具有多种测量工具的高效研究设计
统计方法学
2020-09-30 v1
摘要
评估暴露的研究其结果常使用多次测量。在先前工作中，利用 Buonoccorsi（1991）首次提出的模型，我们表明结合直接（如生物标志物）与间接（如自我报告）测量比仅用单一类型测量所得估计能更准确地刻画真实暴露。本文中，我们提出一种用于包含相关结果直接与间接测量的研究之高效设计的实用工具。基于试点或初步研究数据，该工具作为 shiny app \citep{shinyR} 在线提供，可用于计算：（1）统计功效分析所需样本量，同时优化除所有参与者均提供的间接（自我报告）测量外还应提供直接暴露测量（生物标志物）的参与者比例；（2）理想的重复次数；以及（3）干预组与对照组的资源分配。此外，我们展示了如何检验结果与基础假设的敏感性。我们用烟草烟雾暴露与营养研究阐释了我们的分析。在这些例子中，即便假设不精确，也能找到近乎最优的资源分配。
引用
@article{arxiv.2009.13921,
title = {Efficient Study Design with Multiple Measurement Instruments},
author = {Michal Bitan and Malka Gorfine and Laura Rosen and David M. Steinberg},
journal= {arXiv preprint arXiv:2009.13921},
year = {2020}
}