¿Cómo determinar el tamaño de muestra necesario para la medición repetida ANOVA?

Necesito ayuda sobre la medición repetida ANOVA.

Estamos investigando el efecto de alguna intervención en la reducción de la tasa de infección del torrente sanguíneo (BSI) en algunas salas. Planeamos capturar la información de la tasa de BSI mensualmente, primero 12 meses sin intervención, luego 12 meses con intervención.

Estamos pensando en hacer ANOVA de series de tiempo o mediciones repetidas, prefiero el último antes de que no tenga mucha idea que hacer con el primero (pregunta adicional: muy poco tiempo, ¿no?), Pero aquí viene Otro problema, ¿cuántos barrios necesitamos para demostrar que realmente hay un efecto estadísticamente significativo de la intervención en la tasa de BSI?

Creo que haré dos ANOVA, uno para "antes de la intervención", uno para "durante la intervención", y supongo que el ANOVA "antes de la intervención" no debería tener una prueba de proporción F significativa.

Considero el término "tamaño de muestra" en dos dimensiones, ya sea el número de salas o el número de mediciones repetidas.

¿Cómo realizar análisis de potencia en medidas repetidas ANOVA?

G * Power 3 es un software gratuito que proporciona una interfaz GUI fácil de usar para realizar cálculos de potencia. Admite cálculos de potencia para medidas repetidas ANOVA.

¿Cuál es el análisis apropiado para su diseño?

Aquí hay una serie de puntos relacionados con lo que ha mencionado:

• Más puntos de tiempo darán una indicación más clara de cómo el efecto, si lo hay, de su intervención opera con el tiempo. Por lo tanto, si las mejoras decaen con el tiempo o aumentan, más puntos de tiempo darán una idea más clara de estos patrones, tanto en promedio como a nivel individual.
• Si tiene 12 puntos de tiempo o más, miraría el modelado multinivel, particularmente si espera observaciones faltantes. Es poco probable que le interese saber si hay un efecto del tiempo. Es probable que le interesen varios efectos específicos (p. Ej., Cambios antes y después de la intervención; tal vez un efecto de mejora lineal o cuadrático después de la intervención). También puede considerar el uso de contrastes planificados además de ANOVA de medidas repetidas. Análisis de datos longitudinales aplicados: el cambio de modelado y la ocurrencia de eventos es un buen punto de partida para aprender sobre el modelado multinivel de datos de medidas repetidas.
• El número de puntos de tiempo más allá de antes y después no hará mucho para aumentar su poder para detectar el efecto de su intervención. Más puntos de tiempo aumentarán su confiabilidad de medición, y podría asegurar que capture el período de tiempo donde se aplica el efecto, pero probablemente el problema más grande será el tamaño de la muestra en las dos condiciones.
• Suponiendo que realmente está asignando casos al azar a las condiciones, las poblaciones son, por definición, iguales en la variable dependiente, y uno podría argumentar que una prueba de significación de las diferencias de referencia no tiene sentido. Dicho esto, los investigadores a menudo todavía lo hacen, y supongo que proporciona alguna evidencia de que realmente se ha producido una asignación aleatoria.
• Existe una gran cantidad de debate sobre la mejor manera de probar el efecto de una intervención en un diseño de control previo a la intervención. Algunas opciones incluyen: (a) la condición * interacción de tiempo; (b) el efecto de la afección pero solo en la intervención posterior; (c) un ANCOVA mirando el efecto de la condición, controlando pre, con post como DV.