¿Incluye una covariable debido a la diferencia del grupo de referencia o si está correlacionada con la VD o ambas?

Question

No entiendo los consejos contradictorios sobre el control de las diferencias de referencia.

¿Controlaría siempre una diferencia de referencia entre grupos en una variable concreta o sólo si la variable se correlaciona con la VD?

Estoy utilizando SPSS y realizando análisis de modelos mixtos para evaluar una intervención.

Jeromy, he intentado responder añadiendo un comentario, pero no consigo que funcione. Para responder:

@jeromy-anglim: Bueno es un diseño aleatorizado por grupos (colegios aleatorizados en intervención o control lista de espera). Sin embargo, a los participantes de las escuelas de control en lista de espera (condición de control) se les envió una invitación para participar en un estudio de cuestionario, mientras que a los participantes de las escuelas de intervención se les invitó a participar en una intervención de crianza. De ahí que la muestra estuviera ligeramente más angustiada (a pesar de los esfuerzos por evitarlo ofreciendo a los niños participantes un vale de 30 dólares). En mi caso, hay más niños varones en la muestra de intervención, y la muestra de intervención es de media 3 meses más joven. No hay otras diferencias de referencia para el informe de los adolescentes. Sin embargo, hay diferencias en la línea de base en casi todas las variables de resultados comunicadas por los padres (el grupo de intervención está más angustiado).

Answer 1

Quizá le interese leer el siguiente artículo

• Pocock, S.J. y Assmann, S.E. y Enos, L.E. y Kasten, L.E. (2002). Subgroup analysis, covariate adjustment and baseline comparisons in clinical trial reporting: current practice and problems. PDF GRATUITO
• Consulte el debate de las respuestas a esta pregunta sobre las mejores prácticas para analizar diseños de intervención pre-post

Algunas reflexiones, aunque confieso que no soy un experto en la materia:

• Si la aleatorización fuera perfecta, la prueba de significación sin covariables sería justa, aunque la inclusión de covariables podría beneficiar a la potencia. Cuanto más relacionada esté la covariable con el VD, en general, más se reducirá la varianza del error (lo que puede aumentar la potencia estadística suponiendo que exista un efecto verdadero). Esto, en combinación con las diferencias del grupo base en las covariables, conducirá a mayores diferencias entre las estimaciones ajustadas y no ajustadas de las covariables del efecto de la intervención.
• Parece que hay algunas desviaciones leves de la aleatorización, en el sentido de que la aleatorización se produjo a nivel de grupo, y puede haber habido algunas diferencias en la aceptación del experimento. Me interesaría especialmente saber si hay razones para esperar que los grupos difieran en sus medias en la VD al inicio del estudio. El grado en que las desviaciones de la aleatorización en el protocolo son un problema está relacionado con el grado en que conducen a grupos sistemáticamente diferentes.
• En la mayoría de las aplicaciones que he visto, es probable que las mediciones previas a la prueba capten la mayor parte de los efectos potenciales de cualquier covariable de referencia.
• Creo que el gran problema es que si hay diferencias de base sustanciales en la variable dependiente, puede ser difícil evaluar el efecto de la intervención.

Answer 2

Si el objetivo es mostrar diferencias de grupo en un resultado (Y), no hay ninguna ventaja en incluir una covariable a menos que sea relevante para (esté correlacionada con) Y. Pero hay que pensar las cosas detenidamente. Hay ocasiones en las que controlar una covariable sirve para "igualar", haciendo una comparación más justa (además de aumentar la precisión de un análisis). Hay otras ocasiones en las que, independientemente de cualquier resultado puramente estadístico, intentar igualar crea un escenario extraño (y esto está relacionado con el último punto de @Jeromy).

Supongamos que simplificamos diciendo que controlar una covariable implica ajustar cada grupo para que sea tratado como si fuera la media con respecto a la covariable. Pero, ¿y si el grupo A nunca pudiera ser medio en esa variable sin perder algo que es esencial para ser "grupo A"? Se trata de un campo complicado y controvertido de la estadística. Los libros de texto orientados a las recetas, es decir, los que se centran en los procedimientos en detrimento de los conceptos, tienden a pasar por alto esta cuestión. Apuesto a que el artículo de Pocock et al. es bueno; yo buscaría otros, o le echaría un vistazo a libros de autores reflexivos como James Davis, Geoffrey Keppel o Elazar Pedhazur.

También hay buena información sobre este tema en este hilo