Como comparar as mudanças dentro do grupo entre os grupos

Comparando as mudanças dentro do grupo entre os grupos é uma situação especial, mas que surge com muita frequência na análise de dados de ensaios clínicos. Suponha que você está testando várias drogas artrite contra um placebo, e sua variável de eficácia é nível de dor relatado do sujeito em uma escala de 0 a 10. Você quer saber se as drogas produzem uma melhoria maior em nível de dor do que o placebo.

Então você gravar nível de dor de cada sujeito antes de iniciar o tratamento (conhecido como o baseline ou pré-tratamento) E novamente no final do período de tratamento (pós tratamento).

Uma maneira óbvia para analisar esses dados seria subtrair nível de dor pré-tratamento de cada sujeito em relação ao nível de pós-tratamento para obter a quantidade de mudança resultante do tratamento, e então comparar as alterações entre os grupos com um one-way ANOVA (ou não pareado teste t de se existem apenas dois grupos).

Embora esta abordagem é estatisticamente válida, dados de ensaios clínicos não costuma ser analisado esta caminho- em vez disso, quase todos os ensaios clínicos hoje em dia usa um ANCOVA para comparar as alterações entre os grupos.

Numa ANCOVA, o resultado (o chamado variável dependente) Sendo comparados entre os grupos não é a mudança do pré ao pós-tratamento, mas sim o próprio valor pós-tratamento. O valor de pré-tratamento é inserido no ANCOVA como a covariável.

Com efeito, a ANCOVA subtrai algunsmúltiplo de o valor de pré-tratamento a partir do valor pós-tratamento antes de comparar as diferenças. Ou seja, em vez de definir a alteração como (Post - PRE), a ANCOVA calcula a mudança como (Post - f x Pre), onde f é um número que a ANCOVA descobre.

o f multiplicador pode ser maior ou menor do que 1, se acontecer de sair exatamente igual a 1, então a ANCOVA é simplesmente comparando a alteração pré-to-post, assim como a análise de variância.

Os estatísticos preferem a abordagem ANCOVA porque é geralmente ligeiramente mais eficiente do que a simples comparação de mudanças, e também porque ele pode compensar (pelo menos parcialmente) para várias outras complicações que muitas vezes afligem dados de ensaios clínicos.

Um ANCOVA pode ser considerado uma forma de regressão linear múltipla, e, de fato, todos os métodos clássicos (emparelhado e testes t não pareado, ANOVAs e ANCOVAs) pode ser formulado como vários problemas de regressão. Alguns pacotes estatísticos junte algumas ou todas estas análises em uma única análise de chamada modelo linear geral.