STATISTIK-FORUM.de

[Winckelriet]

Liebe Statistikexperten.

Ich habe folgende Ausgangslage: 11 Personen haben über einen Zeitraum 12 mal eine Intervention erhalten. Dabei wurden stets Angaben zu deren Befinden vor und nach der Intervention erhoben. Darf ich für eine einzelne Person deren Präinterventionswerte für Befinden und deren Postinterventionswerte für Befinden in eigene Testsamples zusammenfassen und einen T-Test für verbundene Stichproben für den Vergleich dieser zwei Samples anwenden? Das Ziel dabei wäre eine Aussage darüber tätigen zu können, ob die Intervention für einzelne Individuen positive Veränderung hervorbringen konnte. Ich hoffe ich konnte mich klar ausdrücken.

Ich habe noch nie von einer Testung nach diesem Schema gehört, daher denke ich verpasse ich etwas.
Welche alternativen gäbe es, um die Fragestellung beantworten zu können?

Beste Grüsse aus der Schweiz und vielen Dank für eure HIlfe.

[PonderStibbons]

Darf ich für eine einzelne Person deren Präinterventionswerte für Befinden und deren Postinterventionswerte für Befinden in eigene Testsamples zusammenfassen und einen T-Test für verbundene Stichproben für den Vergleich dieser zwei Samples anwenden?

Dürfen ist die falsche Frage. Es wäre ein Test mit df=0, ohne berechnbares Ergebnis.

Das Ziel dabei wäre eine Aussage darüber tätigen zu können, ob die Intervention für einzelne Individuen positive Veränderung hervorbringen konnte. Ich hoffe ich konnte mich klar ausdrücken.

Wenn Du die Reliabilität des Tests hast, schau mal nach "clinically significant change" Jacobson Truax. Geht aber nicht mit den kollabierten Werten.

Mit freundlichen Grüßen

PonderStibbons

[Winckelriet]

Vielen lieben Dank für den Hinweis. Da die vorliegenden Daten von Menschen mit Demenz stammen, und die Befragung so einfach wie möglich gehalten werden sollte, wurde das Konstrukt Wohlbefinden nur mit einem einzelnen Item mit sechs Punkte Likert Skala erfasst. Es lassen sich somit keine alpha Werte bzw. Standardfehler berechnen, die für das erfassen von reliablen Veränderungen nötig sind.

[bele]

Jetzt mal ins Unreine und PonderStibbons und strukturmarionette dürfen mir liebend gerne widersprechen:

Sagen wir mal, wir könnten trotz Demenz und einfacher Teststruktur für jede einzelne Behandlung festlegen, ob die Intervention zu einer Verbesserung des Scores geführt hat, oder nicht. Dann hätten wir pro Behandlung eine 0 für nicht verbessert und eine 1 für verbessert. Dann könnte man doch eine logistische Regression rechnen, deren Intercept die Wahrscheinlichkeit einer Verbesserung vorhersagt. Da die Beobachtungen nicht unabhängig, sondern innerhalb der Personen genestet, ist, könnte man einen random effect für den Einfluss der einzelnen Person dazu nehmen.

Das scheint mir methodisch sauber, auch mit ordinalem Skalenniveau vertretbar und könnte bei 132 Beobachtungen auch eine ganz brauchbare Power erreichen. Außerdem ließe es sich zwanglos mit fixed effects ergänzen, wenn man auch noch den Einfluss von Alter, Geschlecht, Raucherstatus oder Demenzschwere untersuchen wollte.

Ich gebe gerne zu, dass ich noch nie eine random-effects logistische Regression gerechnet habe und deshalb vielleicht ein Problem übersehen könnte.

LG,
Bernhard

[Winckelriet]

Hmm interessant. Danke für die Anregung. Unabhängig von anderen Abwägungen meint die Methodenberatung meiner Universität, dass kategoriale Prädiktorvariablen mindestens n=25 Beobachtungen umfassen müssen. Ich habe allerdings nur 12 Beobachtungen pro Person, 25 Angehörige des weiblichen und des männlichen Geschlechts sind natürlich auch nicht gegeben.

Wäre dies in etwa das Schema der Testung?

Abghängige Variable Unabhängige Variablen
Effekt Alter / Schweregrad Demenz / Geschlecht / Person
1 80 / 14 / m / P1
0 80 / 14 / m / P1
1 80 / 14 / m / P1
1 80 / 14 / m / P1
0 80 / 14 / m / P1
…
Beobachtung 12p1
1 68 / 18 / w / P2
1 68 / 18 / w / P2
1 68 / 18 / w / P2
1 68 / 18 / w / P2
0 68 / 18 / w / P2
…

Beobachtung 12p2

Etc?

