
interventiontreatment 0.74738 0.70254 1.064 0.2895
baseline_disease:interventiontreatment -0.64681 0.31374 -2.062 0.0414 *
La interacción fue predicho debido a que la intervención es un tratamiento muy eficaz para la enfermedad, pero la enfermedad de base del estado varía a lo largo de un continuo de cerca de 0 a muy alta. Por lo tanto, las personas con alta de línea de base de la enfermedad obtuvo el mayor beneficio del tratamiento, y por lo tanto han tenido el mayor reducción en la respuesta conductual. Hasta ahora tan bueno.
En una alondra, me encontré con una muy similar, modelo de referencia de comportamiento:
MODEL 2:
Call:
lm(formula = baseline_behavior ~ baseline_disease * intervention,
data = d)
Estimate Std. Error t value Pr(>|t|)
(Intercept) -0.6350 0.7620 -0.833 0.4062
baseline_disease 0.7422 0.5016 1.480 0.1415
interventiontreatment 1.1941 1.0611 1.125 0.2626
baseline_disease:interventiontreatment -1.3320 0.6510 -2.046 0.0428 *
Como usted puede ver, hay una muy similar interacción significativa entre el estado de la enfermedad y el grupo de intervención, aunque a pesar de que la intervención no ha ocurrido todavía. Este parece ser un fallo de la aleatorización.
Mi preocupación principal es que debido a follow_up_behavior es muy altamente correlacionado con baseline_behavior, la interacción significativa en el primer modelo, es debido a la pre-existente de la interacción visto en el segundo modelo, y no es por tanto una consecuencia de la intervención.
Mis preguntas son:
¿Tienes un problema?
Si es así, ¿incluyendo baseline_behavior como una variable de control en el modelo 1 a solucionar el problema, es decir, garantizar que la interacción significativa en este modelo no es una consecuencia de la pre-existentes de interacción visto en el modelo 2, pero en su lugar debido a la intervención?
Si la inclusión de baseline_behavior como un control es insuficiente, hay algo que yo pueda hacer de salvamento en el estudio?
Muchas gracias de antemano por cualquier ayuda o ideas.
