Jak określić wielkość próbki potrzebnej do powtórzenia pomiaru ANOVA?

Potrzebuję pomocy w zakresie powtarzania pomiaru ANOVA.

Badamy wpływ niektórych interwencji na zmniejszenie częstości zakażeń krwiobiegu (BSI) na niektórych oddziałach. Planujemy przechwytywać informacje o stawkach BSI co miesiąc, najpierw 12 miesięcy bez interwencji, a następnie 12 miesięcy z interwencją.

Myślimy o wykonaniu ANOVA dla szeregów czasowych lub powtarzanych pomiarów, wolę późniejszą, zanim nie mam zbyt wiele pomysłów na pierwszą (dodatkowe pytanie: zbyt mało punktów czasowych, prawda?), Ale potem nadchodzi kolejny problem, ile totemów potrzebujemy, aby pokazać, że naprawdę istnieje statystycznie istotny wpływ interwencji na wskaźnik BSI?

Myślę, że zrobię dwie ANOVA, jedną dla „przed interwencją”, drugą dla „podczas interwencji” i przypuszczam, że ANOVA „przed interwencją” nie powinna mieć znaczącego testu współczynnika F.

Uważam, że termin „wielkość próbki” jest dwuwymiarowy, albo liczba oddziałów, albo liczba powtórzonych pomiarów.

Jak przeprowadzić analizę mocy na ANOVA z powtarzanymi pomiarami?

G * Power 3 to darmowe oprogramowanie, które zapewnia przyjazny dla użytkownika interfejs GUI do wykonywania obliczeń mocy. Obsługuje obliczenia mocy dla ANOVA z powtarzanymi pomiarami.

Jaka jest odpowiednia analiza dla twojego projektu?

Oto szereg punktów związanych z tym, o czym wspomniałeś:

• Więcej punktów czasowych da wyraźniejsze wskazanie, w jaki sposób efekt twojej interwencji działa w miarę upływu czasu. Tak więc, jeśli ulepszenia zanikają w czasie lub stają się większe, więcej punktów czasowych da wyraźniejsze zrozumienie tych wzorców, zarówno średnio, jak i na poziomie indywidualnym.
• Jeśli masz 12 punktów czasowych lub więcej, przyjrzałbym się modelowaniu wielopoziomowemu, szczególnie jeśli oczekujesz brakujących obserwacji. Jest mało prawdopodobne, aby interesowała Cię kwestia czasu. Być może zainteresują Cię różne specyficzne efekty (np. Zmiany przed i po interwencji; być może liniowy lub kwadratowy efekt poprawy po interwencji). Możesz także spojrzeć na użycie planowanych kontrastów oprócz powtarzanych pomiarów ANOVA. Stosowana analiza danych podłużnych: zmiana modelowania i występowanie zdarzeń jest dobrym punktem wyjścia do zapoznania się z wielopoziomowym modelowaniem danych z powtarzanych pomiarów.
• Liczba punktów czasowych powyżej i powyżej przed i po wiele robi, aby zwiększyć twoją moc do wykrycia efektu twojej interwencji. Więcej punktów czasowych zwiększy niezawodność pomiaru i może zapewnić uchwycenie okresu, w którym efekt ma zastosowanie, ale prawdopodobnie większym problemem będzie wielkość próbki w dwóch warunkach.
• Zakładając, że naprawdę losowo przypisujesz przypadki do warunków, populacje są z definicji równe zmiennej zależnej i można argumentować, że test istotności różnic linii podstawowej jest bez znaczenia. To powiedziawszy, naukowcy nadal często to robią i przypuszczam, że dostarcza to pewnych dowodów na to, że losowa alokacja rzeczywiście miała miejsce.
• Toczy się spora debata na temat najlepszego sposobu przetestowania efektu interwencji w projekcie kontroli przed interwencją. Kilka opcji obejmuje: (a) warunek * interakcja czasowa; (b) efekt warunku, ale tylko po interwencji; (c) ANCOVA analizujący efekt warunku, kontrolujący przed, z postem jako DV.