MerQuR+Başvuru Kitabı

3. Çapraz geçiş denemeleri: 2×2 AB/BA, taşıma etkisi, karma model ve denklik

Şablon kimliği: capraz_gecis · Kategori: deney_tasarimi · Dil: R · Dosya: pro/sablonlar/deney_tasarimi/capraz_gecis.R (satır 1–356; üstbilgi 1–116) · Örnek veri: _ornek/capraz_gecis_senn.csv · Paketler: lme4, lmerTest, emmeans, pbkrtest (Kenward–Roger seçiliyse), stats, graphics

3.1 Ne işe yarar

Çapraz geçiş (cross-over) denemesinde her denek, rastgele atandığı bir sırayla, birbirini izleyen dönemlerde birden çok tedavi alır. Tedaviler aynı denek içinde karşılaştırıldığından denekler arası değişkenlik karşılaştırmadan düşer; aynı kesinliğe paralel grup tasarımından çok daha az denekle ulaşılır. Şablonun cevapladığı soru şudur: "İki (ya da daha çok) tedavi arasındaki fark ne kadardır; dönem etkisi ve bir önceki tedaviden taşan etki bu farkı bozuyor mu; tedaviler denk sayılabilir mi?"

En yalın desen iki tedavili, iki dönemli, iki sıralı AB/BA desenidir. Modeli:

y_{ijk}=\mu+s_{ik}+\pi_j+\tau_{d(i,j)}+\lambda_{d(i,j-1)}+e_{ijk}
  • i: sıra (AB ya da BA); j: dönem (1, 2); k: sıra içindeki denek.
  • s_{ik}\sim N(0,\sigma^2_s): denek etkisi (rastgele). \pi_j: dönem etkisi.
  • \tau_{d(i,j)}: i. sıranın j. dönemde aldığı tedavinin doğrudan etkisi.
  • \lambda_{d(i,j-1)}: bir önceki dönemde alınan tedavinin bu döneme taşan (carry-over) etkisi; birinci dönemde yoktur.
  • e_{ijk}\sim N(0,\sigma^2_e): denek içi hata.

Şablon iki çözümleme yapar. 2×2 desende Grizzle'ın (1965) ve Jones ile Kenward'ın (2014) klasik çözümlemesi: denek içi farklar ve denek toplamları üzerinde iki örneklem t testleri ve dağılımdan bağımsız karşılıkları. Her desende (üç ve daha çok tedavi, Williams desenleri, eksik dönemli denekler) doğrusal karma model. İstenirse denklik, iki tek yönlü testle (TOST) sınanır.

Ne zaman kullanılır? Durum kronik ve kararlıysa (astım, hipertansiyon, ağrı), tedavi etkisi dönem sonunda geri dönüyorsa, dönemler arasına yeterli arınma (washout) süresi konabiliyorsa; yanıt sürekliyse; veri uzun biçimdeyse (her denek-dönem bir satır).

Ne zaman kullanılmaz?

  • Tedavi kalıcı bir değişiklik yapıyorsa (iyileştiren tedavi, öğrenme) ya da hastalık dönemler boyunca ilerliyorsa: çapraz geçiş tasarımı uygun değildir; paralel grup tasarımı ve temel programdaki Bağımsız t-Testi.
  • Her denek tek bir tedavi dizisi almış ve dönem etkisi sorulmuyorsa bile Eşleştirilmiş t-Testi yeterli değildir: o test dönem etkisini tedavi farkına karıştırır; sıralar dengesizse yanlı olur.
  • Biyoeşdeğerlik çalışmasında derişim-zaman eğrilerinden EAA ve C_{\max} hesaplanacaksa: biyoesdegerlik_nca şablonu.
  • Yanıt ikili ya da sayımsa: denek rastgele etkili genelleştirilmiş karma model; glmer_ileri şablonu. Yanıt sıralıysa: clmm_sirali_karma şablonu.
  • Her dönemde birden çok ölçüm varsa ya da dönemler arası korelasyon yapısı (AR1) modellenecekse: lme_varyans_yapilari şablonu.
  • Çoklu karşılaştırma düzeltmesi gerekiyorsa (üç ve daha çok tedavi): bu şablon düzeltme yapmaz; r_emmeans_kontrast şablonu.

Temel programla ilişki. Temel programdaki LMM (Doğrusal Karma Modeller) analiziyle aynı karma model kurulabilir. Bu şablon deseni kendisi tanır, 2×2 desenin klasik çözümlemesini (dönem ve taşıma testleri, birinci dönem kestirimi, dağılımdan bağımsız testler) ekler, taşıma göstergelerini veriden üretir ve denkliği sınar.

3.2 Şablonun girdileri

Form, üstbilgideki on beş [[param]] bloğundan kurulur (capraz_gecis.R:10–115).

Alan (form etiketi) · ad Tür · sekme Varsayılan Geçerli değerler Kodda etkisi
Denek kimliği · denek kategorik sütun · Değişkenler uygun ilk sütun herhangi bir sütun Rastgele etki; denek içi farkların birimi (121–124).
Sıra (tedavi dizisi) · sira kategorik sütun · Değişkenler uygun ilk sütun herhangi bir sütun Sıra etkisi; tutarlılık denetimi (150–155).
Dönem · donem sütun · Değişkenler uygun ilk sütun herhangi bir sütun Sıralı etmen (137–140).
Tedavi · tedavi kategorik sütun · Değişkenler uygun ilk sütun herhangi bir sütun Tedavi etmeni; ilk düzey referans (143–149).
Yanıt · yanit sayısal sütun · Değişkenler ilk sayısal sütun sayısal sütun y (128–130).
Referans tedavi · referans metin · Model boş veride bulunan bir tedavi adı Boşsa alfabetik sırada ilk tedavi (146–149).
Çözümleme · analiz seçim · Model otomatik otomatik, grizzle, karma Hangi bölümlerin çalışacağı (176–178, 194, 253).
Karma modelde birinci derece taşıma terimi · tasima onay · Model kapalı açık / kapalı Taşıma göstergeleri modele eklenir (257–263).
Yanıtı log ölçekte çözümle · log_olcek onay · Model kapalı açık / kapalı y\leftarrow\ln y; sonuçlar oran (131–135, 159–161).
Karma modelde serbestlik derecesi · sd_yontemi seçim · Seçenekler kenward-roger kenward-roger, satterthwaite anova(ddf =), emmeans(lmer.df =) (276–277, 283).
Güven düzeyi · guven ondalık · Seçenekler 0,95 0,5–0,999 (0,5'in kendisi kabul edilmez) Bütün GA'lar (156–158).
Denklik testi (TOST) · denklik onay · Seçenekler kapalı açık / kapalı TOST tabloları (179–192, 247–250, 305–309).
Denklik alt sınırı · denklik_alt ondalık · Seçenekler −20,0 üst sınırdan küçük; log ölçekte pozitif \theta_L (181–185).
Denklik üst sınırı · denklik_ust ondalık · Seçenekler 20,0 alt sınırdan büyük; log ölçekte pozitif \theta_U (181–185).
Denklik testinde α · denklik_alfa ondalık · Seçenekler 0,05 0,001–0,25 Her tek yönlü testin düzeyi; GA düzeyi 1-2\alpha (181, 188).

Örnek ayar (satır 9): denek = hasta, sira = sira, donem = donem, tedavi = tedavi, yanit = PEF, referans = sal. Referans varsayılandan (boş) farklıdır: boş bırakılsaydı alfabetik sırada ilk tedavi (for) referans olur ve fark ters işaretle (sal − for) yazılırdı.

Şablonun kendi denetimleri.

