Nama : Zhazha Salsabilla Mokoagow

NIM : 711331117045
Prodi : Sarjana Terapan Gizi dan Dietetika

BIOSTATISTIK GIZI
Review Jurnal 3

1. Judul : Bias, Presisi dan Kekuatan Statistik Analisis Kovarian dalam Analisis Uji
Acak dengan Ketidakseimbangan Dasar : Studi Simulasi
2. Penulis : Bolaji E Egbewale, Martyn Lewis, Jullius Sim

Metode Penelitian
a) Simulasi Data
Program statistik dikembangkan dalam STATA untuk menghasilkan hipotesis uji coba
dua lengan yang resmi melibatkan level tertentu dari kondisi eksperimental, jalankan
regresi model ion untuk metode statistik sedang dipelajari, dan kemudian memposting
hasil yang dipilih ke dalam file. Masing-masing hipotetis Skenario percobaan diulang
seribu kali, sehingga menghasilkan perkiraan yang kuat (mis. Memungkinkan kekuatan
statistik untuk diperkirakan dengan margin of error no gr pemakan dari ± 3% pada 95%
tingkat kepercayaan diri). Informasi terperinci tentang program statistik termasuk
dalam Lampiran.

b) Tingkat Kondisi Eksperimental

- Simpangan baku populasi 1 ( σ = 1) untuk data hasil diasumsikan dalam setiap
percobaan dan data ini biasanya didistribusikan pada awal dan saat tindak lanjut
naik. Rasio alokasi 1: 1 dipekerjakan. Daripada memilih tingkat sewenang-wenang
dari pengalaman lain kondisi mental, ini dipilih sehubungan dengan kriteria spesifik
sehingga untuk kembali menghasilkan kondisi khas suatu Skenario percobaan
empiris.
- Efek pengobatan dianggap lebih tinggi (yaitu lebih baik) skor dalam perawatan
daripada di kelompok kontrol, dan ditetapkan pada tiga tingkat 0,2, 0,5 dan 0,8,
diklasifikasikan b y Cohen [30] sebagai 'rendah', 'sedang', dan 'besar' masing-
masing.
 - Untuk kekuatan statistik nominal 80%, ukuran sampel yang diperlukan digunakan
untuk masing – masing ukuran efek standar ini: 394, 64 dan 26 per grup, masing-
masing. Korelasi antara nilai dasar ( Z T, Z C, untuk kelompok perlakuan dan
kelompok kontrol, masing-masing) dan nilai pengobatan bervariasi dari 0,1 hingga
0,9 dalam peningkatan 0,2, seperti yang telah diperdebatkan itu korelasi antara
kovariat awal dan skor hasil di RCT dapat berkisar di antara nilai-nilai ini [31].
Korelasi nol juga dimasukkan sebagai nilai referensi.

c) Bias, Presisi, dan Kekuatan

Untuk mengukur bias yang terkait dengan estimasi efek oleh ANOVA dan CSA. Bias
dinilai tidak terkait dengan perjanjian standar nominal efek tment, seperti efek ini
cenderung bias di hadapan pembaur. Sebaliknya, bias itu de diakhiri sehubungan
dengan estimasi yang disesuaikan dari ANCOVA, karena diketahui menyediakan
estimasi tidak memihak hasil, tergantung pada kondisi yang diwakili oleh skenario
yang diberikan. Akhirnya, kekuatan statistik bersyarat dari masing-masing dari saya
Jumlah analisis adalah dihitung sebagai persentase penolakan dari hipotesis nol dalam
1000 simulasi dalam setiap skenario; ini dibandingkan dengan kekuatan nominal 80%.

