Antes de que empieces…
Una breve lista de cosas que creemos que es importante considerar antes de lanzarse a su análisis.
Se encuentra usted en la fase de construcción de su estudio? Fantástico. Ese es el momento perfecto para leer esto. ¿Más adelante? Eso también está bien. Esperemos que haya algún consejo útil aquí, para ahora o la próxima vez. ¿Cree que ya sabe todo sobre esto? ¡Impresionante! ¿Ninguna de las anteriores? Bueno, prometemos que este apartado cuesta menos de tres minutos en leerse.
Bien, aquí está nuestra lista de cosas que creemos que es importante considerar antes de lanzarse a su análisis:
Primero, asegúrese de definir claramente su pregunta de investigación e objetivos. Puede parecer tremendamente obvio, pero incluso los profesionales experimentados pueden tener dificultades con preguntas y objetivos vagamente definidos. Esto puede abrir la puerta a todo tipo de problemas en el futuro (siga leyendo).
A continuación, busque en la literatura. ¿Se ha abordado esta cuestión anteriormente? ¿Adecuadamente? ¿Qué aporta la investigación que propone? Todas las cosas son buenas para exponer claramente desde el principio (y es útil tenerlas a mano al redactar la sección 'marco contextual de la investigación'' para revistas como Lancet Neurology).
A continuación: ¿cuál es su población de interés? ¿Sobre qué tipo o grupo de personas desea poder sacar conclusiones? Por ejemplo, ¿personas en las primeras o últimas etapas de la enfermedad? ¿Y cómo operacionalizará (es decir, definirá prácticamente) esta población objetivo? Su población de interés puede ser muy reducida (p. ej., todos los violinistas franceses premanifiestos, ambidiestros, con una longitud de repetición CAG de 47) o muy amplia (p. ej., todos los portadores de expansión del gen de la EH).
Y así, ¡a los datos! Pero espere, ¿hay: a) datos apropiados yb) datos suficientes para permitirle abordar de manera sólida y rigurosa su pregunta de investigación? Esto se conoce como una evaluación de factibilidad. Querrá asegurarse de que la cantidad de personas de interés en su conjunto de datos (es decir, el tamaño de su muestra) sea lo suficientemente grande como para generar resultados significativos (¡no siempre es fácil de definir!). Sus análisis deben tener la potencia adecuada para detectar el efecto de interés. Si un cálculo de poder estadístico no es apropiado (por ejemplo, si el estudio es exploratorio y no se informará sobre estadísticas inferenciales), esto debe indicarse explícitamente en su plan de análisis estadístico.
Hablando de análisis… recomendamos encarecidamente trabajar con un estadístico durante todo el proceso de investigación (no solo cuando desea que alguien ejecute su modelo lineal mixto). Un estadístico puede trabajar con usted para formular objetivos de investigación claramente definidos, diseñar un plan de análisis estadístico, realizar análisis de potencia/tamaño de muestra y ayudarlo a informar e interpretar los resultados, así como a manejar y analizar sus datos.
¿Mencionamos un plan de análisis estadístico? Si lo hicimos. Y vamos a hablar un poco más de ellos aquí porque son una parte fundamental de cualquier estudio realizado con rigor. Su plan de análisis estadístico (SAP), que quizás desee considerar preinscripción – debe abordar claramente lo siguiente:
Objetivos: ¿Cuáles son sus objetivos de estudio (primario, secundario, exploratorio)?
conjunto de datos: ¿Qué conjunto(s) de datos utilizará y cómo se definirá operativamente su población de interés?
Medidas de interés: ¿Cuáles son sus medidas de interés (resultado, exposición, covariables)? ¿Está seguro de que las variables capturan las medidas de interés previstas? Recomendamos hacerse amigo del soporte de datos. documentación.
Limpieza de datos: ¿En qué consistirá su limpieza de datos y control de calidad? Por ejemplo, ¿cómo identificará los valores atípicos en su conjunto de datos? Preespecifique su método y considere informar resultados con y sin valores atípicos.
Datos perdidos: ¿Cómo manejará los datos faltantes?
métodos de estadística: ¿Qué métodos estadísticos utilizará para su análisis? Las características de su variable de resultado a menudo dictan el método estadístico (p. ej., resultado continuo versus resultados binarios), al igual que el momento de las mediciones (p. ej., transversal versus longitudinal), o alcanzar un evento histórico (p. ej., tiempo desde el nacimiento hasta el diagnóstico motor ).
Variables de modificación y confusión: ¿Qué variables modificadoras y/o de confusión importantes debería incluir en su análisis? La terminología varía, pero los modificadores son variables que interactúan entre sí (p. ej., Duración y edad de las repeticiones CAG pueden interactuar de tal manera que la combinación de CAG prolongado y vejez se asocie con una progresión mucho mayor de la que puede explicarse por las variables individuales, es decir, los efectos principales). La interacción entre la longitud y la edad del CAG se modela comúnmente, mientras que la interacción de las variables con el sexo puede ser importante en algunos contextos, y la interacción de las variables con la educación para las variables cognitivas. Los factores de confusión son variables que afectan tanto a un resultado como a un predictor para causar una asociación espuria entre los dos (p. ej., los participantes en Enroll-HD que tienen antecedentes de consumo de drogas tienen signos motores más leves que aquellos sin antecedentes, pero la asociación es espuria porque los primeros tienden a tener expansiones CAG más cortas (en este caso, la longitud de CAG es un factor de confusión de la relación espuria entre el historial de consumo de drogas y los signos motores). No olvide considerar, si es relevante, el momento en el que se extraerán los valores de las covariables.
Tratamiento de la multiplicidad. Si está investigando múltiples resultados/asociaciones, ¿hará ajustes para múltiples comparaciones? Describa si se realizará una corrección de la tasa de error familiar o de la tasa de descubrimiento falso y a qué nivel (y asegúrese de informar todos los análisis realizados).
Asegurar reproducibilidad. Considerar prerregistrando su plan de análisis y archivar scripts de análisis.
Finalmente, un pequeño saludo a nuestra Recursos de análisis sección. Consulta los nuevos datos documentación hub, y también puede obtener más información sobre los recursos de consultoría estadística disponibles, como el Comité Permanente de Estadística Independiente.
ES 
EN 
IT 
DE 
FR