Koşul İleti (özet) Satır
Veri açık değil "Önce Veri sekmesinde bir veri açın." 120
Beş rol beş farklı sütun değil "Denek, sıra, dönem, tedavi ve yanıt farklı sütunlar olmalı." 122
Yanıt sayıya çevrilemiyor "Yanıt sütunu sayısal olmalı." 129
Log ölçek ve y\le0 "Log ölçek için yanıtın bütün değerleri pozitif olmalı." 133
6'dan az gözlem "En az 6 gözlem gerekli." 141
Aynı denek aynı dönemde iki kez "…her denek–dönem çifti tek satır olmalı." 142
2'den az tedavi / dönem "En az iki tedavi gerekli." / "En az iki dönem gerekli." 144, 145
Referans veride yok "Referans tedavi '…' veride yok (tedaviler: …)." 148
Bir deneğe iki sıra değeri "Bir deneğe birden çok sıra değeri atanmış." 153
Tek sıra "En az iki sıra (tedavi dizisi) gerekli…" 155
Güven düzeyi \le0{,}5 ya da \ge1 "Güven düzeyi 0,5 ile 1 arasında olmalı." 157
grizzle seçili, desen tam 2×2 değil "Grizzle çözümlemesi tam 2×2 AB/BA deseni gerektirir…" 177–178
Denklik sınırları: alt \ge üst "Denklik alt sınırı üst sınırdan küçük olmalı." 182
Log ölçekte pozitif olmayan sınır "…pozitif oran olmalı (ör. 0,8 ve 1,25)." 183
2×2'de bir sırada 2'den az denek "…her sırada en az iki denek gerekli." 204
Denek içi farkların varyansı sıfır "…t testleri hesaplanamaz." 205
Sabit etkiler ayrılamıyor "Sabit etkiler tasarım matrisi tam ranklı değil…" 271
n-p<2 "Karma model için gözlem sayısı yetersiz." 272

Durdurmayan notlar: eksik değerli satırlar atılır ve sayısı yazılır (satır 126–127); bütün dönemlerde gözlenmemiş denek varsa sayısı yazılır ve bu deneklerin yalnız karma modele katkı verdiği belirtilir (174–175); taşıma terimi sıra etkisiyle karışıksa sıranın modelden çıkarıldığı yazılır (265–270). Paket uyarıları toplanır ve "Uyarılar:" satırında verilir (311).

Desenin tanınması (satır 172–173). Çözümleme otomatik iken desen şu beş koşulun hepsini sağlıyorsa 2×2 sayılır: iki tedavi, iki dönem, iki sıra, her denek iki dönemde de gözlenmiş, deneklerin aldığı farklı tedavi dizisi sayısı iki. 2×2 desende Grizzle çözümlemesi ve karma model birlikte, öteki desenlerde yalnız karma model çalışır.

3.3 Örnek veri

Dosya: _ornek/capraz_gecis_senn.csv. Senn'in (2002, Bölüm 3) formoterol-salbutamol denemesi: astımlı 13 çocuk iki bronkodilatörü AB/BA deseninde almış, yanıt olarak zirve ekspiratuvar akım (PEF, L/dk) ölçülmüştür. 26 satır (13 denek × 2 dönem), eksik değer yok.

Değişken Rol Tür Özet
hasta Denek sayısal 1–13; her biri 2 satır.
sira Sıra ikili for-sal (7 denek), sal-for (6 denek).
donem Dönem ikili 1, 2.
tedavi Tedavi ikili for (formoterol), sal (salbutamol); her biri 13 gözlem.
PEF Yanıt sayısal 90–410; ortalama 318,5.

Sıra × dönem ortalamaları:

Sıra n 1. dönem 2. dönem
for→sal 7 337,14 (for) 306,43 (sal)
sal→for 6 283,33 (sal) 345,83 (for)

Düzey sırası. Şablon denek, sıra ve tedavi sütunlarını metne çevirir (satır 136) ve tedavi düzeylerini alfabetik sıralar (sort(unique()), satır 143); arayüzün ilk görülme sırası burada kullanılmaz. Referans tedavi ilk düzeye taşınır (149). Dönemler, etiketlerin hepsi sayıya çevrilebiliyorsa sayısal, değilse alfabetik sıralanır (138–140). 2×2 çözümlemesinde "AB" sırası, referans olmayan (etkin) tedaviyi birinci dönemde alan sıradır (199–201); örnek ayarda etkin tedavi for, AB sırası for-sal'dır.

Bu bölümde kullanılan çalıştırmalar: (1) örnek ayar; (2) örnek ayar + denklik testi (sınırlar ±20, α = 0,05); (3) örnek ayar + taşıma terimi; (4) log ölçek + denklik (sınırlar 0,8 ve 1,25) + Satterthwaite; (5) referans boş.

3.4 Yöntem: formüller ve hesap adımları

Hesap sırası: (1) veriyi hazırla, deseni tanı; (2) 2×2 ise her denek için yarım dönem farkını ve toplamı hesapla; tedavi, dönem, taşıma ve birinci dönem karşılaştırmalarını iki örneklem t ile yap; Wilcoxon–Mann–Whitney karşılıklarını ekle; (3) karma modeli REML ile uydur; F testleri, varyans bileşenleri, tedavi ortalamaları ve karşıtlıkları; (4) istenirse TOST; (5) şekiller.

3.4.1 Yarım dönem farkları ve denek toplamları

Her denek için iki özet hesaplanır (satır 202):

h_k=\frac{y_{1k}-y_{2k}}{2},\qquad s_k=y_{1k}+y_{2k}

Farkta denek etkisi s_{ik} sadeleşir; toplamda ise iki katına çıkar. Modelden beklenen değerler:

E(h\mid AB)=\frac{\pi_1-\pi_2}{2}+\frac{\tau_A-\tau_B}{2}-\frac{\lambda_A}{2},\qquad E(h\mid BA)=\frac{\pi_1-\pi_2}{2}-\frac{\tau_A-\tau_B}{2}-\frac{\lambda_B}{2}
E(s\mid AB)-E(s\mid BA)=\lambda_A-\lambda_B
  • AB: etkin tedaviyi (A) birinci dönemde alan sıra; BA: referansı (B) birinci dönemde alan sıra.
  • \lambda_A=\lambda_B ise (taşıma yok ya da eşit) iki sıranın h ortalamalarının farkı \tau_A-\tau_B'yi, toplamı \pi_1-\pi_2'yi verir.
  • Denek toplamlarının sıralar arası farkı yalnız taşıma farkını içerir; ama denek etkisini taşıdığı için varyansı büyüktür.

Buradan dört kestirim çıkar (satır 217–225):

\hat\tau=\bar h_{AB}-\bar h_{BA},\qquad \hat\pi=\bar h_{AB}+\bar h_{BA},\qquad \hat\lambda=\bar s_{AB}-\bar s_{BA},\qquad \hat\tau_{1}=\bar y_{1,AB}-\bar y_{1,BA}
  • \hat\tau: tedavi farkı (etkin − referans). \hat\pi: dönem farkı (1 − 2). \hat\lambda: taşıma farkı (\lambda_A-\lambda_B).
  • \hat\tau_1: yalnız birinci dönem verisiyle paralel grup kestirimi; taşımadan etkilenmez ama denekler arası değişkenliği taşır.

Neden yarım fark?

h'yi ikiye bölmek, iki sıranın ortalama farkını doğrudan \tau_A-\tau_B ölçeğine getirir; bölünmeseydi fark 2(\tau_A-\tau_B) olurdu. Betimleyici tabloda ise her sıranın "tedavi farkı" tam fark olarak verilir (2\bar h_{AB} ve -2\bar h_{BA}; satır 231): bunlar, o sıradaki deneklerin etkin − referans farklarının ortalamasıdır ve içlerinde dönem etkisi vardır.