Hasil dan Pembahasan

a) Bias
- Menunjukkan bahwa, ketika ada tidak ada ketidakseimbangan pada awal (yaitu T C
Z - Z = 0 ′ ′ ), ketiga metode statistik menghasilkan estimasi tidak bias yang sama
makan pengobatan efek, terlepas dari tingkat ZY korelasi atau ukuran efek standar.
Itu juga jelas bahwa, untuk efek pengobatan nominal yang diberikan, perkiraan yiel
ded oleh ANOVA dan CSA tidak perubahan sehubungan dengan tingkat ZY
korelasi. Interval kepastian dan ukuran sampel untuk kontras standar.
- Namun, ketika kelompok perlakuan berbeda pada awal (yaitu Z T-′ Z C′ 0≠ ) ada
yang terlihat perbedaan dalam perkiraan efek pengobatan oleh m ini ethods.
Besarnya ini perbedaan tergantung pada derajat ZY korelasi dan ukuran
ketidakseimbangan dasar. Dia diberikan tingkat ketidakseimbangan baseline,
ANOVA dan ANCOVA memberikan precis setara dengan mereka memperkirakan
kapan ZY korelasinya nol (Gambar 1 grafik A, B dan C). Namun, bias dari
ANOVA (relatif terhadap estimasi tidak bias yang diturunkan melalui ANCOV A)
meningkat seiring ZY korelasi meningkat dan, memegang ZY konstanta korelasi,
 juga meningkat dengan derajat yang lebih tinggi ketidakseimbangan dasar.
ANOVA dan ANCOVA menghasilkan taksiran yang serupa es berlaku saat ZY
korelasi kurang dari 0,3. tetapi lebih tinggi ZY korelasi, perbedaan estimasi efek
untuk dua metode menjadi lebih jelas.
- Bias ini sama besarnya untuk baik arah ketidakseimbangan. Dengan demikian,
Tabel 1 menunjukkan ada bias dari 0,07 SD dan −0,07 SD masing-masing terkait
dengan estimasi efek oleh AN OVA saat baseline standar ketidakseimbangan 1,96
ada di arah yang sama (yaitu Z T-′ Z> C′ 0 ), atau arah yang berlawanan (mis Z T-′
Z < C′ 0 ), pada efek pengobatan standar 0,2 dan a ZY korelasi 0,5
b) Presisi
Menunjukkan ketepatan relatif dari tiga a nalyses, dinyatakan sebagai rasio dari
mereka kesalahan standar. Seperti pada Tabel 1, nilai-nilai tikus ini ios diberikan untuk
tiga efek pengobatan, enam tingkat ZY korelasi, situasi di mana tidak ada ba
ketidakseimbangan seline, dan enam nilai ketidakseimbangan standar. Rasio greate r dari
unity mengindikasikan pembilang analisis memiliki kesalahan standar yang lebih besar
(yaitu kurang tepat) daripada analisis penyebut. Meja 2 mengkonfirmasi ketepatan setara
CSA dan ANOVA pada korelasi 0,5. Namun demikian menunjukkan kapan ZY korelasi
serendah 0,1, ANOVA dapat menghasilkan appr sekitar 36% mendapatkan presisi
terhadap CSA, sedangkan kapan ZY korelasi 0,9, CSA menyediakan sekitar 57%
peningkatan dalam presisi dibandingkan ANOVA. T dapat 2 juga menunjukkan bahwa
hanya pada a korelasi 0,7 atau lebih besar apakah CSA menghasilkan comp presisi yang
layak untuk ANCOVA.
c) Kekuatan Statistik
Kekuatan ANOVA berada pada tingkat nominal 80% t Namun, tergantung beberapa
minor fluktuasi dari satu simulasi ke yang berikutnya (yaitu t di sini adalah fluktuasi
kecil antara grafik pada Gambar 3). Jelas bahwa untuk ANOVA, wi tipiskan setiap
rangkaian simulasi (yaitu di dalam satu grafik pada Gambar 3), daya sama sekali tidak
terpengaruh oleh ketidakseimbangan dasar, mencerminkan fakta bahwa model statistik
untuk ANOVA tidak memiliki istilah th di mewakili ketidakseimbangan tersebut. Itu bisa
saja terlihat bahwa jika ketidakseimbangan dasar dalam mengerikan yang sama ction
