Tôi có thể sử dụng mắt trái của Cameron và mắt phải của tôi trong mẫu của tôi như hai đối tượng khác nhau không?

Dữ liệu của tôi như sau. Tôi có hai nhóm bệnh nhân. Bệnh nhân ở mỗi nhóm có một loại phẫu thuật mắt khác nhau. 5 biến được đo trên bệnh nhân trong mỗi nhóm. Tôi muốn so sánh các biến đó giữa hai nhóm bằng cách sử dụng phép thử hoán vị hoặc MANOVA. Con mắt mà phẫu thuật được thực hiện không thực sự quan trọng trong phân tích. Tuy nhiên, bệnh nhân 2 ở nhóm A chẳng hạn, đã phẫu thuật cả hai mắt và do đó có 5 biến số đó được đo hai lần, một lần trên mỗi mắt. Tôi có thể coi bệnh nhân 2 Trái và bệnh nhân 2 Phải là hai quan sát khác nhau không? Tương tự cho bệnh nhân 31 ở nhóm B.

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

Tôi sẽ không khuyên bạn nên nó. Không phải là một chuyên gia tên miền, tôi vẫn có thể xác định ba điều sẽ làm giảm tính độc lập của kết quả:

1. Cả hai mắt được điều trị cùng lúc (gần như). Trong khi điều này không nhất thiết là một vấn đề, nó ảnh hưởng đến các giả định độc lập khác. Hơn nữa, nhóm phẫu thuật có thể đã chọn điều trị cả hai theo cùng một cách hoặc có thể đưa ra quyết định về một mắt khi xem xét các khía cạnh của mắt kia.
2. Cả hai mắt được điều trị bởi cùng một đội phẫu thuật (bác sĩ phẫu thuật và những người khác có liên quan)
3. Cả hai mắt đều phải chịu cùng một "yếu tố" của bệnh nhân, tức là bất cứ điều gì có thể là nội tại đối với bệnh nhân có thể ảnh hưởng đến kết quả, chẳng hạn như tuân thủ các phương pháp điều trị khác, sức khỏe tổng thể, v.v.

Nếu bất cứ điều gì về kết quả có thể được quy cho đội phẫu thuật hoặc bệnh nhân, thì có vấn đề.

Bởi vì tất cả các câu trả lời cho đến nay đều âm tính (về việc ủng hộ sử dụng ít hơn tập dữ liệu đầy đủ hoặc đề xuất sử dụng hạn chế cho các trường hợp hai mắt), hãy xem những gì có thể được thực hiện. Đối với điều đó, chúng ta cần một mô hình xác suất.

Xem xét một biến trả lời duy nhất, (một trong số từ V1 đến V5, rõ ràng). Là một điểm khởi hành, giả sử phản ứng phụ thuộc vào một số yếu tố, bao gồm$Y$

• Một phản hồi trung bình hoặc "điển hình" .$\mu$

• Một yếu tố cụ thể của bệnh nhân ngẫu nhiên , , với giá trị trung bình bằng không.$\varepsilon$

• Có lẽ một chỉ số cho thấy cả hai mắt có liên quan, .$X_2$

• Một yếu tố loại phẫu thuật, , phải là một thuộc tính của mắt , nhưng dường như là không đổi trong mỗi bệnh nhân (do đó hạn chế khả năng xác định yếu tố này của chúng tôi).$X_s$

• Một yếu tố cho bất kỳ sự khác biệt có hệ thống giữa bên phải và bên trái, .$X_e$

• Đối với mỗi mắt, một biến thể ngẫu nhiên từ phản ứng dự kiến ​​trong mắt đó, , với giá trị trung bình bằng 0 và không phụ thuộc vào yếu tố bệnh nhân .$\delta$$\varepsilon$

Ở đây có ẩn ý rằng thí nghiệm được thiết kế theo những cách tiêu chuẩn nhất định: cụ thể là bệnh nhân được chọn ngẫu nhiên từ một dân số được chỉ định; rằng quyết tâm điều trị mắt trái, mắt phải hoặc cả hai, là ngẫu nhiên hoặc có thể được giả định độc lập với các yếu tố khác; v.v ... Thay đổi đối với các giả định này sẽ yêu cầu thay đổi đồng thời trong mô hình.