3.4.2 İki örneklem t: havuzlanmış ve Satterthwaite

Dört karşılaştırmanın her biri iki bağımsız grubun (iki sıranın) ortalamalarını karşılaştırır (iki_t, satır 206–216):

t=\frac{\hat\theta}{\operatorname{SH}},\qquad \operatorname{SH}_{h}=s_p\sqrt{\frac{1}{n_A}+\frac{1}{n_B}},\quad s_p^2=\frac{(n_A-1)s_A^2+(n_B-1)s_B^2}{n_A+n_B-2},\quad \mathrm{sd}=n_A+n_B-2
\operatorname{SH}_{w}=\sqrt{\frac{s_A^2}{n_A}+\frac{s_B^2}{n_B}},\qquad \mathrm{sd}_w=\frac{\big(s_A^2/n_A+s_B^2/n_B\big)^2}{\dfrac{(s_A^2/n_A)^2}{n_A-1}+\dfrac{(s_B^2/n_B)^2}{n_B-1}}
  • s_A^2, s_B^2: karşılaştırılan büyüklüğün (h, s ya da y_1) iki sıradaki örneklem varyansı; n_A, n_B sıralardaki denek sayısı.
  • Havuzlanmış t iki sıranın varyansını eşit sayar; Satterthwaite (1946) biçimi saymaz ve sd'yi kesirli kestirir.
  • Güven aralığı: \hat\theta\pm t_{1-\alpha/2,\,\mathrm{sd}}\operatorname{SH}. Tabloda SS_havuz =s_p.
  • Dönem satırında kestirim \bar h_{AB}+\bar h_{BA}'dir; standart hata ve sd tedavi satırıyla aynıdır (satır 219–221).

Neden her kestirim için iki satır?

Varyansların eşitliği denenmeden iki sonuç yan yana verilir; okur ikisinin ne kadar ayrıştığını görür. Sıralar rastgele atandığı için h'nin varyansının iki sırada farklı olması için bir neden yoktur ve havuzlanmış t olağan seçimdir; karma modelin sonucu da tam veride onunla aynıdır (3.4.5). İki satır belirgin biçimde ayrışıyorsa bir sıradaki aykırı denekler araştırılır.

3.4.3 Taşıma testi ve iki aşamalı yöntem

Taşıma testi \hat\lambda'nın t testidir. Grizzle (1965) şu yolu önermişti: taşıma testi (düşük gücü nedeniyle %10 düzeyinde) anlamlıysa yalnız birinci dönem verisini, değilse çapraz geçiş kestirimini kullan.

İki aşamalı yöntem kullanılmaz

Freeman (1989) bu yöntemin birinci tür hata olasılığını nominal düzeyin çok üstüne çıkardığını gösterdi: taşıma testi ile birinci dönem testi aynı denekler arası bilgiyi kullanır ve yüksek korelasyonludur; taşıma testi anlamlı çıktığında birinci dönem testi de anlamlı çıkmaya yatkındır. Şablon bu yüzden taşıma testini ve birinci dönem kestirimini yalnız bilgi amaçlı verir ve metin çıktısına bu uyarıyı yazar (satır 244–246). Taşıma, yeterli arınma süresiyle tasarım aşamasında önlenir (Senn, 2002).

3.4.4 Dağılımdan bağımsız karşılık

Koch (1972), aynı karşılaştırmaların sıra toplamlarıyla yapılmasını önerdi. Tedavi için h değerleri iki sıra arasında, dönem için h_{AB} ile -h_{BA}, taşıma için denek toplamları karşılaştırılır (satır 237–239):

W=\sum_{k\in AB}R_k-\frac{n_A(n_A+1)}{2},\qquad z=\frac{W-\frac{n_An_B}{2}\mp\frac12}{\sqrt{\dfrac{n_An_B}{12}\Big[(N+1)-\dfrac{\sum_g(t_g^3-t_g)}{N(N-1)}\Big]}}
  • R_k: birleşik örneklemdeki sıra numarası (bağlı değerlerde ortalama sıra); N=n_A+n_B.
  • t_g: g. bağ grubundaki gözlem sayısı; bağ yoksa köşeli parantez N+1'e iner.
  • \mp\frac12: süreklilik düzeltmesi; W-n_An_B/2'nin işaretine göre sıfıra doğru uygulanır. p=2\,\Phi(-\lvert z\rvert).

Koddaki tercih

stats::wilcox.test(…, exact = FALSE, correct = TRUE) çağrılır: kesin dağılım yerine her zaman normal yaklaşım ve süreklilik düzeltmesi kullanılır. Böylece bağlı değerler olsa da olmasa da aynı tanım geçerlidir (R'nin kesin dağılımı bağ varken kullanılamaz). Küçük denemelerde (n<10 dolayı) normal yaklaşımın p değeri kesin değerden biraz farklı olabilir.

3.4.5 Karma model

Her desen için şu model REML ile uydurulur (satır 253–274):

y_{ijk}=\mu+\tau_{d}+\pi_j+\gamma_i+s_{k}+e_{ijk},\qquad s_k\sim N(0,\sigma^2_s),\quad e_{ijk}\sim N(0,\sigma^2_e)
  • \tau_d: tedavi, \pi_j: dönem, \gamma_i: sıra (sabit etkiler). s_k: denek (rastgele kesişim).
  • Sıra etkisi denekler arası bir karşılaştırmadır; 2×2 desende taşıma farkıyla aynı şeydir (3.4.1).
  • İki ölçüm arasındaki korelasyon \sigma^2_s/(\sigma^2_s+\sigma^2_e)'dir; büyük olması çapraz geçiş tasarımının kazancını gösterir.

Tam 2×2 veride REML çözümü kapalı biçimdedir. Denek içi kareler ortalaması \mathrm{KO}_{iç} (fark y_1-y_2'nin sıralar içinde havuzlanmış varyansının yarısı) ve denekler arası kareler ortalaması \mathrm{KO}_{ara} (toplam s'nin havuzlanmış varyansının yarısı) ile:

\hat\sigma^2_e=\mathrm{KO}_{iç},\qquad \hat\sigma^2_s=\frac{\mathrm{KO}_{ara}-\mathrm{KO}_{iç}}{2},\qquad \operatorname{SH}(\hat\tau)=\sqrt{\frac{\hat\sigma^2_e}{2}\Big(\frac{1}{n_A}+\frac{1}{n_B}\Big)}
\operatorname{SH}(\hat\mu_d)=\sqrt{\frac{\hat\sigma^2_s+\hat\sigma^2_e}{4}\Big(\frac{1}{n_A}+\frac{1}{n_B}\Big)},\qquad \mathrm{sd}(\hat\mu_d)=\frac{(\mathrm{KO}_{ara}+\mathrm{KO}_{iç})^2}{\mathrm{KO}_{ara}^2/\nu+\mathrm{KO}_{iç}^2/\nu},\quad \nu=n_A+n_B-2
  • \operatorname{SH}(\hat\tau) havuzlanmış t'nin standart hatasıyla aynıdır, çünkü s_p^2(h)=\hat\sigma^2_e/2. Tam veride karma model ve Grizzle çözümlemesi aynı tedavi sonucunu verir.
  • \hat\mu_d: tedavi ortalaması (iki sıradaki hücre ortalamalarının ortalaması). Varyansı denekler arası bileşeni de içerir; sd'si iki kareler ortalamasının bileşiminden, Satterthwaite formülüyle çıkar.

Koddaki tercih

Model lmerTest::lmer(y ~ tedavi + donem + sira + (1 | denek), REML = TRUE) ile uydurulur (satır 273–274; Bates ve ark., 2015; Kuznetsova, Brockhoff ve Christensen, 2017). F testleri anova(km, ddf =) ile (Tip III), tedavi ortalamaları emmeans(km, ~ tedavi, lmer.df =) ile (Lenth ve Piaskowski, 2026) alınır (277, 283). Serbestlik derecesi yöntemi varsayılan olarak Kenward–Roger'dır (Kenward ve Roger, 1997); Satterthwaite seçilebilir. İki tedavide karşıtlık trt.vs.ctrl ile "etkin − referans" olarak kurulur; ikiden çok tedavide pairwise ile bütün ikili karşıtlıklar verilir (289–290). Çoklu karşılaştırma düzeltmesi yapılmaz (adjust = "none").

