Comment déterminer la taille d'échantillon nécessaire pour une mesure répétée de l'ANOVA?

J'ai besoin d'aide sur la mesure répétée de l'ANOVA.

Nous étudions l'effet de certaines interventions sur la réduction du taux d'infection du sang (BSI) dans certains quartiers. Nous prévoyons de saisir les informations sur les taux BSI sur une base mensuelle, 12 mois sans intervention en premier, puis 12 mois avec intervention.

Nous pensons faire soit des séries chronologiques soit des mesures répétées d'ANOVA, je préfère la dernière avant que je n'ai pas beaucoup d'idée à faire sur la première (question supplémentaire: trop peu de points de temps, non?), Mais alors voici un autre problème, de combien de services avons-nous besoin pour montrer qu'il y a vraiment un effet statistiquement significatif de l'intervention sur le taux de BSI?

Je pense que je ferai deux ANOVA, une pour "avant intervention", une pour "pendant intervention", et je suppose que l'ANOVA "avant intervention" ne devrait pas avoir un test de rapport F significatif.

Je considère le terme «taille de l'échantillon» bidimensionnel, soit le nombre de quartiers, soit le nombre de mesures répétées.

Comment effectuer une analyse de puissance sur des mesures répétées ANOVA?

G * Power 3 est un logiciel gratuit qui fournit une interface graphique conviviale pour effectuer des calculs de puissance. Il prend en charge les calculs de puissance pour les mesures répétées ANOVA.

Quelle est l'analyse appropriée pour votre conception?

Voici une série de points liés à ce que vous avez mentionné:

• Plus de points dans le temps donneront une indication plus claire de la façon dont l'effet, le cas échéant, de votre intervention fonctionne au fil du temps. Ainsi, si les améliorations diminuent avec le temps ou s’aggravent, plus de points dans le temps donneront une idée plus claire de ces modèles, à la fois en moyenne et au niveau individuel.
• Si vous avez 12 points de temps ou plus, j'examinerais la modélisation à plusieurs niveaux, en particulier si vous attendez des observations manquantes. Il est peu probable que vous vous demandiez s'il y a un effet du temps. Vous êtes plutôt susceptible d'être intéressé par divers effets spécifiques (par exemple, les changements avant et après l'intervention; peut-être un effet d'amélioration linéaire ou quadratique après l'intervention). Vous pouvez également envisager d'utiliser les contrastes prévus en plus des mesures répétées ANOVA. L'analyse longitudinale appliquée des données: Modélisation des changements et des événements est un bon point de départ pour en savoir plus sur la modélisation à plusieurs niveaux des données de mesures répétées.
• Le nombre de points temporels au-delà du pré- et du post-wont fait beaucoup pour augmenter votre pouvoir de détecter l'effet de votre intervention. Plus de points de temps augmenteront votre fiabilité de mesure, et cela pourrait vous assurer de capturer la période de temps où l'effet s'applique, mais le plus gros problème sera probablement la taille de l'échantillon dans les deux conditions.
• En supposant que vous attribuez vraiment des cas de manière aléatoire aux conditions, les populations sont par définition égales sur la variable dépendante, et on pourrait affirmer qu'un test de signification des différences de base n'a pas de sens. Cela dit, les chercheurs le font souvent encore, et je suppose que cela fournit des preuves qu'une répartition aléatoire s'est effectivement produite.
• Il y a pas mal de débats sur la meilleure façon de tester l'effet d'une intervention dans une conception de contrôle pré-post-intervention. Quelques options incluent: (a) la condition * l'interaction temporelle; (b) l'effet de la condition mais juste après l'intervention; (c) une ANCOVA examinant l'effet de la condition, contrôlant le pré, avec le post comme DV.