Editverse Ücretsiz Hesap Makinesi
Çaprazlama Çalışması Hesaplayıcısı (AB/BA Tasarımı)
İki dönemli, iki tedavili çaprazlama denemesini (tedavi etkisi, dönem etkisi ve taşıma etkisi kontrolü) sonuçların arkasındaki kesin R komutuyla analiz edin. Aşağıda ayrıntılı bir yorumlama kılavuzu bulunmaktadır. R 4.3.3 ile doğrulanmıştır.
Basit Sözlerle
Çaprazlama denemelerinde her katılımcı her iki tedaviyi de sırayla alır, bu nedenle her kişi kendi kontrol grubu görevi görür. Klasik AB/BA tasarımında katılımcılar, genellikle ilk tedavinin etkisini ortadan kaldırmak için araya bir arındırma dönemi konularak, önce A sonra B veya önce B sonra A tedavisini alacak şekilde rastgele gruplara ayrılır.
Kişi içi karşılaştırmalar kişiler arası değişkenliği ortadan kaldırdığı için, çaprazlama denemeleri paralel tasarıma göre çok daha az katılımcıyla aynı hassasiyete ulaşabilir. Bunun bedeli ise ek varsayımlardır; başlıca varsayım , ilk tedavinin etkisinin ikinci döneme geçip karşılaştırmayı kirletmemesidir.
Çapraz Tasarım Ne Zaman Kullanılır?
Dönemler arasında sonucun başlangıç değerine döndüğü ve tedavinin etkisinin geri döndürülebilir olduğu stabil, kronik durumlar için çaprazlama tasarımı kullanın; örneğin, tekrarlayan bir durum için iki ağrı kesiciyi karşılaştırmak gibi. Her katılımcının eşleştirilmiş bir karşılaştırma sağlaması nedeniyle verimlidir.
Durum tedavi edilebiliyorsa, sonuçlar geri döndürülemez ise veya yeterli bir arındırma ile kalıntı etkisi dışlanamıyorsa bundan kaçının. Tedavi etkisini yorumlamadan önce her zaman dönem ve kalıntı etkilerini kontrol edin ve tasarımı eksiksiz olarak raporlayın. Bağımsız gruplar için ise paralel grup örneklem büyüklüğü alternatif bir yöntemdir. Hangi tasarımın uygun olduğundan emin değil misiniz? Test Seçicimiz size yardımcı olabilir.
Beklenen: 4 sütun: AB Dizisi, Dönem 1 | AB Dizisi, Dönem 2 | BA Dizisi, Dönem 1 | BA Dizisi, Dönem 2
CSV dosyasını buraya sürükleyin veya seçmek için tıklayın. Tarayıcınızda ayrıştırılacaktır: hiçbir şey yüklenmeyecektir.
Beklenen: 4 sütun: AB Dizisi, Dönem 1 | AB Dizisi, Dönem 2 | BA Dizisi, Dönem 1 | BA Dizisi, Dönem 2
ab1 <- c({ab1}); ab2 <- c({ab2}) # AB dizisi: 1. dönem (A), 2. dönem (B) ba1 <- c({ba1}); ba2 <- c({ba2}) # BA dizisi: 1. dönem (B), 2. dönem (A) dA <- ab1 - ab2; dB <- ba1 - ba2 t.test(dA, dB, var.equal = TRUE) # tedavi etkisi A - B = (ortalama(dA) - ortalama(dB)) / 2 t.test(dA, -dB, var.equal = TRUE) # dönem etkisi t.test(ab1 + ab2, ba1 + ba2, var.equal = TRUE) # taşıma etkisi (denek toplamlarındaki fark)Kullanıcı Rehberi
Ne zaman kullanılır? Sürekli bir sonuç değişkenine sahip iki dönemli, iki tedavili (AB/BA) çaprazlama denemesini analiz edin: tedavi etkisini tahmin edin ve dönem ve taşıma etkilerini test edin (Hills-Armitage / Grizzle).
Varsayımlar: Katılımcılar iki sıraya rastgele atanmıştır; yeterli arındırma süresi sağlanmıştır; denek içi farklılıklar yaklaşık olarak normaldir; tedavi ve dönem arasında etkileşim yoktur.
Sık yapılan hatalar. Taşıma testi düşük güce sahiptir ve analiz için bir kontrol mekanizması olarak kullanılmamalıdır (Senn); yıkama işlemine tasarım aşamasında karar verilmelidir. Geçici durumlar veya kalıcı etkileri olan tedaviler için kullanılmamalıdır.
Çalışılmış örnek
Yukarıdaki "Örnek verileri yükle" seçeneğine tıklayın , ardından "Analizi çalıştır" seçeneğine tıklayarak bu test için şekil, formül ve yorum içeren eksiksiz bir sonucu görebilirsiniz.
Referanslar
- Senn S. Klinik Araştırmalarda Çapraz Geçişli Çalışmalar. 2. baskı. Wiley; 2002.