İkiden çok tedavide karşıtlığın yönü

pairwise karşıtlıkları emmeans'in adlandırmasıyla "önceki düzey − sonraki düzey" biçimindedir. Referans tedavi ilk düzey olduğundan, referansı içeren satırlar "referans − öteki" yönündedir (ör. A − B, A − C, B − C); iki tedavili desendeki "etkin − referans" yönünün tersidir. Satır adı her zaman hangi yönün yazıldığını gösterir; işaret ona göre okunur.

3.4.6 Birinci derece taşıma terimi

Taşıma terimi açıldığında, referans dışındaki her tedavi için "bir önceki dönemde bu tedavi alındı mı" göstergesi (0/1) üretilir ve modele eklenir (satır 257–263). Birinci dönemde bütün göstergeler sıfırdır. Katsayı, o tedaviden taşan etkinin referans tedaviden taşan etkiye göre farkıdır.

  • 2×2 desende taşıma göstergesi sıra etkisiyle doğrusal bağımlıdır; şablon bunu rank denetimiyle saptar, sıra terimini modelden çıkarır ve bir not yazar (265–270).
  • Bu durumda tedavi katsayısı birinci dönem farkına eşit olur ve varyansı denekler arası bileşeni içerir: \operatorname{Var}(\hat\tau)=(\hat\sigma^2_s+\hat\sigma^2_e)(1/n_A+1/n_B).
  • Üç ve daha çok dönemli desenlerde (Williams, 1949) taşıma, tedavi ve dönem ayrı ayrı kestirilebilir; Williams desenleri taşımaya göre dengelenmiştir.

3.4.7 Denklik: iki tek yönlü test

Denklik sınamasında sıfır hipotezi tedavilerin farklı olduğudur: H_0:\ \tau\le\theta_L ya da \tau\ge\theta_U. Schuirmann'ın (1987) yöntemi iki tek yönlü t testi uygular (tost_satir, satır 187–192):

p_L=P\Big(T_{\mathrm{sd}}>\frac{\hat\tau-\theta_L}{\operatorname{SH}}\Big),\qquad p_U=P\Big(T_{\mathrm{sd}}<\frac{\hat\tau-\theta_U}{\operatorname{SH}}\Big),\qquad p_{TOST}=\max(p_L,\ p_U)
  • \theta_L, \theta_U: denklik sınırları (formdaki alt ve üst sınır). p_{TOST}<\alpha ise denklik sonucuna varılır (tabloda esdeger = evet).
  • Eşdeğer karar: \hat\tau\pm t_{1-\alpha,\,\mathrm{sd}}\operatorname{SH} aralığı, yani %100(1-2\alpha) GA, bütünüyle (\theta_L,\theta_U) içinde kalıyorsa denk. \alpha=0{,}05 için bu %90 GA'dır.
  • Log ölçekte çözümleme \ln y üzerinde yapılır, sınırların logaritması alınır ve kestirim ile GA üstel dönüşümle oran olarak yazılır.

Neden %90 güven aralığı?

Denklik için hem "fark alt sınırdan büyük" hem "fark üst sınırdan küçük" savlarının her biri \alpha düzeyinde gösterilmelidir. İki tek yönlü \alpha testi, iki uçtan \alpha kesen aralığa, yani 1-2\alpha düzeyli aralığa karşılık gelir. İki koşul birlikte arandığı için toplam hata olasılığı yine \alpha'yı aşmaz. Tedavi karşıtlığı tablosundaki %95 GA ile denklik tablosundaki %90 GA bu yüzden farklıdır.

Koddaki tercih

TOST iki yerde hesaplanır: 2×2 desende havuzlanmış t'nin kestirimi, SH'si ve sd'siyle (satır 247–250); karma modelde her karşıtlık için emmeans'in kestirimi, SH'si ve sd'siyle (305–309). Tam 2×2 veride ikisi aynıdır. Denklik sınırları şekildeki karşıtlık grafiğine kesikli çizgi olarak çizilir (352).

3.5 Kod adım adım

Satırlar Ne yapar Neden / dikkat
1–116 Üstbilgi: açıklama, örnek veri ve ayar, on beş parametre. Form ve varsayılanlar (Bölüm 1.2).
117–135 Paketler; rollerin alınması; eksik satırların atılması; yanıtın sayıya çevrilmesi; log dönüşümü. Log ölçek seçilirse sonraki bütün hesap \ln y üzerindedir (134).
136–155 Etmenlerin kurulması: dönem sırası, tedavi düzeyleri, referans; sıra tutarlılığı. Tedavi düzeyleri alfabetik; referans başa alınır (143–149).
156–170 Güven düzeyi; ölçek ve adlandırma yardımcıları; özet satırı; desen tablosu. ols() log ölçekte üstel dönüşüm yapar (159).
171–192 Desenin tanınması; çözümleme seçimi; TOST sınırları ve tost_satir(). Sınırlar log ölçekte logaritmaya çevrilir (185).
193–251 2×2: geniş biçim, h ve s; iki_t(); dört karşılaştırma; betimleyici tablo; Wilcoxon; Freeman uyarısı; TOST. AB sırası = etkin tedavi birinci dönemde (201).
252–310 Karma model: taşıma göstergeleri, rank denetimi, lmer, F testleri, varyans bileşenleri, ortalamalar, karşıtlıklar, taşıma katsayıları, TOST. Sıra, taşıma terimiyle karışıksa çıkarılır (265–270).
311–356 Uyarılar; iki şekil: profiller ve sıra × dönem ortalamaları; fark-toplam grafiği ve karşıtlık GA'ları. Renkler renk körlüğüne uygun palettendir (313).

3.6 Elle hesap: örnek veride bağımsız yeniden hesap

Ara değerler dogrulama/capraz_gecis/elle_hesap.py ile hesaplanmıştır. Betik şablon kodunu, lme4'ü, emmeans'i ve hazır t / Wilcoxon işlevlerini kullanmaz: bütün büyüklükler numpy ile açık formüllerden, karma model 3.4.5'teki kapalı biçimden kurulur; scipy yalnız t, F ve normal dağılım fonksiyonları için kullanılır. R tarafında t testleri stats::t.test ile, karma model nlme::lme ve profil REML sapmasının sayısal en küçüklenmesiyle uydurulmuştur (r_dogrulama.R).

Adım 1 — Yarım farklar ve toplamlar.

Sıra Denek y_1 y_2 h s
for→sal (AB) 1 310 270 20,0 580
2 310 260 25,0 570
3 370 300 35,0 670
4 410 390 10,0 800
5 250 210 20,0 460
6 380 350 15,0 730
7 330 365 −17,5 695
sal→for (BA) 8 370 385 −7,5 755
9 310 400 −45,0 710
10 380 410 −15,0 790
11 290 320 −15,0 610
12 260 340 −40,0 600
13 90 220 −65,0 310

\bar h_{AB}=15{,}357143, s^2_{AB}=271{,}726190 (n_A=7); \bar h_{BA}=-31{,}250000, s^2_{BA}=499{,}375000 (n_B=6).

Adım 2 — Tedavi ve dönem.

\hat\tau=15{,}357143-(-31{,}250000)=46{,}607143,\qquad \hat\pi=15{,}357143+(-31{,}250000)=-15{,}892857
s_p^2=\frac{6\cdot271{,}726190+5\cdot499{,}375000}{11}=375{,}202922,\qquad s_p=19{,}370155
\operatorname{SH}_h=19{,}370155\sqrt{\tfrac17+\tfrac16}=10{,}776560,\qquad t=\frac{46{,}607143}{10{,}776560}=4{,}324863,\qquad p=0{,}001205

t_{0{,}975;\,11}=2{,}200985 ile %95 GA: 46{,}607143\pm2{,}200985\cdot10{,}776560=[22{,}888095;\ 70{,}326191]. Dönem için t=-15{,}892857/10{,}776560=-1{,}474762, p=0{,}168314.