Theo mô hình này, phản hồi dự kiến ​​của mắt ( ) trong bệnh nhân làj ∈ phải , trái$j$$j \in {\text{right}, \text{left}}$$i$

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

Điều này trông giống như một mô hình hỗn hợp lồng ghép một phần phức tạp. Việc khớp các tham số , và có thể được thực hiện với khả năng tối đa (hoặc có thể là hồi quy bình phương tối thiểu tổng quát).β 2 β $\mu$$\beta_2$$\beta_s$

Tôi cung cấp điều này hoàn toàn như một minh họa, để cho thấy người ta có thể nghĩ như thế nào về vấn đề này và tìm cách khai thác dữ liệu một cách đầy đủ nhất. Một số giả định của tôi có thể không chính xác và cần được sửa đổi; tương tác bổ sung có thể cần thiết; một số suy nghĩ có thể được yêu cầu về cách tốt nhất để xử lý sự khác biệt tiềm năng giữa hai mắt. (Không chắc có sự khác biệt phổ biến giữa trái và phải, nhưng có lẽ có sự khác biệt liên quan đến mắt thống trị của bệnh nhân, chẳng hạn.)

Vấn đề là dường như không có bất kỳ lý do nào để giới hạn phân tích ở một mắt cho mỗi bệnh nhân hoặc sử dụng các phương pháp phân tích đặc biệt . Phương pháp tiêu chuẩn dường như có thể áp dụng và một cách tốt để sử dụng nó bắt đầu bằng cách mô hình hóa thí nghiệm.

Tôi đồng ý với những người khác rằng hai mắt của cùng một bệnh nhân không độc lập. Tuy nhiên, tôi không đồng ý chỉ sử dụng một mẫu. Sau tất cả những thứ đó đang vứt đi những mẫu quý giá.

Trong một tình huống hơi giống nhau (một số bệnh nhân của tôi đã được phẫu thuật lại trên cùng một khối u) tôi sử dụng mẫu của họ.

• Đối với xác nhận (lặp lại / lặp lại chéo), tôi đảm bảo rằng việc chia tách được thực hiện một cách kiên nhẫn.
• Tôi không thể nêu kích thước mẫu hiệu quả (thống kê). Đối với tôi đó là dù sao không có vấn đề do nhiều mẫu của một số bệnh nhân. Tôi có hàng trăm quang phổ cho mỗi mẫu và chúng không lặp lại (chúng được lấy từ những nơi khác nhau) cũng không độc lập. Vì vậy, tôi không mất bất cứ điều gì ở đây.
• Đôi khi tôi sử dụng số lượng bệnh nhân là giới hạn bảo thủ cho cỡ mẫu (thống kê) hiệu quả: ít nhất là các bệnh nhân độc lập
• Bạn có thể cân các mẫu để mỗi bệnh nhân tham gia phân tích với cùng trọng lượng.

Tôi đồng tình với @iterator. Nếu một tỷ lệ lớn đã phẫu thuật cả hai mắt, tôi sẽ thực hiện một số cặp khớp. Nếu chỉ có một tỷ lệ nhỏ được phẫu thuật ở cả hai mắt, có lẽ tôi chỉ không sử dụng một trong hai mắt cho những người đó, nhưng chắc chắn không phải cả hai.

Một điểm để thêm vào các ý kiến ​​của iterator và peter. Khi phân tích tập dữ liệu tổng thể, bạn chỉ nên sử dụng dữ liệu từ một mắt cho bệnh nhân được phẫu thuật trên cả hai (vì kết quả cho hai mắt không có khả năng độc lập). Mắt nào? Sử dụng phương pháp ngẫu nhiên, do đó bạn không chọn phương pháp có kết quả tốt hơn (hoặc tệ hơn), điều này sẽ ảnh hưởng đến (sai lệch) kết quả.

Là một phần của một nghiên cứu riêng biệt, bạn có thể muốn chỉ nhìn vào những bệnh nhân có kết quả tốt ở một mắt chứ không phải ở mắt kia, và thử xem có bất kỳ gợi ý nào về nguyên nhân gây ra sự khác biệt.