- Publicación
- Actualización
Las mediciones de una misma persona a lo largo del tiempo pueden estar correlacionadas. La forma en que un modelo de medidas repetidas representa esa relación afecta a la estimación de la incertidumbre y a la viabilidad práctica. Especifique la estructura y los supuestos del modelo, en vez de basarse únicamente en el nombre del método estadístico.
Definir la pregunta y los supuestos
Considere los momentos de visita, la distribución de los datos y los patrones previstos de datos ausentes. Preespecifique la justificación de la covarianza y la secuencia de alternativas si el modelo no converge. Una estructura muy flexible puede ser inestable con información limitada, mientras que otra más sencilla puede no representar todos los patrones plausibles. Seleccione y evalúe el enfoque con la experiencia estadística adecuada.
Ejemplo de estudio hipotético
En un ensayo hipotético se programan muchas visitas, pero existen relativamente pocos perfiles completos de seguimiento. El modelo previsto es inestable. El equipo aplica su secuencia preespecificada de alternativas y diagnósticos, en vez de elegir la estructura que produce el menor valor p, y documenta la conexión entre la decisión y las características observadas de los datos.
Comprobaciones para la revisión del diseño
- Especifique explícitamente los componentes de tiempo, grupo y covarianza en la definición del modelo.
- Planifique las reglas de modelos alternativos sin utilizar el conocimiento de resultados comparativos para elegirlas.
- Evalúe conjuntamente la convergencia, las estimaciones de incertidumbre y los patrones de datos ausentes.
Registrar la decisión y sus límites
Un código aceptado implementa de forma coherente el modelo descrito. No ignore las advertencias del programa; muestre las alternativas y sus motivos. Explique la pregunta clínica que abordan los distintos modelos y cómo cambia la incertidumbre. Completar numéricamente una ejecución no demuestra que se cumplan todos los supuestos ni que el modelo proporcione una interpretación científica adecuada de los registros disponibles.
Preguntas frecuentes
- ¿Es siempre mejor la covarianza más flexible?
- No. También importan la cantidad de información y la estabilidad del modelo.
- ¿Demuestra la convergencia todos los supuestos?
- No. La finalización numérica difiere de la idoneidad científica.