392. Jak analizować zmianę przed–po?

W wielu badaniach wynik taj samej osoby mierzy się dwukrotnie: przed rozpoczęciem programu i po jego zakończeniu, przed podaniem leku i podczas wizyty kontrolnej albo przed szkoleniem i po nim. Taki schemat bywa opisywany jako pre–post, czyli „przed–po”. Jego podstawową cechą jest zależność pomiarów: wynik po interwencji nie pochodzi od innej, przypadkowo dobranej osoby, lecz od tej samej osoby, która miała określony wynik początkowy.

W tej lekcji kursu na statystyk.edu.pl uporządkujemy sposób myślenia o zmianie przed–po. Najważniejsze pytanie nie brzmi: „czy średnia po badaniu jest inna niż średnia przed badaniem?”, lecz: „jak zmienił się wynik u poszczególnych osób i jaki jest przeciętny kierunek oraz rozmiar tej zmiany?”.

1. Co oznacza zmiana przed–po?

Załóżmy, że dla każdej osoby mamy dwa pomiary zmiennej ilościowej:

• Y_i,przed – wynik osoby i przed interwencją lub w pierwszym punkcie pomiarowym,
• Y_i,po – wynik tej samej osoby po interwencji lub w drugim punkcie pomiarowym.

Najczęściej definiujemy zmianę jako:

Δ_i = Y_i,po − Y_i,przed

Symbol Δ_i oznacza zmianę u osoby i. Jeżeli większa wartość zmiennej oznacza korzystniejszy stan, dodatnia różnica wskazuje poprawę. Jeżeli natomiast większa wartość oznacza większe nasilenie objawu, na przykład większy ból, dodatnia różnica może oznaczać pogorszenie. Znak zmiany zawsze trzeba interpretować w świetle skali i jej kierunku.

Średnia zmiana w próbie wynosi:

Δ̄ = (1/n) × ΣΔ_i

• Δ̄ – średnia zmiana,
• n – liczba osób z dostępnymi oboma pomiarami,
• ΣΔ_i – suma zmian wszystkich osób.

To właśnie średnia zmiana jest zwykle głównym opisowym podsumowaniem prostego badania przed–po. Nie wystarczy jednak podać jej bez miary niepewności, takiej jak odchylenie standardowe zmiany, przedział ufności albo odpowiedni test statystyczny.

2. Dlaczego nie porównujemy dwóch średnich tak, jakby grupy były niezależne?

Jeżeli wyniki przed i pochodzą od tych samych osób, pomiary są sparowane. Dwie średnie nie są oparte na dwóch niezależnych próbach. Osoba z wysokim wynikiem początkowym może mieć również wysoki wynik końcowy, a osoba z wynikiem niskim – niski. Ta współzależność zawiera informację, którą należy uwzględnić.

Analiza zmiany działa w praktyce tak, jakby dla każdej osoby utworzono jedną nową obserwację: różnicę między pomiarem po i przed. Następnie analizujemy rozkład tych różnic. Takie podejście redukuje wpływ stałych cech osoby, które występowały w obu pomiarach, i zwykle jest bardziej efektywne niż traktowanie pomiarów jako niezależnych.

Nie oznacza to jednak, że sama obserwowana zmiana jest dowodem działania interwencji. W jedno grupowym badaniu przed–po na wynik mogą wpływać między innymi: naturalny przebieg choroby, regresja do średniej, sezonowość, wydarzenia zewnętrzne, efekt uczenia się, zmiana sposobu pomiaru i selektywna utrata uczestników. Wnioskowanie przyczynowe wymaga odpowiedniego schematu badania, zwłaszcza grupy kontrolnej lub randomizacji.

3. Jak opisać dane przed rozpoczęciem testowania?

3.1. Statystyki opisowe

Dla obu punktów pomiarowych należy przedstawić co najmniej liczbę obserwacji, średnią i odchylenie standardowe albo medianę i kwartyle, jeżeli rozkład jest silnie asymetryczny. Warto również podać statystyki samej zmiany: średnią zmianę, odchylenie standardowe zmiany oraz minimalną i maksymalną wartość.