Satterthwaite: s^2_{AB}/n_A=38{,}818027, s^2_{BA}/n_B=83{,}229167; \operatorname{SH}_w=\sqrt{122{,}047194}=11{,}047497;

\mathrm{sd}_w=\frac{122{,}047194^2}{38{,}818027^2/6+83{,}229167^2/5}=9{,}101731,\qquad t=4{,}218797,\qquad p=0{,}002188

Adım 3 — Taşıma ve birinci dönem. \bar s_{AB}=643{,}571429, \bar s_{BA}=629{,}166667; \hat\lambda=14{,}404762. Toplamların havuzlanmış standart sapması 144,523212; \operatorname{SH}=80{,}405293; t=0{,}179152; p=0{,}861076. Birinci dönem: 337{,}142857-283{,}333333=53{,}809524; havuzlanmış standart sapma 81,394768; \operatorname{SH}=45{,}283868; t=1{,}188271; p=0{,}259749. Aynı tedavi farkı çapraz geçiş kestiriminde 10,78, birinci dönem kestiriminde 45,28 standart hatayla kestirilir: varyans oranı 17,7'dir.

Adım 4 — Wilcoxon–Mann–Whitney (tedavi). 13 yarım farkın sıralanmasında iki bağ vardır (−15 iki kez, 20 iki kez). AB sırasının sıra toplamı 67'dir:

W=67-\frac{7\cdot8}{2}=39,\qquad \operatorname{Var}(W)=\frac{7\cdot6}{12}\Big[14-\frac{6+6}{13\cdot12}\Big]=48{,}730769
z=\frac{39-21-0{,}5}{\sqrt{48{,}730769}}=2{,}506897,\qquad p=0{,}012180

Dönem için W=15, z=-0{,}791167, p=0{,}428847; taşıma için W=19, z=-0{,}214286, p=0{,}830324.

Adım 5 — Karma model (kapalı biçim).

\mathrm{KO}_{iç}=\frac{4\,s_p^2}{2}=2\cdot375{,}202922=750{,}405844,\qquad \mathrm{KO}_{ara}=\frac{144{,}523212^2}{2}=10443{,}479437
\hat\sigma^2_e=750{,}405844,\qquad \hat\sigma^2_s=\frac{10443{,}479437-750{,}405844}{2}=4846{,}536797

Denek içi korelasyon 4846{,}54/(4846{,}54+750{,}41)=0{,}866'dır. Tedavi karşıtlığının standart hatası \sqrt{750{,}405844\cdot(1/7+1/6)/2}=10{,}776560 ile Adım 2'deki değerin aynısıdır. Tedavi ortalamaları:

\hat\mu_{for}=\frac{337{,}142857+345{,}833333}{2}=341{,}488095,\qquad \hat\mu_{sal}=\frac{306{,}428571+283{,}333333}{2}=294{,}880952
\operatorname{SH}(\hat\mu)=\sqrt{\frac{5596{,}942641}{4}\Big(\frac17+\frac16\Big)}=20{,}810977,\qquad \mathrm{sd}=\frac{11194{,}885281^2}{(10443{,}479437^2+750{,}405844^2)/11}=12{,}572668

F testleri tek serbestlik dereceli olduğundan t^2'ye eşittir: tedavi 4{,}324863^2=18{,}704439; dönem 1{,}474762^2=2{,}174922; sıra 0{,}179152^2=0{,}032095 (payda sd 11).

Adım 6 — Denklik (±20, α = 0,05). t_{0{,}95;\,11}=1{,}795885; %90 GA: 46{,}607143\pm1{,}795885\cdot10{,}776560=[27{,}253683;\ 65{,}960603].

p_L=P\Big(T_{11}>\frac{46{,}607143+20}{10{,}776560}\Big)=0{,}0000345,\qquad p_U=P\Big(T_{11}<\frac{46{,}607143-20}{10{,}776560}\Big)=0{,}984411

p_{TOST}=0{,}984411: aralık üst sınırın (20) bütünüyle üstündedir; tedaviler denk değildir.

Adım 7 — Taşıma terimli model. Sıra modelden çıkar; tedavi kestirimi birinci dönem farkı 53,809524 olur. \operatorname{SH}=\sqrt{5596{,}942641\cdot(1/7+1/6)}=41{,}621953; sd 12,572668; p=0{,}219328. Taşıma katsayısı 14,404762 (SH 80,405293; sd 11; p=0{,}861076), Adım 3'teki taşıma testinin aynısıdır.

Adım 8 — Log ölçek. \ln\mathrm{PEF} üzerinde \hat\tau=0{,}188040, \operatorname{SH}=0{,}063724; oran e^{0{,}188040}=1{,}206881; %95 GA [1{,}048945;\ 1{,}388598]. Sınırlar 0,8 ve 1,25 için %90 GA [1{,}076375;\ 1{,}353211], p_{TOST}=0{,}296366: üst uç 1,25'i aşar.

3.6.1 Doğrulama: MerQuR+, Python ve R

MerQuR+ sütunu şablonun tablolarından tam hassasiyetle alınmıştır (çalıştırmalar 1–4).

