Làm thế nào để xác định cỡ mẫu cần thiết cho phép đo lặp lại ANOVA?

Tôi cần một số trợ giúp về phép đo lặp lại ANOVA.

Chúng tôi đang nghiên cứu ảnh hưởng của một số can thiệp vào việc giảm tỷ lệ nhiễm trùng dòng máu (BSI) ở một số phường. Chúng tôi dự định nắm bắt thông tin tỷ lệ BSI hàng tháng, 12 tháng không can thiệp trước, sau đó 12 tháng với can thiệp.

Chúng tôi đang nghĩ đến việc thực hiện đo thời gian hoặc đo lặp lại ANOVA, tôi thích cách sau hơn trước khi tôi không có nhiều ý tưởng để thực hiện lần đầu tiên (câu hỏi thêm: quá ít điểm thời gian, phải không?), Nhưng sau đó sẽ đến một vấn đề khác, chúng ta cần bao nhiêu phường để chứng minh rằng thực sự có ảnh hưởng đáng kể về mặt thống kê đối với tỷ lệ BSI?

Tôi nghĩ rằng tôi sẽ thực hiện hai ANOVA, một cho "trước can thiệp", một cho "trong khi can thiệp" và tôi cho rằng ANOVA "trước can thiệp" không nên có xét nghiệm tỷ lệ F đáng kể.

Tôi xem xét thuật ngữ "cỡ mẫu" hai chiều, hoặc số lượng phường hoặc số phép đo lặp lại.

Làm thế nào để thực hiện phân tích công suất trên các biện pháp lặp lại ANOVA?

G * Sức mạnh 3 là phần mềm miễn phí cung cấp giao diện GUI thân thiện với người dùng để thực hiện các tính toán năng lượng. Nó hỗ trợ tính toán năng lượng cho các biện pháp lặp lại ANOVA.

Các phân tích thích hợp cho thiết kế của bạn là gì?

Dưới đây là một loạt các điểm liên quan đến những gì bạn đã đề cập:

• Nhiều điểm thời gian hơn sẽ cho thấy một dấu hiệu rõ ràng hơn về cách hiệu quả, nếu có, sự can thiệp của bạn hoạt động theo thời gian. Do đó, nếu các cải tiến phân rã theo thời gian hoặc trở nên lớn hơn, nhiều điểm thời gian hơn sẽ mang lại cảm giác rõ ràng hơn về các mẫu này, cả trung bình và ở cấp độ cá nhân.
• Nếu bạn có 12 điểm thời gian trở lên, tôi sẽ xem xét mô hình đa cấp, đặc biệt nếu bạn đang mong đợi bất kỳ quan sát bị thiếu nào. Bạn dường như không quan tâm đến việc liệu có ảnh hưởng của thời gian hay không. Thay vào đó, bạn có thể quan tâm đến các hiệu ứng cụ thể khác nhau (ví dụ: thay đổi can thiệp trước và sau; có lẽ là hiệu ứng cải thiện tuyến tính hoặc bậc hai sau can thiệp). Bạn cũng có thể xem xét sử dụng độ tương phản theo kế hoạch trên các biện pháp lặp lại ANOVA. Phân tích dữ liệu theo chiều dọc được áp dụng: Thay đổi mô hình hóa và sự kiện xảy ra là điểm khởi đầu tốt để tìm hiểu về mô hình hóa đa cấp của dữ liệu đo lặp lại.
• Số lượng điểm thời gian trên và trước và sau sẽ không làm gì nhiều để tăng sức mạnh của bạn để phát hiện hiệu quả can thiệp của bạn. Nhiều điểm thời gian hơn sẽ tăng độ tin cậy của phép đo và nó có thể đảm bảo rằng bạn nắm bắt được khoảng thời gian áp dụng hiệu ứng, nhưng có lẽ vấn đề lớn hơn sẽ là kích thước mẫu trong hai điều kiện.
• Giả sử bạn thực sự phân bổ ngẫu nhiên các trường hợp cho các điều kiện, các quần thể theo định nghĩa bằng với biến phụ thuộc và người ta có thể lập luận rằng một bài kiểm tra quan trọng về sự khác biệt cơ bản là vô nghĩa. Điều đó nói rằng, các nhà nghiên cứu vẫn thường làm điều đó, và tôi cho rằng nó cung cấp một số bằng chứng cho thấy sự phân bổ ngẫu nhiên đã thực sự xảy ra.
• Có một số lượng lớn các cuộc tranh luận về cách tốt nhất để kiểm tra hiệu quả của một can thiệp trong một thiết kế kiểm soát trước can thiệp. Một vài lựa chọn bao gồm: (a) điều kiện * tương tác thời gian; (b) ảnh hưởng của tình trạng nhưng chỉ ở can thiệp sau; (c) ANCOVA xem xét ảnh hưởng của điều kiện, kiểm soát trước, với bài là DV.