Come determinare la dimensione del campione necessaria per la misurazione ripetuta ANOVA?

Ho bisogno di aiuto per la misurazione ripetuta ANOVA.

Stiamo studiando l'effetto di alcuni interventi sulla riduzione del tasso di infezione del flusso sanguigno (BSI) in alcuni reparti. Prevediamo di acquisire le informazioni sulle tariffe BSI su base mensile, 12 mesi senza intervento prima, quindi 12 mesi con intervento.

Stiamo pensando di fare una serie temporale o una misurazione ripetuta ANOVA, preferisco quella successiva prima di non avere molta idea da fare sulla prima (domanda extra: troppo poco tempo, giusto?), Ma poi ecco un altro problema, di quanti reparti abbiamo bisogno per dimostrare che esiste davvero un effetto statisticamente significativo dell'intervento sul tasso BSI?

Penso che farò due ANOVA, uno per "prima dell'intervento", uno per "durante l'intervento", e suppongo che l'ANOVA "prima dell'intervento" non dovrebbe avere un test del rapporto F significativo.

Considero il termine "dimensione del campione" bidimensionale, o il numero di reparti o il numero di misurazioni ripetute.

Come eseguire analisi di potenza su misure ripetute ANOVA?

G * Power 3 è un software gratuito che fornisce un'interfaccia grafica intuitiva per eseguire calcoli di potenza. Supporta calcoli di potenza per misure ripetute ANOVA.

Qual è l'analisi appropriata per il tuo design?

Ecco una serie di punti relativi a ciò che hai menzionato:

• Un maggior numero di punti temporali fornirà un'indicazione più chiara del modo in cui l'effetto del tuo intervento opererà nel tempo. Pertanto, se i miglioramenti decadono nel tempo o aumentano, più punti temporali daranno un senso più chiaro di questi schemi, sia in media che a livello individuale.
• Se hai 12 o più punti temporali, esaminerei la modellazione multilivello, in particolare se ti aspetti osservazioni mancanti. È improbabile che ti interessi se c'è un effetto del tempo. Piuttosto è probabile che tu sia interessato a vari effetti specifici (ad esempio, cambiamenti pre e post intervento; forse un effetto di miglioramento lineare o quadratico post-intervento). Si potrebbe anche considerare l'utilizzo dei contrasti pianificati in aggiunta alle misure ripetute ANOVA. Analisi dei dati longitudinali applicati: modellazione del cambiamento e occorrenza di eventi è un buon punto di partenza per conoscere la modellazione multilivello di dati di misure ripetute.
• Il numero di punti temporali oltre al pre e post-post non farà molto per aumentare il tuo potere di rilevare l'effetto del tuo intervento. Un maggior numero di punti temporali aumenterà l'affidabilità della misurazione e potrebbe garantire l'acquisizione del periodo di tempo in cui si applica l'effetto, ma probabilmente il problema maggiore sarà la dimensione del campione nelle due condizioni.
• Supponendo che si stiano davvero assegnando casualmente i casi alle condizioni, le popolazioni sono per definizione uguali sulla variabile dipendente e si potrebbe sostenere che un test di significatività delle differenze di base non ha senso. Detto questo, i ricercatori spesso lo fanno ancora, e suppongo che fornisca alcune prove che l'allocazione casuale sia effettivamente avvenuta.
• Vi è un ampio dibattito sul modo migliore per testare l'effetto di un intervento in un progetto di controllo pre-post-intervento. Alcune opzioni includono: (a) la condizione * interazione temporale; (b) l'effetto della condizione ma solo dopo l'intervento; (c) un ANCOVA che esamina l'effetto della condizione, controllando pre, con posta come DV.