Büyüklük MerQuR+ Python (bağımsız) R (bağımsız) En büyük fark
Sıra for→sal: denek içi fark ortalaması 30,71428571 30,71428571 — 4,6e−16 ✓
Sıra sal→for: denek içi fark ortalaması 62,5 62,5 — 0 ✓
Tedavi (for − sal): kestirim 46,60714286 46,60714286 46,60714286 7,6e−16 ✓
Tedavi (for − sal): SH (havuzlanmış) 10,77655965 10,77655965 10,77655965 2,5e−15 ✓
Tedavi (for − sal): p (havuzlanmış) 0,00120485 0,00120485 0,00120485 8,9e−17 ✓
Tedavi (for − sal): sd (Satterthwaite) 9,10173124 9,10173124 9,10173124 3,9e−16 ✓
Tedavi (for − sal): p (Satterthwaite) 0,00218787 0,00218787 0,00218787 7,9e−17 ✓
Dönem (1 − 2): kestirim −15,89285714 −15,89285714 −15,89285714 2,7e−15 ✓
Dönem (1 − 2): SH (havuzlanmış) 10,77655965 10,77655965 10,77655965 2,5e−15 ✓
Dönem (1 − 2): p (havuzlanmış) 0,16831408 0,16831408 0,16831408 4,2e−16 ✓
Dönem (1 − 2): sd (Satterthwaite) 9,10173124 9,10173124 9,10173124 3,9e−16 ✓
Dönem (1 − 2): p (Satterthwaite) 0,18375015 0,18375015 0,18375015 1,7e−16 ✓
Taşıma: kestirim 14,4047619 14,4047619 14,4047619 1,8e−15 ✓
Taşıma: SH (havuzlanmış) 80,40529261 80,40529261 80,40529261 7,1e−16 ✓
Taşıma: p (havuzlanmış) 0,86107564 0,86107564 0,86107564 1,1e−16 ✓
Taşıma: sd (Satterthwaite) 8,42537348 8,42537348 8,42537348 4,2e−16 ✓
Taşıma: p (Satterthwaite) 0,86653147 0,86653147 0,86653147 4,4e−16 ✓
Yalnız 1. dönem: kestirim 53,80952381 53,80952381 53,80952381 9,2e−16 ✓
Yalnız 1. dönem: SH (havuzlanmış) 45,28386839 45,28386839 45,28386839 6,3e−16 ✓
Yalnız 1. dönem: p (havuzlanmış) 0,25974888 0,25974888 0,25974888 4,4e−16 ✓
Yalnız 1. dönem: sd (Satterthwaite) 7,18168784 7,18168784 7,18168784 6,2e−16 ✓
Yalnız 1. dönem: p (Satterthwaite) 0,29445157 0,29445157 0,29445157 5,6e−16 ✓
Tedavi: t (havuzlanmış) 4,32486289 4,32486289 4,32486289 2,1e−16 ✓
Tedavi: GA alt (havuzlanmış) 22,888095 22,888095 22,888095 4,1e−12 ✓
Tedavi: GA üst (havuzlanmış) 70,32619071 70,32619071 70,32619071 1,3e−12 ✓
Tedavi: GA alt (Satterthwaite) 21,658483 21,658483 21,658483 2,6e−11 ✓
Havuzlanmış SS (yarım farklar) 19,37015545 19,37015545 — 9,2e−16 ✓
Wilcoxon Tedavi: W 39 39 39 0 ✓
Wilcoxon Tedavi: p 0,01217963 0,01217963 0,01217963 1,4e−17 ✓
Wilcoxon Dönem: W 15 15 15 0 ✓
Wilcoxon Dönem: p 0,4288466 0,4288466 0,4288466 1,1e−16 ✓
Wilcoxon Taşıma: W 19 19 19 0 ✓
Wilcoxon Taşıma: p 0,83032426 0,83032426 0,83032426 3,3e−16 ✓
Karma: \hat\sigma^2_s (denekler arası) 4846,53691828 4846,53679654 4846,53703472 2,5e−8 ✓
Karma: \hat\sigma^2_e (denek içi) 750,40582783 750,40584416 750,40581222 2,2e−8 ✓
Karma: F (tedavi) 18,7044394 18,70443899 18,70443979 2,2e−8 ✓
Karma: p (tedavi) 0,00120485 0,00120485 0,00120485 9,5e−11 ✓
Karma: F (donem) 2,17492204 2,174922 2,17492209 2,2e−8 ✓
Karma: p (donem) 0,16831407 0,16831408 0,16831407 4,2e−9 ✓
Karma: F (sira) 0,03209541 0,03209541 0,03209541 7,0e−10 ✓
Karma: p (sira) 0,86107564 0,86107564 0,86107564 1,5e−9 ✓
Karma: ortalama sal 294,88095238 294,88095238 294,88095238 2,5e−15 ✓
Karma: ortalama for 341,48809524 341,48809524 341,48809524 2,5e−15 ✓
Karma: ortalama SH 20,81097691 20,81097672 20,8109771 9,4e−9 ✓
Karma: ortalama sd (Kenward–Roger) 12,5726684 12,57266847 — 5,4e−9 ✓
Karma: ortalama GA alt (sal) 249,76573683 249,76573728 — 1,8e−9 ✓
Karma: karşıtlık SH 10,77655953 10,77655965 10,77655942 1,1e−8 ✓
Karma: karşıtlık GA alt 22,88809526 22,888095 22,88809551 1,1e−8 ✓
TOST (2×2): %90 GA alt 27,25368299 27,25368299 27,25368299 1,5e−13 ✓
TOST (2×2): %90 GA üst 65,96060272 65,96060272 65,96060272 6,1e−14 ✓
TOST (2×2): p alt 3,450451·10−5 3,450451·10−5 3,450451·10−5 1,4e−20 ✓
TOST (2×2): p üst 0,98441116 0,98441116 0,98441116 2,2e−16 ✓
TOST (karma): p 0,98441116 0,98441116 0,98441116 7,4e−10 ✓
Taşıma terimli model: tedavi 53,80952381 53,80952381 53,80952381 4,2e−14 ✓
Taşıma terimli model: tedavi SH 41,62195383 41,62195344 41,62195335 1,2e−8 ✓
Taşıma terimli model: tedavi sd 12,5726684 12,57266847 — 5,4e−9 ✓
Taşıma terimli model: tedavi p 0,21932767 0,21932767 — 4,2e−9 ✓
Taşıma terimli model: taşıma 14,4047619 14,4047619 14,4047619 3,1e−13 ✓
Taşıma terimli model: taşıma SH 80,40529349 80,40529261 80,40529242 1,3e−8 ✓
Log ölçek: oran for / sal 1,20688144 1,20688144 — 1,3e−15 ✓
Log ölçek: log fark 0,18803971 0,18803971 0,18803971 2,8e−17 ✓
Log ölçek: SH (log) 0,06372379 0,06372379 0,06372379 2,8e−17 ✓
Log ölçek: oran GA alt 1,04894468 1,04894468 — 5,5e−13 ✓
Log ölçek: TOST %90 GA alt 1,07637523 1,07637523 1,07637523 2,2e−14 ✓
Log ölçek: TOST %90 GA üst 1,353211 1,353211 1,353211 2,3e−14 ✓
Log ölçek: TOST p 0,29636566 0,29636566 0,29636566 3,3e−16 ✓
Log ölçek: geometrik ortalama sal 278,42388551 278,42388551 — 1,0e−15 ✓
Log ölçek: karma model oranı 1,20688144 1,20688144 — 1,3e−15 ✓

Ölçütü karşılayan: 68/68. Python: açık formüller (numpy); karma model tam 2×2 veride denek içi ve denekler arası kareler ortalamalarından kapalı biçimde. R: stats::t.test, sıra toplamından açık Wilcoxon formülü ve nlme::lme; nlme çözümü, tek parametreli profil REML sapmasının optimize ile en küçüklenmesiyle inceltilmiştir (lme4, lmerTest ve emmeans kullanılmadan). Kalan farklar (\le 3\times10^{-8}) şablondaki lmer eniyileyicisinin durma toleransından gelir.

Açık formüllü büyüklükler (2×2 çözümlemesi, Wilcoxon, TOST) makine hassasiyetinde örtüşür. Karma model büyüklüklerinde kalan fark en çok 2{,}5\times10^{-8}'dir ve yinelemeli REML çözümünün durma noktasından gelir; kapalı biçim (Python) kesin değeri verir.

3.7 Çıktıyı okuma

Çalıştırma 2'nin (örnek ayar + denklik) metin çıktısı:

Çapraz geçiş denemesi: 13 denek, 26 gözlem, 2 dönem, 2 tedavi (sal, for), 2 sıra
Taşıma testi p = 0,8611. Bu testin gücü düşüktür (denekler arası karşılaştırma);
Freeman (1989) iki aşamalı yöntemin (taşıma anlamlıysa yalnız 1. dönemi kullanmanın)
yanlı olduğunu gösterdi. Taşıma etkisi tasarımla (yeterli arınma dönemi) önlenmelidir;
1. dönem kestirimi yalnız bilgi amaçlı verilmiştir.

"Sıra başına betimleyici istatistikler (tedavi farkı = for − sal, denek içi)":

sira n ort_donem1 ort_donem2 tedavi_farki SS_fark
for→sal 7 337,1429 306,4286 30,7143 32,9682
sal→for 6 283,3333 345,8333 62,5000 44,6934

"2×2 AB/BA çözümlemesi" tablosu (kısaltılmış; SS_havuz sütunu çıkarıldı):

etki yontem kestirim SH sd t p GA_alt GA_ust
Tedavi (for − sal) Havuzlanmış 46,6071 10,7766 11 4,3249 0,0012 22,8881 70,3262
Tedavi (for − sal) Satterthwaite 46,6071 11,0475 9,1017 4,2188 0,0022 21,6585 71,5558
Dönem (1 − 2) Havuzlanmış −15,8929 10,7766 11 −1,4748 0,1683 −39,6119 7,8262
Taşıma (λ for − λ sal) Havuzlanmış 14,4048 80,4053 11 0,1792 0,8611 −162,5661 191,3756
Tedavi, yalnız 1. dönem Havuzlanmış 53,8095 45,2839 11 1,1883 0,2597 −45,8596 153,4786

Karma model tabloları: F testleri (Kenward–Roger) tedavi F_{1,\,11}=18{,}7044, p=0{,}0012; dönem F_{1,\,11}=2{,}1749, p=0{,}1683; sıra F_{1,\,11}=0{,}0321, p=0{,}8611. Varyans bileşenleri: denekler arası 4846,5369 (SS 69,6171), denek içi 750,4058 (SS 27,3935). Tedavi ortalamaları: sal 294,8810, for 341,4881 (SH 20,8110; sd 12,5727). Karşıtlık for − sal 46,6071 (SH 10,7766; sd 11; %95 GA 22,8881–70,3262). Denklik tablosu: %90 GA 27,2537–65,9606; sınırlar −20 ve 20; p_alt 0,0000345; p_ust 0,9844; p_TOST 0,9844; esdeger hayır.

