Bagaimana menentukan ukuran sampel yang diperlukan untuk pengukuran berulang ANOVA?

Saya butuh bantuan tentang ANOVA pengukuran berulang.

Kami sedang menyelidiki efek dari beberapa intervensi pada mengurangi tingkat infeksi aliran darah (BSI) di beberapa bangsal. Kami berencana untuk menangkap informasi tingkat BSI setiap bulan, 12 bulan tanpa intervensi terlebih dahulu, kemudian 12 bulan dengan intervensi.

Kami berpikir untuk melakukan deret waktu atau ANOVA pengukuran berulang, saya lebih suka yang berikutnya sebelum saya tidak punya banyak ide untuk dilakukan pada yang pertama (pertanyaan tambahan: terlalu sedikit poin waktu, kan?), Tetapi kemudian datanglah masalah lain, berapa banyak bangsal yang perlu kita tunjukkan bahwa benar-benar ada pengaruh intervensi yang signifikan secara statistik terhadap tingkat BSI?

Saya pikir saya akan melakukan dua ANOVA, satu untuk "sebelum intervensi", satu untuk "selama intervensi", dan saya kira bahwa ANOVA "sebelum intervensi" tidak boleh memiliki uji rasio-F yang signifikan.

Saya mempertimbangkan istilah "ukuran sampel" dua dimensi, baik jumlah bangsal, atau jumlah pengukuran berulang.

Bagaimana melakukan analisis daya pada tindakan berulang ANOVA?

G * Power 3 adalah perangkat lunak gratis yang menyediakan antarmuka GUI yang mudah digunakan untuk melakukan perhitungan daya. Ini mendukung perhitungan daya untuk tindakan berulang ANOVA.

Apa analisis yang sesuai untuk desain Anda?

Berikut adalah sejumlah poin terkait dengan apa yang telah Anda sebutkan:

• Semakin banyak poin waktu akan memberikan indikasi yang lebih jelas tentang bagaimana efeknya, jika ada, dari intervensi Anda beroperasi seiring waktu. Dengan demikian, jika perbaikan membusuk dari waktu ke waktu atau semakin besar, semakin banyak titik waktu akan memberikan pengertian yang lebih jelas tentang pola-pola ini, baik secara rata-rata, maupun pada tingkat individu.
• Jika Anda memiliki 12 poin waktu atau lebih, saya akan melihat pemodelan multilevel, terutama jika Anda mengharapkan pengamatan yang hilang. Anda tidak mungkin tertarik pada apakah ada efek waktu. Sebaliknya Anda cenderung tertarik pada berbagai efek spesifik (misalnya, perubahan pra dan pasca intervensi; mungkin efek peningkatan linear atau kuadrat pasca-intervensi). Anda juga dapat melihat menggunakan kontras yang direncanakan di atas ANOVA tindakan berulang. Analisis Data Longitudinal Terapan: Perubahan Pemodelan dan Kejadian Kejadian adalah titik awal yang baik untuk belajar tentang pemodelan multilevel data pengukuran berulang.
• Jumlah titik waktu di atas dan di atas sebelum dan sesudahnya tidak banyak membantu meningkatkan kekuatan Anda untuk mendeteksi efek dari intervensi Anda. Semakin banyak poin waktu akan meningkatkan keandalan pengukuran Anda, dan itu mungkin memastikan bahwa Anda menangkap periode waktu di mana efeknya berlaku, tetapi mungkin masalah yang lebih besar akan menjadi ukuran sampel dalam dua kondisi.
• Dengan asumsi Anda benar-benar mengalokasikan kasus secara acak untuk kondisi, populasi menurut definisi sama dengan variabel dependen, dan orang dapat berargumen bahwa uji signifikansi perbedaan baseline tidak ada artinya. Yang mengatakan, peneliti sering masih melakukannya, dan saya kira itu memang memberikan beberapa bukti bahwa alokasi acak sebenarnya telah terjadi.
• Ada cukup banyak perdebatan tentang cara terbaik untuk menguji efek intervensi dalam desain pra-pasca-intervensi-kontrol. Beberapa pilihan termasuk: (a) kondisi * interaksi waktu; (B) efek kondisi tetapi hanya pada pasca intervensi; (c) sebuah ANCOVA yang melihat efek dari kondisi, mengendalikan pre, dengan post sebagai DV.