我可以将样本中的“左眼”和“右眼”用作两个不同的主题吗？

11

我的数据如下。我有两组病人。每组患者均进行了不同类型的眼科手术。在每组患者中测量了5个变量。我想使用置换检验或MANOVA比较两组之间的变量。进行分析的眼睛在分析中并不重要。但是，例如，A组的患者2在两只眼睛上都进行了手术，因此对这5个变量进行了两次测量，每只眼睛一次。我可以将患者2左和患者2右视为两个不同的观察结果吗？B组中的患者31相同。

\begin{array}{l} Patient & Surgery type & Side & V1 & \dots & V 5 \\ 1 & A & Left & 91 & \dots & 22 \\ 2 & A & Left & 87 & \dots & 19 \\ 2 & A & Right & 90 & \dots & 23 \\ . & . & . \\ 31 & B & Left & 90 & \dots & 17 \\ 31 & B & Right & 88 & \dots & 19 \\ 32 & B & Right & 91 & \dots & 24 \\ . & . & . \end{array}

$\begin{array} \hline \text{Patient} & \text{Surgery type} & \text{Side} & \text{V1}& \ldots & V5\\ 1 & \text{A} & \text{Left} & 91 & \ldots & 22\\ 2 & \text{A} & \text{Left} & 87 & \ldots & 19\\ 2 & \text{A} & \text{Right} & 90 & \ldots & 23\\ . & . & . &\\ 31 & \text{B} & \text{Left} & 90 & \ldots & 17\\ 31 & \text{B} & \text{Right} & 88 & \ldots & 19\\ 32 & \text{B} & \text{Right} & 91 & \ldots & 24\\ . & . & . &\\ \hline \end{array}$

sampling

— 萨拉
source

2

您的测试可以通过类似于配对测试，不平衡随机块设计的方法来完成。但是在我进一步猜测之前，请您详细说明一下数据，它是什么样的？

— suncoolsu 2011年

谢谢。我试图在博客上以一种不错的表格格式显示我的数据，但是我仍然不知道该怎么做。我将确保在下一个问题中详细介绍我的数据。我想重申一下，两只眼睛的手术类型相同，所以属于同一组。

— 萨拉

我已经制作了一个样本表，您现在可以对其进行编辑以显示数据。

— suncoolsu 2011年

@suncoolsu，如果没有数据，这个问题是可以回答的。您拥有OP过帐数据的目的是什么？

— Iterator

@Iterator我同意，您已经回答了（我已经投票了:-)）。我只是很好奇看到数据以及什么样的模型可以适合数据。

— suncoolsu 2011年

15

我不推荐它。作为领域专家，我仍然可以确定三件事，它们会降低结果的独立性：

两只眼睛几乎同时接受了治疗。尽管这不一定是问题，但会影响其他独立性假设。此外，手术团队可能选择以相同的方式进行治疗，或者可能在考虑另一只眼的方面的基础上做出决定。
两只眼睛都由同一个手术团队（外科医生和其他所有人）治疗
两只眼睛都受到相同的患者“因素”的影响，即患者固有的任何可能影响结果的因素，例如对其他治疗的依从性，总体健康状况等。

如果关于结果的任何信息都可以归因于手术团队或患者，则存在问题。

— 迭代器
source

5

因为到目前为止所有答案都是负面的（就主张使用少于完整数据集或建议对两眼案例的使用加以限制），让我们看看可以做什么。为此，我们需要一个概率模型。

$Y$

$\mu$
$\varepsilon$
$X_2$
$X_s$
$X_e$
$\delta$ $\varepsilon$

这里暗含的是，该实验是以某些标准方式设计的：即从特定人群中随机选择患者；治疗左眼，右眼或两者的决定是随机的，或可以独立于其他因素而假定；对这些假设的更改将需要在模型中进行相应的更改。

$j$ $j \in {\text{right}, \text{left}}$ $i$

Y (i, j) = μ + β_{2} X_{2} (i, j) + β_{s} X_{s} (i, j) + β_{e} X_{e} (j) + ε (i) + δ (j) .

$Y(i,j) = \mu + \beta_2 X_2(i,j) + \beta_s X_s(i,j) + \beta_e X_e(j) + \varepsilon(i) + \delta(j).$

$\mu$ $\beta_2$ $\beta_s$

我仅以举例说明的方式提供此信息，以说明人们如何从这个问题中获利，并找到一种充分利用数据集的方法。我的某些假设可能不正确，应予以修改；可能需要其他交互；关于如何最好地处理眼睛之间的潜在差异可能需要一些思考。（这不太可能在左右之间存在普遍差异，但是例如，可能与患者的优势眼有关。）

关键是，似乎没有任何理由将分析限制在每位患者一只眼睛或使用临时分析方法。标准方法论似乎是适用的，使用它的一种好方法是通过对实验进行建模开始的。

— ub
source

我认为重要的是要补充一点，如果使用带有双眼治疗的样本，则可以并且应该检验独立性的假设。这种依赖关系的测试应该在运行模型之前进行，原因有两个：1：如果存在某种依赖关系，那么这可能非常有趣。2：了解依赖性可能会导致更好的模型。

— Iterator

@Iterator您的好建议正是我希望本讨论会引起的：当我们考虑如何对数据建模时，我们通常会洞悉正在做出哪些假设并需要进行测试。

— ub

@whuber良好的开始。与往常一样，您对“混合模型式”治疗是正确的！我同意您的看法，我们不应“丢弃”任何数据。

— suncoolsu 2011年

3

我同意其他观点，即同一患者的两只眼睛不是独立的。但是，我本身并不同意仅使用一个样本。毕竟，这会丢弃珍贵的样品。

在有些相似的情况下（我的一些患者再次接受相同的肿瘤手术），我确实使用了他们的样本。

对于（迭代/重复交叉）验证，我确保拆分是按患者进行的。
我无法说明有效（统计）样本量。对我而言，由于某些患者的样本增多，这还是没有问题的。我为每个样本提供了数百个光谱，它们既不是重复的（它们是从不同的地方获取的），也不是独立的。所以我在这里什么都不丢。
有时我将患者数量作为有效（统计）样本量的保守范围：至少患者是独立的
您可以称量样品的重量，以便每个患者以相同的重量进入分析。

— cbeleites对SX不满意
source

2

我同意@iterator。如果很大一部分人的双眼都做了手术，我会做一些配对。如果只有一小部分人的两只眼睛接受过手术，那么我可能不会对那些人使用两只眼睛，但肯定不会同时使用两只眼睛。

— 彼得·弗洛姆-恢复莫妮卡
source

1

彼得是对的。实际上，一套可以在本身很有趣：空调上需要对操作既眼前，结果更糟？我们主张不承担独立性的原因是，有很多原因可能导致这种错误。如果样本足够大，请测试独立性。洞察力可能非常有趣且实用。

— Iterator

1

要增加迭代器和彼得的注释的一点。在分析整体数据集时，您应该只对两只眼睛都接受过手术的患者使用一只眼睛的数据（因为两只眼睛的结果不太可能是独立的）。哪只眼睛？使用随机方法，这样您就不会选择结果更好（或更差）的结果，而这会影响（偏差）结果。

作为另一项研究的一部分，您可能只希望只看一只眼的结果良好的患者，而不看另一只眼的患者，并尝试查看是否有任何原因导致这种差异。

— 哈维·莫图尔斯基
source