Przykładowy opis może wyglądać następująco: „U 42 pacjentów średnie nasilenie bólu zmniejszyło się z 6,1 do 4,8 punktu. Średnia zmiana wyniosła −1,3 punktu, a odchylenie standardowe zmian 2,0 punktu”. Sam zapis średnich przed i po nie pokazuje jednak, czy spadek dotyczył większości pacjentów, czy był wynikiem bardzo dużej poprawy u kilku osób.

3.2. Wykresy

Przydatne są wykresy liniowe typu diagramu spaghetti (ang. spaghetti plot), na których każdą osobę reprezentuje osobna linia łącząca pomiar przed i po. Można także użyć wykresu zmian indywidualnych, histogramu różnic lub wykresu pudełkowego zmian. Wykres pozwala dostrzec heterogeniczność efektu: jedni uczestnicy mogą się poprawić, inni pozostać bez zmian, a jeszcze inni pogorszyć się.

4. Test t dla prób zależnych

Jeśli zmiana jest zmienną ilościową, a jej rozkład jest w przybliżeniu symetryczny i pozbawiony skrajnych obserwacji, można zastosować test t dla prób zależnych. Test ten analizuje, czy średnia zmiana różni się od wartości określonej w hipotezie zerowej, zwykle od zera.

Statystyka testowa ma postać:

t = Δ̄ / (s_Δ / √n)

• t – wartość statystyki testowej,
• Δ̄ – średnia zmiana,
• s_Δ – odchylenie standardowe zmian,
• n – liczba kompletnych par pomiarów,
• √n – pierwiastek kwadratowy z liczebności próby.

Przy hipotezie zerowej o średniej zmianie równej zero statystyka ma, przy spełnieniu założeń, rozkład t-Studenta z n − 1 stopniami swobody. Wartość p informuje o zgodności danych z hipotezą zerową w przyjętym modelu; nie jest prawdopodobieństwem, że hipoteza zerowa jest prawdziwa. Niska wartość p nie mówi też, czy zmiana jest duża ani czy ma znaczenie kliniczne.

Założenia należy oceniać dla różnic, a nie osobno dla pomiaru przed i po. Test t jest względnie odporny na umiarkowane odstępstwa od normalności, szczególnie przy większych próbach, ale pojedyncze skrajne różnice mogą silnie wpływać na średnią i wynik testu.

5. Alternatywy dla testu t

Jeśli zmienna jest porządkowa, rozkład zmian jest wyraźnie asymetryczny albo występują silne obserwacje odstające, można rozważyć test znaków lub test rangowanych znaków Wilcoxona. Test znaków wykorzystuje wyłącznie informację o kierunku zmiany, natomiast test Wilcoxona uwzględnia również uporządkowanie bezwzględnych różnic. Wybór testu nie powinien być automatyczną reakcją na brak istotności testu normalności; ważniejsza jest ocena skali odstępstw, liczebności i celu analizy.

W przypadku danych binarnych, na przykład „ból obecny–nieobecny”, stosuje się metody dla danych sparowanych nominalnych, w szczególności test McNemara. Dla liczby epizodów, czasu do zdarzenia lub wielu pomiarów w czasie potrzebne mogą być modele regresji, modele mieszane albo metody przeżycia. Nie każdą zmianę przed–po należy sprowadzać do jednego testu.

6. Przedział ufności i wielkość efektu

Wynik warto prezentować jako średnią zmianę wraz z 95% przedziałem ufności. Przedział dla średniej zmiany można zapisać schematycznie:

Δ̄ ± t_0,975;n−1 × (s_Δ / √n)

Współczynnik t_0,975;n−1 jest odpowiednim kwantylem rozkładu t-Studenta. Przedział opisuje niepewność oszacowania średniej zmiany w przyjętym modelu. Jeżeli obejmuje zero, dane są zgodne zarówno z niewielką zmianą dodatnią, ujemną, jak i brakiem zmiany; nie oznacza to automatycznie, że „nic się nie wydarzyło”.

