Summary-measures analysis
Herleid elke patiënt tot één getal en gebruik dan een standaardtoets voor twee groepen.
Klinisch voorbeeld
Bloeddruk gemeten bij tien bezoeken in twee behandelarmen. Per patiënt berekent u de verandering van baseline tot het laatste bezoek, en vergelijkt u die verandering tussen de armen.
Wanneer te gebruiken
- De uitkomst is een meting die drie of meer keer per patiënt is gedaan.
- U kunt vooraf één klinisch zinvol kenmerk per patiënt noemen: verandering ten opzichte van baseline, piek, oppervlakte onder de curve of helling.
- U wilt groepen vergelijken met een standaardtoets voor twee groepen op dat getal.
Aannames om te controleren
Kies de samenvatting vóór het verzamelen van gegevens
Kiezen nadat u de gegevens hebt gezien maakt fout-positieven waarschijnlijker.
Eén getal per patiënt
Na het samenvatten is elke patiënt één onafhankelijke waarneming, dus een standaardtoets voor twee groepen is van toepassing.
Controleer eerst
- Kies de samenvatting voordat u gegevens verzamelt
Wat te rapporteren
- De gekozen samenvatting per groep, met een BI voor het verschil
Veelgemaakte fouten
Een aparte t-test op elk tijdstip
Eén regressielijn door alle metingen leggen alsof ze onafhankelijk zijn
Alternatieven
| Als uw situatie is… | Gebruik |
|---|---|
| Het hele verloop modelleren, met gemiste of onregelmatige bezoeken | Linear mixed model |
| Slechts twee tijdstippen | Paired t-test |
In uw software
# R (lang formaat: één rij per patiënt en bezoek)
library(dplyr)
per_patient <- d_long %>%
arrange(patient_id, visit) %>%
group_by(patient_id, arm) %>%
summarise(change = last(sbp) - first(sbp), .groups = "drop")
t.test(change ~ arm, data = per_patient)
* Wide format: one variable per visit.
COMPUTE change = sbp_last - sbp_first.
EXECUTE.
T-TEST GROUPS=arm(1 2)
/VARIABLES=change.