[PonderStibbons]

Vielen lieben Dank für den Hinweis. Da die vorliegenden Daten von Menschen mit Demenz stammen, und die Befragung so einfach wie möglich gehalten werden sollte, wurde das Konstrukt Wohlbefinden nur mit einem einzelnen Item mit sechs Punkte Likert Skala erfasst. Es lassen sich somit keine alpha Werte bzw. Standardfehler berechnen, die für das erfassen von reliablen Veränderungen nötig sind.

Wenn Du einmal eine Reliabilität von 0,7 annimmst (vgl. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3235057/ und http://www.d.umn.edu/~shel0210/Data%20A ... asures.pdf ) und mal eine von 0,5 (s.z.B. https://scholarsrepository.llu.edu/cgi/ ... ontext=etd https://www.emeraldinsight.com/doi/full ... 0210415933 ) kannst Du abschätzen, bis wohin eine Veränderung noch im Bereich Messfehlertoleranz läge.

Nebenbei, "einzelnes Item mit sechs Punkte Likert Skala" ist falsch formuliert. Likert Skala ist die Bezeichnung für ein Messinstrument, das aus mehreren Items vom Likert-Typ zusammengesetzt ist, nicht für das Antwortformat der einzelnen Items. nutzung-des-forums-f44/likertskalen-und-anderes-t9192.html

Mit freundlichen Grüßen

PonderStibbons

[PonderStibbons]

Dann könnte man doch eine logistische Regression rechnen, deren Intercept die Wahrscheinlichkeit einer Verbesserung vorhersagt.

Klingt gut, erfordert allerdings das Herunterbrechen einer ordinalskalierten (mit viel Wohlwollen eventuell auch als intervallskaliert behandelbaren) 6erskala auf eine binäre. Vielleicht geht dadurch zu viel Information verloren?

Zudem, es soll anscheinend Person für Person vorhergesagt werden, ob die Werte nach den Interventionen höher liegen als vor den Interventionen. Nicht für die Gruppe insgesamt. Wenn ich es recht bedenke, verstehe ich die Motivation für diese Art Betrachtung allerdings nicht.

Wenn man es nun aber personenweise machen will, aus welchem Grund auch immer, wäre vielleicht die einfachste Vorgehensweise, pro Person einen Vorzeichentest mit 12 Wertepaaren (Originaldaten, 6erskala) zu rechnen. Zugegebenermaßen bin ich nicht beschlagen auf dem Feld der statistischen Einzelfallauswertung und weiß nicht, wo da eventuell die Fallstricke liegen.

Mit freundlichen Grüßen

PonderStibbons

[Winckelriet]

Vielen Dank Ponderstibbons. Die Rationale in der Einzelfallbetrachtung liegt darin, dass vermutet wird, dass nicht alle Studienteilnehmer von der Intervention profitieren, oder sogar negativ durch diese Beeinflusst werden. In späteren Analysen könnte dann festgestellt werden, welche systematischen Gemeinsamkeiten diese Studienteilnehmer verbindet. Für meine Arbeit möchte ich eine Aussage darüber machen können wie hoch die Proportion von Teilnehmern war, die profitierten und ob es solche gab, die es nicht taten, anstelle von einer Aussage über die ganze Gruppe hinweg, die keine Interpretation für ein Individuum zulässt.

[bele]

Ok, das hatte ich falsch verstanden (es stand oben richtig angegeben), meine random-effects logistische Regression bezog sich auf die Gruppe, sie erscheint mir trotzdem für die zugrundeliegende Fragestellung nicht falsch zu sein: Man würde für den random effect ja einen Mittelwert und eine Standardabweichung erhalten die etwas darüber aussagen, wie die Wirksamkeit über verschiedene Probanden verteilt ist. Andererseits ist es wahrscheinlich Kokolores, eine normalverteilte Wirksamkeit auf die Probanden anzunehmen.

Für meine Arbeit möchte ich eine Aussage darüber machen können wie hoch die Proportion von Teilnehmern war, die profitierten und ob es solche gab, die es nicht taten, anstelle von einer Aussage über die ganze Gruppe hinweg, die keine Interpretation für ein Individuum zulässt.

So formuliert bedarf die Fragestellung aber keines statistischen Tests, sondern vor allem einer guten Deskriptivstatistik. Bei statistischen Tests ist ja die Ausgangshypthese, dass alle aus einer einheitlichen Gruppe sind (i.i.d.) während es Dir darum geht, die Unterschiede zwischen den Probanden herauszustellen. Wenn Du einfach auszählst, bei wievielen nachher besser als vorher, bei wievielen nachher gleich vorher und bei wievielen nachher schlechter als vorher war, welcher Teil Deiner Fragestellung ist dann noch nicht beantwortet?

LG,
Bernhard