Tomar ventaja de muchas de las pre-tratamiento de las mediciones

Question

Estoy planeando un pre-post tratamiento-control estudio de diseño con un gran número de pre-tratamiento de las mediciones. He sujetos divididos en un grupo control y un grupo de tratamiento. Para ambos grupos, voy a recopilar datos por hora durante un año antes del inicio del tratamiento y, a continuación, continuar con la recolección de datos para el otro año. Esto producirá aproximadamente 9000 pre-tratamiento de las mediciones y 9000 post medidas de tratamiento para cada sujeto.

El tratamiento es algo que no se puede detener una vez que se inicia, así, un diseño cruzado sólo podría ser de la forma AA/AB, que no tomar ventaja de los beneficios de ese tipo de diseño.

La psicológica y la bio-médica de la literatura sugiere el uso de un modelo ANCOVA, donde el pre-tratamiento de los datos se utilizó como covariable en el modelo. Poner 9000 covariables en un modelo que parece totalmente ridículo. También, la reducción de la pre-tratamiento de datos de una estadística de resumen no tomar ventaja de la gran cantidad de mediciones.

Estoy seguro de que esto debe haber salido antes, alguna idea? Las referencias a los resultados publicados sería especialmente útil.

Answer 1

Disculpe mi post anterior. Ahora veo que usted no se refieren a 9000 diferentes covariables.

Lo que he escrito no se aplica a su situación.

Más sinceras disculpas.

Pablo

Hay mucha discusión acerca de la coincidencia y de la reducción de dimensionalidad en el pre-tratamiento de las covariables que pueden ser vale la pena examinar - es decir, la propensión de ponderación a través de la regresión logística y el equilibrio en el pre-tratamiento de las covariables, vis a vis la coincidencia de diferentes enfoques.

Por favor, consulte la siguiente ............... http://gking.harvard.edu/matchit

Este enfoque es fácil de ejecutar, en r, pero el número de variables que se han estaría buscando a utilizar sería muy poco probable que funcione.

Saludos Pablo

Answer 2

Esto no es una respuesta completa, pero sólo un par de ideas:

• Más pre-tratamiento de las medidas debe aumentar la fiabilidad de la medición de línea de base de las diferencias. El aumento de la fiabilidad de la medición de línea de base de las diferencias debe aumentar su potencia estadística para detectar diferencias entre los grupos (suponiendo que el efecto real que existe) con la pre-post de diseño de control.

• 9000 pre-tratamiento de las medidas es mucho. Un diseño general implica que usted está interesado en la dinámica temporal de algunos fenómenos. Sin embargo, si usted apenas está usando medidas como un indicador de diferencias de base, a continuación, habrá una serie de estrategias para la incorporación de esta en su modelo.

  • La estrategia más sencilla sería la de tomar la media para cada participante.
  • Si hay tendencia en los datos de los participantes, a continuación, una estimación de la puntuación justo antes de la intervención puede ser de mayor interés.
  • Aún más sofisticado sería desarrollar un modelo para cada individuo de lo que su puntuación sería en la variable dependiente después de la intervención se basa en algunos de proyección usando el pre-tratamiento de las medidas. Esto puede ser más pertinente si hay alguna forma de temporada o de otro efecto sistemático de operación de diferentes maneras por diferentes personas.

Puede que también quieras leer esta pregunta anterior acerca de las estrategias para el análisis de este tipo de diseños.