Przydatna jest także standaryzowana wielkość efektu dla danych sparowanych:

d_z = Δ̄ / s_Δ

W tym wzorze mianownikiem jest odchylenie standardowe zmian, a nie odchylenie standardowe pomiaru przed interwencją. Taki wskaźnik opisuje średnią zmianę w jednostkach zmienności różnic. Progi typu 0,2, 0,5 i 0,8 mogą służyć wyłącznie jako orientacyjne punkty odniesienia, nie jako uniwersalna klasyfikacja małego, średniego i dużego efektu. Znaczenie praktyczne zależy od dziedziny, skali i wcześniej ustalonego minimalnego klinicznie istotnego efektu.

7. Przykład praktyczny: program redukcji bólu

W badaniu obserwacyjnym 30 pacjentów uczestniczyło w czterotygodniowym programie edukacyjno-rehabilitacyjnym. Ból oceniano na skali 0–10 przed rozpoczęciem programu i po czterech tygodniach. Średni wynik przed wynosił 6,4, a po 5,1. Średnia zmiana, zdefiniowana jako „po minus przed”, wyniosła −1,3 punktu. Odchylenie standardowe zmian wyniosło 2,1.

Interpretacja opisowa brzmi: przeciętnie nasilenie bólu zmniejszyło się o 1,3 punktu. Ujemny znak oznacza poprawę, ponieważ mniejszy wynik oznacza mniejsze nasilenie bólu. Nie wolno jednak napisać bez dodatkowych podstaw, że program spowodował redukcję bólu. Bez grupy porównawczej nie można wykluczyć innych wyjaśnień.

Warto również sprawdzić rozkład zmian. Jeżeli większość pacjentów zmniejszyła ból o 1–2 punkty, średnia dobrze opisuje wspólny wzorzec. Jeżeli natomiast 5 osób poprawiło się bardzo wyraźnie, a pozostali nie zmienili wyniku, średnia może ukrywać zróżnicowanie odpowiedzi.

8. Gdy są dwie grupy: ważniejsza jest różnica zmian

W badaniu kontrolowanym można porównać zmianę w grupie interwencyjnej ze zmianą w grupie kontrolnej. Najprostszy opis to:

różnica różnic = Δ̄_interwencja − Δ̄_kontrola

Jeżeli w grupie interwencyjnej średnia zmiana wyniosła −1,8, a w kontrolnej −0,6, różnica zmian wynosi −1,2 punktu. Taki wynik sugeruje większą poprawę w grupie interwencyjnej, ale wniosek powinien uwzględniać przedział ufności, sposób randomizacji, brakujące obserwacje i zgodność analizy z planem.

W randomizowanych badaniach z pomiarem wyjściowym i końcowym często korzystne jest zastosowanie analizy kowariancji, czyli modelu ANCOVA, w którym wynik końcowy jest objaśniany przez grupę oraz wynik początkowy. Vickers i Altman (2001) wskazywali, że takie podejście może być bardziej efektywne niż proste porównywanie zmian, zwłaszcza gdy istnieje silna zależność między pomiarem początkowym i końcowym. W badaniach nierandomizowanych interpretacja jest trudniejsza, ponieważ korekta o wynik wyjściowy nie usuwa automatycznie wszystkich różnic między grupami.

9. Najczęstsze błędy

• Porównywanie średnich bez uwzględnienia sparowania. Ten sam uczestnik powinien być połączony z własnym wynikiem przed i po.
• Analizowanie wyłącznie średniej przed i średniej po. Takie zestawienie nie pokazuje indywidualnych różnic ani ich zmienności.
• Traktowanie wartości p jako miary wielkości efektu. Mała wartość p może wynikać z dużej próby i małej zmiany, a duża wartość p nie dowodzi braku znaczenia praktycznego.
• Wyciąganie wniosku przyczynowego z jednego pomiaru przed i po. Zmiana w czasie nie jest tym samym co efekt interwencji.
• Ignorowanie regresji do średniej. Jeżeli uczestników wybrano dlatego, że mieli wyjątkowo wysoki wynik początkowy, część spadku może wynikać z naturalnego powrotu wyniku w kierunku typowego poziomu (Bland i Altman, 1994).
• Usuwanie osób bez pomiaru końcowego bez wyjaśnienia. Analiza tylko kompletnych par może być obciążona, jeśli brak danych wiąże się ze stanem zdrowia lub wynikiem.
• Używanie niewłaściwego mianownika dla standaryzowanej zmiany. W analizie danych sparowanych należy jasno określić, czy efekt standaryzowano odchyleniem standardowym zmian, czy inną miarą.
• Wnioskowanie o równoważności z braku istotności. Nieistotny wynik testu różnicy nie dowodzi, że dwa pomiary lub dwie grupy są równoważne.