- Hills M, Armitage P. İki dönemli çapraz geçişli klinik çalışma. Br J Clin Pharmacol. 1979;8:7-20.
- Grizzle JE. İki dönemli geçiş tasarımı ve klinik çalışmalarda kullanımı. Biyometri. 1965;21:467-480.
Çalışılan Örnekler
Örnek 1 — Temiz bir geçiş
Katılımcılar önce A, sonra B veya önce B, sonra A alırlar ve aralarında bir arınma süresi bulunur. Tedavi etkisi, her bireyin kendi içindeki farkından tahmin edilir ve dönem ve devamlılık etkilerine yönelik testler anlamlı değildir. Tedavi karşılaştırması güvenilirdir ve aynı büyüklükteki paralel bir denemeye göre çok daha hassastır.
Örnek 2 — Taşınma tespit edildi
Eğer aktarım testi anlamlıysa, ilk tedavinin etkisi ikinci döneme de yayılmıştır. Standart denek içi tahmin artık yanlıdır ve analistler genellikle sadece ilk döneme geri dönerler; bu da çapraz etki avantajını fiilen göz ardı etmek anlamına gelir.
Kontrol Edilmesi Gereken Varsayımlar
Geri dönüşümlü durum ve etki. Sonuç, dönemler arasında başlangıç değerine geri dönmelidir. Geçici durumlar veya kalıcı etkileri olan tedaviler için çaprazlama geçersizdir.
Yeterli arındırma, kalıntı olmaması. Tedavi dönemleri arasındaki süre, ilk tedavinin etkisinin tamamen ortadan kalkması için yeterince uzun olmalıdır. Kalıntı kalıntı, denek içi karşılaştırmayı etkiler.
Tedavi ve dönem arasında etkileşim yok. Tedavi etkisi, uygulanma sırasından bağımsız olarak aynı olmalıdır; güçlü bir sıra etkisi tasarımı zayıflatır.
Yaygın hatalar
Devirleri göz ardı etmek
Taşıma riskleri test edilmeden arındırmanın yeterli olduğu varsayımı, yanlı bir tedavi tahminine yol açar. Sonuçları yorumlamadan önce bunu açıkça kontrol edin.
Paralel bir yargılama gibi analiz etmek
Çaprazlama verileri kişi içinde eşleştirilir. İki kolu bağımsız gruplar olarak ele almak, tasarımın verimliliğini ortadan kaldırır ve yanlış standart hatalara yol açar.
Çok kısa bir sel felaketi
İlk tedavinin etkisini tamamen ortadan kaldırmayan bir arındırma süreci, kalıcı etkiyi garanti eder. Arındırma süresi, tedavinin farmakolojisiyle gerekçelendirilmelidir.
Geri döndürülemez bir sonuç için çaprazlama yönteminin kullanılması
Sonuç başlangıç durumuna geri dönemezse (örneğin, iyileşme veya ölüm), katılımcılar anlamlı bir şekilde geçiş yapamazlar ve tasarım uygunsuz olur.
Sıkça Sorulan Sorular
Çaprazlama denemelerinde neden daha az katılımcıya ihtiyaç duyulur?
Her katılımcı kendi kontrol grubu görevi görür, bu da kişiler arası değişkenliği ortadan kaldırır; dolayısıyla paralel tasarıma göre daha küçük bir örneklemle aynı hassasiyete ulaşılır.
Devir nedir?
Devam eden etki, birinci dönemdeki tedavinin ikinci döneme de yansımasıdır ve bu durum, denek içi tedavi karşılaştırmasını çarpıtır.
Temizleme dönemi nedir?
Tedavi dönemleri arasındaki aralığa "temizleme" denir; bu ara, ikinci tedavi başlamadan önce ilk tedavinin etkisinin ortadan kalkması için yeterince uzundur.
Sonuçlar R ve SPSS ile örtüşüyor mu?
Evet. Hesaplayıcı, standart AB/BA denek içi analizini kullanır ve tedavi, dönem ve aktarım tahminlerini yeniden oluşturabilmeniz için R komutunu gösterir.
İlgili Hesap Makineleri
Referanslar
- Mills EJ, Chan AW, Wu P, Vail A, Guyatt GH ve diğerleri. Çaprazlama deneylerinin tasarımı, analizi ve sunumu. Denemeler. 2009; 10: 27. PMID19405975.
- Li T, Yu T, Hawkins BS, Dickersin K. Meta-analize dahil edilecek çaprazlama çalışmalarının tasarımı, analizi ve raporlanması. PLoS One. 2015; 10 (8): e0133023. PMID26284684.
- Senn S. Klinik Araştırmalarda Çapraz Geçişli Deneyler. 2. baskı. Chichester: Wiley; 2002.
Makaleniz için bu analize mi ihtiyacınız var?
Doktora derecesine sahip biyoistatistikçilerimiz, tekrarlanabilir R çıktısı ile çaprazlama deneyleri tasarlıyor ve analiz ediyor; bu deneyler dönem ve taşıma kontrollerini, denek içi tahminleri ve örneklem büyüklüğünü içeriyor.