- Educación
- Ciencia
- Biología
- Cómo comparar los cambios dentro del grupo entre grupos
Libro Relacionado
Por John Pezzullo
Comparar los cambios dentro del grupo entre los grupos es una situación especial, pero que se presenta con mucha frecuencia al analizar los datos de los ensayos clínicos. Suponga que está probando varios medicamentos para la artritis contra un placebo, y su variable de eficacia es el nivel de dolor reportado por el sujeto en una escala de 0 a 10. Usted quiere saber si los medicamentos producen una mayor mejoría en el nivel de dolor que el placebo.
De esta manera, usted registra el nivel de dolor de cada sujeto antes de comenzar el tratamiento (conocido como la línea de base o pretratamiento) y de nuevo al final del período de tratamiento (post-tratamiento).
Una manera obvia de analizar estos datos sería restar el nivel de dolor de cada sujeto antes del tratamiento del nivel posterior al tratamiento para obtener la cantidad de cambios que resulten del tratamiento, y luego comparar los cambios entre los grupos con una prueba ANOVA de una sola vía (o una prueba t no emparejada si sólo hay dos grupos).
Aunque este enfoque es estadísticamente válido, los datos de los ensayos clínicos generalmente no se analizan de esta manera; en cambio, casi todos los ensayos clínicos de hoy en día utilizan un ANCOVA para comparar los cambios entre grupos.
En un ANCOVA, el resultado (llamado variable dependiente) que se compara entre grupos no es el cambio de pretratamiento a postratamiento, sino el valor del postratamiento en sí mismo. El valor de pretratamiento se introduce en ANCOVA como covariante.
En efecto, ANCOVA resta una parte del valor de pretratamiento del valor de post-tratamiento antes de comparar las diferencias. Es decir, en lugar de definir el cambio como (Post – Pre), ANCOVA calcula el cambio como (Post – f × Pre), donde f es un número que ANCOVA calcula.
El multiplicador f puede ser mayor o menor que 1; si resulta ser exactamente igual a 1, entonces ANCOVA simplemente está comparando el cambio pre-post, al igual que ANOVA.
Los estadísticos prefieren el enfoque ANCOVA porque suele ser ligeramente más eficaz que la simple comparación de los cambios, y también porque puede compensar (al menos parcialmente) otras complicaciones que a menudo afectan a los datos de los ensayos clínicos.
Un ANCOVA puede considerarse una forma de regresión lineal múltiple y, de hecho, todos los métodos clásicos (pruebas t emparejadas y no emparejadas, ANOVAs y ANCOVAs) pueden formularse como problemas de regresión múltiple. Algunos paquetes estadísticos agrupan algunos o todos estos análisis en un solo análisis llamado modelo lineal general.