Öğe Ne yazar Nasıl yorumlanır
İlk satır Denek, gözlem, dönem, tedavi (referans ilk sırada), sıra sayıları Parantezdeki ilk tedavi referanstır; karşıtlık "öteki − referans"tır.
Desen tablosu Sıra × dönem gözlem sayıları Dengesizlik ve eksik dönemler burada görülür.
Betimleyici tablo Sıra başına dönem ortalamaları, denek içi tedavi farkı İki sıranın tedavi_farki değerlerinin ortalaması \hat\tau'dur; aralarındaki fark dönem etkisinin iki katıdır.
Tedavi satırı \hat\tau, SH, sd, t, p, GA Asıl sonuç; dönem etkisinden arındırılmıştır.
Dönem satırı \hat\pi (1 − 2) Negatif değer ikinci dönemde yanıtın yükseldiğini gösterir.
Taşıma satırı \hat\lambda ve testi Gücü düşük; anlamsız çıkması taşımanın yokluğunu göstermez. Karar için kullanılmaz.
1. dönem satırı Paralel grup kestirimi Yalnız bilgi; standart hatasının büyüklüğü çapraz geçişin kazancını gösterir.
Wilcoxon tablosu W ve p Aykırı deneklere dayanıklı denetim; t ile aynı yöndeyse sonuç dağılım varsayımına bağlı değildir.
Varyans bileşenleri \hat\sigma^2_s, \hat\sigma^2_e ve karekökleri Tabloda SS standart sapmadır. \hat\sigma^2_s\gg\hat\sigma^2_e ise çapraz geçiş çok kazançlıdır.
Tedavi ortalamaları Dönem ve sıra üzerinden dengelenmiş ortalamalar SH'leri denekler arası değişkenliği içerir; farkın SH'si çok daha küçüktür.
Denklik tablosu %100(1-2\alpha) GA, iki tek yönlü p, karar GA bütünüyle sınırların içindeyse evet.

Şekil 3.1. Şablonun birinci şekli (örnek veri). Sol: denek profilleri, sıraya göre renkli; for→sal sırasında çizgilerin çoğu aşağı, sal→for sırasında yukarı eğimlidir. Sağ: sıra × dönem ortalamaları; etiketler o hücrede verilen tedavidir. Çizgilerin kesişmesi tedavi etkisini, kesişme noktasının yatay konumu dönem etkisini gösterir.

Şekil 3.2. Şablonun ikinci şekli (çalıştırma 2). Sol: Hills–Armitage fark-toplam grafiği; her nokta bir denek, kesikli çizgiler iki sıranın ortalama dönem farkıdır. İki çizginin arasındaki dikey uzaklık tedavi etkisinin iki katıdır (93,2). Sağ: tedavi karşıtlığının %95 GA'sı; kesikli çizgiler denklik sınırlarıdır (±20).

Fark-toplam grafiğinde (Hills ve Armitage, 1979) iki sıranın nokta bulutları dikey yönde ayrışıyorsa tedavi etkisi, yatay yönde ayrışıyorsa taşıma etkisi vardır. Örnekte bulutlar dikeyde ayrıktır, yatayda iç içedir. Sol alttaki nokta 13. denektir (s=310): birinci dönemde 90 L/dk ile öteki çocukların çok altındadır; Satterthwaite satırının sd'sini düşüren ve log ölçekteki sonucu zayıflatan bu denektir.

Rapor cümlesi:

On üç çocukta iki dönemli AB/BA çapraz geçiş denemesi, denek içi yarım dönem farkları üzerinden çözümlendi. Formoterol, salbutamole göre zirve ekspiratuvar akımı 46,6 L/dk artırdı (SH = 10,8; t_{11} = 4,32; p = 0,001; %95 GA 22,9–70,3). Dönem etkisi anlamlı değildi (−15,9 L/dk; p = 0,168). Dağılımdan bağımsız Wilcoxon–Mann–Whitney testi aynı sonucu verdi (p = 0,012). Denek rastgele etkili karma modelde (REML, Kenward–Roger) denekler arası varyans 4847, denek içi varyans 750 olarak kestirildi; tedavi ortalamaları formoterol için 341,5, salbutamol için 294,9 L/dk idi. ±20 L/dk sınırlarıyla denklik gösterilemedi (%90 GA 27,3–66,0).

3.8 Sık hatalar ve tuzaklar

  • Referansı boş bırakıp işareti yanlış okumak. Referans boşsa alfabetik sırada ilk tedavi referans olur. Örnek veride bu for'dur ve sonuç sal − for = −46,61 olarak yazılır. Standart ya da plasebo tedavinin adı referans alanına yazılmalıdır.
  • İki aşamalı yöntemi uygulamak. Taşıma testine bakıp birinci dönem kestirimine geçmek yanlıdır (3.4.3). Taşıma kuşkusu varsa çözüm çözümlemede değil, arınma süresindedir.
  • Dönem etkisini yok saymak. Eşleştirilmiş t testi 13 deneğin tedavi farklarının ortalamasını verir: (7\cdot30{,}71+6\cdot62{,}50)/13=45{,}38. Bu, sıralar dengesiz olduğunda dönem etkisiyle karışır; doğru kestirim iki sıranın ağırlıksız ortalamasıdır (46,61).
  • Denek kimliklerini sıralar arasında yinelemek. Her sırada denekler 1'den başlayarak numaralanmışsa aynı kimlik iki farklı deneği gösterir; şablon "bir denek aynı dönemde birden çok kez gözlenmiş" iletisiyle durur. Kimlikler bütün denemede tekil olmalıdır.
  • Dönemleri metin olarak kodlamak. Dönem etiketleri sayı değilse alfabetik sıralanır: "Dönem 10", "Dönem 2"den önce gelir. Dönemler 1, 2, 3 … olarak kodlanmalıdır.
  • Geniş biçimli veri vermek. Şablon uzun biçim ister (her denek-dönem bir satır). İki dönemin ayrı sütunlarda olduğu veri önce uzun biçime dönüştürülür.
  • %95 GA ile denklik kararı vermek. Denklik kararı %90 GA'ya (α = 0,05) dayanır; karşıtlık tablosundaki %95 GA daha geniştir ve gereğinden tutucu karar verdirir.
  • Log ölçekte sınırları fark olarak girmek. Log ölçek açıkken sınırlar oran olarak girilir (0,8 ve 1,25). Varsayılan −20 ve 20 değerleriyle şablon "pozitif oran olmalı" iletisiyle durur.
  • Log ölçekte ortalama tablosunun SH sütununu oran ölçeğinde sanmak. Geometrik ortalamalar ve GA'lar özgün ölçeğe döndürülür; SH sütunu log ölçeğinde kalır (0,0872). Aynı şey karşıtlık tablosu için de geçerlidir.
  • 2×2 desende taşıma terimini açıp tedavi sonucunu oradan okumak. Bu durumda tedavi kestirimi birinci dönem farkına iner (53,81; SH 41,62; p=0{,}219); çapraz geçişin kazancı yitirilir.
  • Üç ve daha çok tedavide yönü ve çoklu karşılaştırmayı gözden kaçırmak. İkili karşıtlıklar "önceki − sonraki" yönündedir ve p değerleri düzeltilmemiştir.

3.9 Uzman soruları

S1. Karma model ile Grizzle çözümlemesi ne zaman aynı, ne zaman farklı sonuç verir?

Her denek iki dönemde de gözlenmişse aynıdır: tedavi kestirimi, standart hatası (10,7766), sd'si (11) ve p değeri örtüşür; doğrulama tablosunda fark 10^{-8} düzeyindedir. Bir dönemi eksik olan denek Grizzle çözümlemesine giremez (fark hesaplanamaz); karma model o deneğin tek gözlemini denekler arası bilgi olarak kullanır. Eksik dönem varsa şablon deseni 2×2 saymaz ve yalnız karma modeli çalıştırır; eksikliğin rastgele olduğu varsayılır.