sebagai efek pengobatan (ditunjukkan oleh nilai positif Z), kekuatan ANCOVA dan CSA
berkurang dengan tingkat yang lebih besar ketidakseimbangan, dan CSA melakukannya
dengan lebih jelas, terutama y di level bawah ZY korelasi. Jadi, untuk efek pengobatan
0,2 dan a ZY korelasi 0,1 (Gambar 3 grafik D), kekuatan CSA serendah 9% jika ada
 ekstre saya ketidakseimbangan positif 1,96. Sebaliknya, ketika ketidakseimbangan
berada dalam arah sebaliknya dari efek perawatan, kekuatan dari kedua ANCOVA dan
CSA melebihi nominal 80% powe r dari ANOVA, dan jika ZY korelasi adalah 0,7 atau
lebih besar dalam keadaan ini s (Gambar 3 grafik M ke R), superioritas ANCOVA dan
CSA setara. Namun, jika ZY korelasi 0,3 atau kurang dalam ini keadaan, kekuatan CSA
melebihi kekuatan ANC OVA saat baseline negatif ketidakseimbangan adalah yang
paling ekstrem (Gambar 3 grafik D hingga I). Jika tidak ada ketidakseimbangan garis
dasar, maka kekuatan ANCOVA lebih besar dari atau sama dengan bahwa dari ANOVA,
sedangkan kekuatan CSA lebih unggul dari ANOVA pada korelasi tinggi tetapi lebih
rendah pada korelasi rendah. Kapan ZY korelasinya nol, ANCOVA memiliki kekuatan
perkiraan y setara dengan ANOVA.
d) Keterbatasan
Kondisi di mana kami telah menyelidiki pengaruh ketidakseimbangan dasar - dalam
hal besarnya ukuran efek, ketidakseimbangan garis dasar an d ZY korelasi - masuk akal
dan realistis, meskipun ekstrem dari imbala dasar Setelah diperiksa akan, menjadi
meyakinkan luar biasa. Temuan kami karenanya mudah ditransfusikan dapat diterapkan
pada RCT kehidupan nyata yang spesifik skenario. Namun, temuan kami
mengasumsikan alokasi yang sama asi, dan hasilnya mungkin berbeda di mana ini bukan
kasusnya. Temuan kami juga tidak perlu bersifat umum ize sepenuhnya untuk uji coba di
mana kelompok tidak dibentuk oleh pengacakan [45] atau di mana hasilnya biner atau
waktu-ke-peristiwa [28,42,46]. Hasil ini juga didasarkan pada analisis yang assu mptions
terpenuhi secara optimal proses simulasi, dan kemungkinan berbeda dalam menghormati
data kehidupan nyata yang menyimpang dari asumsi seperti itu - misalnya variabel hasil
yang miring, atau heterogen ZY regresi koefisien antar kelompok. Percobaan besar akan
mendorong uce data yang kuat untuk tertentu penyimpangan dalam asumsi yang
mendasari parametrik analisis. Meskipun demikian, pekerjaan di masa depan bisa
berguna mengeksplorasi dampak dari beberapa penyimpangan ini ion pada kesimpulan
saat ini belajar.
Kesimpulan
Kesimpulannya, ANCOVA harus menjadi analisis cho es, apriori, untuk RCT dengan satu
ukuran hasil pasca perawatan diukur sebelumnya pada awal; keunggulannya adalah
khususnya ditandai ketika ada ketidakseimbangan dasar ent, tetapi juga - dalam hal presisi -
ketika kelompok diseimbangkan pada awal. Kami spesifik Saya berhati-hati terhadap
penggunaan ANOVA ketika korelasi baseline-hasil adalah (atau semut diharapkan menjadi)
sedang hingga besar, dan terhadap CSA saat (atau diantisipasi) sm semuanya moderat.
Pengacakan umumnya mengarah ke kelompok yang seimbang, meskipun tidak sistematis c
perbedaan sering muncul antar angka kovariat, dan karenanya penyesuaian melalui
ANCOVA disarankan untuk mengurangi risiko Bias sementara juga meningkatkan presisi
tak terduga es dan kekuatan uji statistik.