在某些实验研究中,常常需要考虑时间因素对实验的影响,当需要对同一观察单位在不同时间重复进行多次测量,每个样本的测量数据之间存在相关性,因而不能简单的使用方差分析进行研究,而需要使用重复测量方差分析。
案例:当前有这样一项关于抑郁症的研究,共有12名患者,分为两组,每组6名患者分别使用新药或者旧药;并且分别测量12名患者用药后分别第1周,第4周和第8周时的抑郁程度。
研究问题:①旧药、新药对患者抑郁情况的影响是否有差异?②时间是否会影响抑郁情况?③时间和用药类型两者是否存在交互作用?
1. 数据格式
常见的重复测量数据格式,一般记录成下图格式:
常见格式
在上传SPSSAU分析时,需要先进行整理。
上传格式
如上图,将三次测量的结果,整理到同一列中,并单独设置一列用于识别测量时间。比如上图有12个样本(12个ID号),并且测量3个时间点。那么就一定会有12*3=36行数据。同一个ID号会重复3次,同一个时间点会重复12次。
对于重复测量数据,要求比较严格,不能出现数据缺失。比如在第八周,ID为12的样本缺少测量数据,那么在分析时,需要把所有ID为12的样本数据都剔除出模型。
2. SPSSAU操作
将数据上传至SPSSAU分析,选择【实验/医学研究】--【重复测量方差】。
重复测量方差-SPSSAU
组内项表示同一对象被测试多次的标识项(如时间);组间项表示不同对象组别的标识项。案例中测量时间点称之组内项;旧药、新药的不同组别称为组间项。
本例子中共有4项,分别包括测量数据‘抑郁情况’,组内项‘测量时间’,患者编号‘ID’和组间项‘组别’,分别放置数据如下:
3. 结果解读
重复测量分析共包括两大项,分别是组间项效应分析和组内项效应分析。
比如本案例中两种药物疗效差异对比,即为组间项效应分析。如果希望对比不同时间点的疗效差异,即为组内项效应分析。
组间项效应分析直接查看p 值即可;组内项效应分析需要进行球形度检验,并且结合检验选择适合的结果。
(1)第一步:针对组间效应检验表格进行分析,分析组别间效应显著性情况。即判断旧药、新药对患者抑郁情况的影响是否有显著差异。
组间效应分析结果-SPSSAU
首先分析组间效应,由上表可知:不同药物类型对抑郁程度没有呈现出显著性(F =0.224,p =0.646>0.05),说明新药和旧药对于抑郁症没有明显的差异。
如果组间项呈现出显著性,可使用图形、方差分析或事后多重比较研究具体差异。
(2)第二步:在分析组内效应前,需要先进行球形度检验。
球形度检验结果-SPSSAU
· 当球形度检验p>0.05说明通过球形度检验,此时查看组内效应分析结果时,使用“满足球形度检验”结果。
· 当球形度检验p<0.05说明未通过球形度检验,并且球形度W值大于0.75,组内效应则使用HF校正结果。
· 当球形度检验p<0.05说明未通过球形度检验,并且球形度W值小于0.75,组内效应分析结果则使用GG校正结果。
由上图可知,P=0.031<0.05,未通过球形度检验,球形度W值小于0.75,组内效应分析应以GG校正结果为准。
(3)针对组内效应检验表格进行分析,分析组内效应及交互项显著性情况。即判断时间是否会影响试验结果和两者之间是否存在交互作用。
组内效应分析结果-SPSSAU
对于时间点来看,其呈现出0.1水平的显著性(F =4.136,p =0.055 <0.1),即说明不同时间点时患者的抑郁症程度有着明显的差异性。
同时对于时间与药物类型交互项上,其并没有呈现出显著性(F =0.591,p=0.499> 0.05),说明并不存在差异效应。
如果呈现出差异,可具体结合图表进行分析,也可以使用SPSSAU方差分析或事后多重比较进一步对比差异性等。
从上图可以看出:第1周时抑郁程度分值为4.00分,第4周时为4.08分,第8周明显上升为4.83分,说明随着时间的变化,患者抑郁情况有加重迹象,尤其从第4周到第8周变化时,抑郁程度分值由4.08分明显上升到4.83分。
结论:
· 不同药物对抑郁症患者的抑郁程度影响没有显著差异。
· 不同测量时间患者的抑郁症程度有着明显的差异性,随着用药后测量时间的延长,患者抑郁情况有加重迹象。
· 随测量时间延长,不同药物对抑郁程度影响没有显著差异。
联系客服