S2. Kenward–Roger ile Satterthwaite bu modelde fark eder mi?

Tam 2×2 veride tedavi karşıtlığı için ikisi de sd = 11 verir; tedavi ortalamaları için ikisi de 12,57 verir. Kenward–Roger ayrıca kovaryans matrisini küçük örneklem yanlılığı için düzeltir; dengeli tek rastgele etkili modelde bu düzeltme sıfırdır. Fark, dengesiz ve eksik dönemli verilerde ya da çok dönemli desenlerde ortaya çıkar; o durumda Kenward–Roger daha tutucudur ve önerilir. Kenward–Roger pbkrtest paketini gerektirir (Halekoh ve Højsgaard, 2014).

S3. Taşıma testi p = 0,86; taşıma yok diyebilir miyiz?

Hayır. Test denek toplamlarını karşılaştırır; standart hatası 80,4'tür, tedavi karşılaştırmasınınkinin (10,8) yedi buçuk katı. %95 GA −162,6 ile 191,4 arasındadır: tedavi etkisinin dört katı büyüklüğünde bir taşıma farkı bile dışlanamaz. Testin anlamsız çıkması yalnız gücünün düşüklüğünü yansıtır. Taşımanın yokluğu farmakolojik bilgiye ve arınma süresine dayandırılır.

S4. Dönem testi neden tedavi testiyle aynı standart hataya sahip?

İkisi de aynı iki ortalamanın (\bar h_{AB}, \bar h_{BA}) doğrusal bileşimidir: tedavi farkları, dönem toplamları. Bağımsız iki ortalamanın farkının ve toplamının varyansı aynıdır: \operatorname{Var}(\bar h_{AB})+\operatorname{Var}(\bar h_{BA}). Bu yüzden iki satırın SH ve sd sütunları eşittir, yalnız kestirim ve t değişir.

S5. Wilcoxon testinde neden kesin p değil?

Örnekte yarım farklar arasında bağ vardır (−15 ve 20 ikişer kez); bağ olduğunda sıra toplamının kesin dağılımı çizelgelerdeki dağılım değildir ve R kesin hesabı yapmaz. Şablon her veri için aynı tanımı kullanmak üzere normal yaklaşımı ve süreklilik düzeltmesini sabitler. Bağsız ve çok küçük denemelerde kesin p istenirse yarım farklar dışa aktarılıp temel programdaki Mann-Whitney U analiziyle hesaplanabilir.

S6. Sıra etkisi anlamlı çıkarsa ne anlama gelir?

2×2 desende sıra etkisi, taşıma farkı ve tedavi × dönem etkileşimi birbirinden ayrılamaz; üçü de aynı denekler arası karşılaştırmadır. Anlamlı bir sıra etkisi bu üçünden birine ya da yalnızca iki sıraya rastgele atanan deneklerin farklı oluşuna işaret edebilir. Tek başına tedavi sonucunu geçersiz kılmaz; ama tedavi etkisinin iki dönemde aynı olduğu varsayımını sorgulatır.

S7. Log ölçek ne zaman seçilmeli?

Tedavi etkisi çarpımsalsa (yüzde değişim), varyans düzeyle artıyorsa ve sonuç oran olarak raporlanacaksa; biyoeşdeğerlikte ölçüt 0,80–1,25 oran aralığıdır ve log ölçek standarttır. Örnek veride log ölçek sonucu zayıflatır (p=0{,}0012 yerine 0,0132): 13. deneğin 90'dan 220'ye çıkışı toplamsal ölçekte 130'luk bir farkken log ölçekte \ln(220/90)=0{,}89'luk çok büyük bir farktır ve varyansı şişirir. Ölçek seçimi veriye bakılarak değil, çözümleme planında önceden yapılır.

S8. Denklik sınırları nasıl belirlenir?

Çözümlemeden önce, klinik olarak önemsiz sayılan en büyük farka göre. İstatistiksel bir kural yoktur; biyoeşdeğerlikte düzenleyici kurumların 0,80–1,25 oran aralığı bir uzlaşıdır. Sınırlar veriye bakıldıktan sonra seçilirse TOST'un hata olasılığı denetlenmiş olmaz. Formdaki varsayılan ±20 yalnız örnek verinin ölçeğine (L/dk) uygun bir başlangıç değeridir.

S9. Üç tedavili Williams deseninde şablon ne yapar?

Desen 2×2 olmadığından Grizzle bölümü çalışmaz; karma model tedavi, dönem ve sıra etkileriyle uydurulur ve bütün ikili tedavi karşıtlıkları düzeltmesiz verilir. Taşıma terimi açılırsa referans dışındaki her tedavi için bir taşıma göstergesi eklenir; Williams desenlerinde her tedavi öteki her tedavinin ardından eşit sayıda geldiği için taşıma, tedavi ve dönem birlikte kestirilebilir ve sıra modelde kalır. Karşıtlık adları yönü gösterir; referansı içeren satırlar "referans − öteki"dir.

3.10 Kaynaklar

  • Bates, D., Mächler, M., Bolker, B., & Walker, S. (2015). Fitting linear mixed-effects models using lme4. Journal of Statistical Software, 67(1), 1–48. https://doi.org/10.18637/jss.v067.i01
  • Freeman, P. R. (1989). The performance of the two-stage analysis of two-treatment, two-period crossover trials. Statistics in Medicine, 8(12), 1421–1432. https://doi.org/10.1002/sim.4780081202
  • Grizzle, J. E. (1965). The two-period change-over design and its use in clinical trials. Biometrics, 21(2), 467–480. https://doi.org/10.2307/2528104
  • Halekoh, U., & Højsgaard, S. (2014). A Kenward-Roger approximation and parametric bootstrap methods for tests in linear mixed models: The R package pbkrtest. Journal of Statistical Software, 59(9), 1–32. https://doi.org/10.18637/jss.v059.i09
  • Hills, M., & Armitage, P. (1979). The two-period cross-over clinical trial. British Journal of Clinical Pharmacology, 8(1), 7–20. https://doi.org/10.1111/j.1365-2125.1979.tb05903.x
  • Jones, B., & Kenward, M. G. (2014). Design and analysis of cross-over trials (3. baskı). Chapman and Hall/CRC. https://doi.org/10.1201/b17537
  • Kenward, M. G., & Roger, J. H. (1997). Small sample inference for fixed effects from restricted maximum likelihood. Biometrics, 53(3), 983–997. https://doi.org/10.2307/2533558
  • Koch, G. G. (1972). The use of non-parametric methods in the statistical analysis of the two-period change-over design. Biometrics, 28(2), 577–584. https://doi.org/10.2307/2556170
  • Kuznetsova, A., Brockhoff, P. B., & Christensen, R. H. B. (2017). lmerTest package: Tests in linear mixed effects models. Journal of Statistical Software, 82(13), 1–26. https://doi.org/10.18637/jss.v082.i13
  • Lenth, R., & Piaskowski, J. (2026). emmeans: Estimated marginal means, aka least-squares means (R paketi, sürüm 2.0.4). https://doi.org/10.32614/CRAN.package.emmeans
  • Satterthwaite, F. E. (1946). An approximate distribution of estimates of variance components. Biometrics Bulletin, 2(6), 110–114. https://doi.org/10.2307/3002019
  • Schuirmann, D. J. (1987). A comparison of the two one-sided tests procedure and the power approach for assessing the equivalence of average bioavailability. Journal of Pharmacokinetics and Biopharmaceutics, 15(6), 657–680. https://doi.org/10.1007/BF01068419
  • Senn, S. (2002). Cross-over trials in clinical research (2. baskı). Wiley. https://doi.org/10.1002/0470854596
  • Williams, E. J. (1949). Experimental designs balanced for the estimation of residual effects of treatments. Australian Journal of Scientific Research, Series A, 2(2), 149–168. https://doi.org/10.1071/CH9490149