10. Jak raportować analizę?

Dobry raport powinien określać: kto był mierzony, w jakich punktach czasu, jak zdefiniowano zmianę, ile par danych analizowano, jakie statystyki opisowe uzyskano, jaki model lub test zastosowano oraz jak oszacowano niepewność. W przypadku badania interwencyjnego należy dodatkowo opisać grupę kontrolną, randomizację, analizę brakujących danych i pierwotnie określony wynik główny. Standardy raportowania badań randomizowanych, takie jak CONSORT, podkreślają znaczenie jednoznacznego definiowania wyników i momentów ich oceny (Schulz, Altman i Moher, 2010).

Przykładowy zapis: „W analizie 42 kompletnych par średnia zmiana wyniku bólu, obliczona jako pomiar po minus pomiar przed, wyniosła −1,3 punktu (SD = 2,0; 95% CI [−1,9; −0,7]). Zastosowano test t dla prób zależnych. Wynik wskazywał na zmianę zgodną z hipotezą o średniej różnej od zera, jednak ze względu na brak grupy kontrolnej nie interpretowano go jako dowodu przyczynowego działania programu”.

Co warto zapamiętać?

• W schemacie przed–po kluczową jednostką analizy jest zmiana u tej samej osoby.
• Najczęściej definiuje się ją jako wynik po minus wynik przed, ale kierunek trzeba objaśnić w kontekście skali.
• Test t dla prób zależnych analizuje średnią różnicę, a nie dwie niezależne średnie.
• Oprócz wartości p należy podawać średnią zmianę, przedział ufności, zmienność oraz – gdy jest to uzasadnione – standaryzowaną wielkość efektu.
• Zmiana w czasie nie jest automatycznie efektem interwencji. Do wnioskowania przyczynowego potrzebny jest odpowiedni projekt badania.
• W badaniu z grupą kontrolną zwykle interesuje nas różnica zmian, a w randomizowanych badaniach warto rozważyć także ANCOVA.

Analiza zmiany przed–po jest prosta rachunkowo, ale wymaga dojrzałej interpretacji. Najpierw trzeba rozpoznać strukturę danych, następnie opisać indywidualne zmiany, dobrać metodę do skali i rozkładu różnic, a na końcu oddzielić wynik statystyczny od znaczenia praktycznego i wniosku przyczynowego.

Źródła i dalsza lektura

1. Vickers, A. J., & Altman, D. G. (2001). Statistics notes: Analysing controlled trials with baseline and follow up measurements. BMJ, 323(7321), 1123–1124. DOI: 10.1136/bmj.323.7321.1123.
2. Bland, J. M., & Altman, D. G. (1994). Regression towards the mean. BMJ, 308(6942), 1499. DOI: 10.1136/bmj.308.6942.1499.
3. Schulz, K. F., Altman, D. G., & Moher, D.; CONSORT Group (2010). CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trials. BMJ, 340, c332. DOI: 10.1136/bmj.c332.
4. Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: a practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863. DOI: 10.3389/fpsyg.2013.00863.
5. Morris, S. B. (2008). Estimating effect sizes from pretest-posttest-control group designs. Organizational Research Methods, 11(2), 364–386. DOI: 10.1177/1094428106291059.
6. Van Breukelen, G. J. P. (2006). ANCOVA versus change from baseline: more power in randomized studies, more bias in nonrandomized studies. Journal of Clinical Epidemiology, 59(9), 920–925. DOI: 10.1016/j.jclinepi.2006.02.007.

Jeżeli potrzebujesz indywidualnego wsparcia w doborze metod, przygotowaniu bazy lub opracowaniu wyników badań, sprawdź analiza statystyczna.