Çaprazlama Ön-test Son-test Deneysel Tasarımı
Crossover Pretest-Posttest Experimental Design · Ayrıca şöyle bilinir: within-subjects pretest-posttest design, repeated-measures crossover design, AB/BA pretest-posttest design, crossover repeated-measures design
Bir çaprazlama ön-test son-test deneysel tasarımı, her katılımcının iki veya daha fazla tedaviyi rastgele bir sırada aldığı ve her tedavi dönemi öncesinde ve sonrasında sonuç ölçümlerinin yapıldığı, denek içi bir deneydir. Koşullar boyunca kendi kontrolü olarak hizmet ederek, katılımcılar doğrudan birey içi karşılaştırmaya izin verir, istatistiksel gücü önemli ölçüde artırırken paralel grup tasarımına göre gereken örneklem boyutunu azaltır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bir çaprazlama ön-test son-test tasarımı kullanın: (1) sonucun tedavi bittikten sonra temel çizgiye dönmesi bekleniyorsa (durum kronik ama stabil, hızla ilerlemeyen); (2) küçük bir örneklemle yüksek istatistiksel güce ihtiyacınız varsa; (3) başlangıçtaki bireysel değişkenlik beklenen tedavi etkisine göre büyükse. İdeal alanlar farmakoloji, ağrı araştırmaları, egzersiz fizyolojisi ve stabil becerilere sahip eğitim müdahale çalışmalarıdır. Şunlar için KULLANMAYIN: kalıntı etkilerinin devam etmesi muhtemelse (örneğin, katılımcıyı kalıcı olarak değiştiren tedaviler, cerrahi müdahaleler veya iyileşmenin geri alınamadığı öğrenme görevleri); altta yatan durum zamanla hızla değişiyorsa veya düzensiz dalgalanıyorsa; etik sorunlar, katılımcıları aktif bir tedaviden fayda gördükten sonra bir kontrol koşuluna maruz bırakmayı engelliyorsa.
Güçlü yönler & sınırlılıklar
- Her katılımcı kendi kontrolü olarak hizmet eder, denekler arası değişkenliği ortadan kaldırır ve istatistiksel gücü önemli ölçüde artırır.
- Aynı gücü elde etmek için eşdeğer bir paralel grup ön-test son-test tasarımından çok daha az katılımcı gerektirir.
- Her dönemde ön-testlerin eklenmesi, dönem etkilerinin ve seküler eğilimlerin tespit edilmesine ve düzeltilmesine olanak tanır.
- Birey içi değişim skorları, tek bir zaman noktasındaki gruplar arası karşılaştırmalardan daha hassastır.
- Rastgele sıra ataması (AB/BA veya daha fazla tedavi için Latin kare) sıra ve dönem yanlılıklarını kontrol eder.
- Kalıntı etkileri - ilk tedavinin ikinci dönem üzerindeki kalıntı etkisi - sıfırlama yetersizse çapraz dönem karşılaştırmasını geçersiz kılabilir.
- Kararlı, kronik bir durum gerektirir; hızla değişen veya kendi kendine düzelen durumlar tasarımın varsayımlarını ihlal eder.
- Paralel grup tasarımından daha uzun çalışma süresi, katılımcı aşınmasını ve zamana bağlı karıştırıcıların riskini artırır.
- Kalıntı tespit edilirse, analiz yalnızca 1. dönem verilerine geri çekilmelidir, bu da çaprazlamanın verimlilik avantajını kaybettirir.
- Dönem etkileri (örneğin, mevsimsel varyasyon, sonuç ölçümündeki pratik etkiler) açıkça modellenmelidir.
SSS
Sıfırlama süresi ne kadar uzun olmalı?
Evrensel bir cevap yoktur, ancak sıfırlama süresi, tüm tedavi etkilerinin - biyolojik, farmakolojik veya psikolojik - temel çizgiye dönmesi için yeterince uzun olmalıdır. Farmakolojide, minimum beş ilaç yarı ömrü yaygın bir kuraldır. Davranışsal veya eğitimsel müdahaleler için, gereken sıfırlama süresi, öğrenmenin veya davranışsal değişikliğin ne kadar kalıcı olduğuna bağlıdır. 2. dönemin başında ikinci bir ön-test, sıfırlamanın başarılı olup olmadığına dair ampirik kanıt sağlar.
Analizde kalıntı tespit edilirse ne olur?
Tedavi-dönem etkileşimi istatistiksel olarak anlamlıysa, kalıntı muhtemeldir. Önerilen strateji, 2. dönem verilerini atmak ve yalnızca 1. dönem değişim skorlarını analiz etmektir - bu, çalışmayı etkili bir şekilde paralel grup ön-test son-test tasarımı olarak ele alır. Bu, etkili örneklem boyutunu yarıya indirir ve verimlilik avantajının çoğunu boşa harcar, bu nedenle çalışma öncesinde yeterli sıfırlama planlaması esastır.
Bu, ön-testleri olmayan basit bir çaprazlama tasarımından nasıl farklıdır?
Standart bir çaprazlama tasarımı, yalnızca her tedavi dönemi sonunda (yalnızca son-testler) sonuçları ölçer. Her dönemin başında bir ön-test eklemek, iki dönem arasındaki herhangi bir kalıntı başlangıç noktası farklarını kontrol eden dönem içi değişim skorlarının hesaplanmasına olanak tanır. Bu, hassasiyeti artırır ve eksik sıfırlama veya seküler eğilimleri tespit etme ve ayarlama olanağı sağlar.
Bu tasarım ikiden fazla tedavi ile kullanılabilir mi?
Evet. Üç veya daha fazla tedavi ile, Latin kare veya Williams tasarımı, her tedavinin her dönemde eşit sıklıkta görünecek şekilde katılımcıları dengeli tedavi sıralarına atar. İstatistiksel model daha karmaşık hale gelir ve çalışma süresi orantılı olarak artar, ancak denek içi verimlilik kazancı korunur.
Verileri analiz etmek için hangi istatistiksel yöntemi kullanmalıyım?
Doğrusal karma model en esnek ve önerilen yaklaşımdır. Dengesiz verileri, eksik gözlemleri işleyebilir ve tedavi etkisinin yanı sıra dönem etkilerini, sıra etkilerini ve kalıntıyı açıkça modeller. Daha basit iki dönemli, iki tedavili tasarımlar için, klasik dönem ve sıra ANOVA'sı (Grizzle, 1965) da kullanılır, ancak karma model yaklaşımı çağdaş uygulamada genellikle tercih edilir.
Kaynaklar
- Senn, S. (2002). Cross-over Trials in Clinical Research (2nd ed.). Wiley. ISBN: 978-0471496533
- Campbell, D. T., & Stanley, J. C. (1963). Experimental and Quasi-Experimental Designs for Research. Rand McNally. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Crossover Pretest-Posttest Experimental Design. ScholarGate. https://scholargate.app/tr/experimental-design/crossover-pretest-posttest-experimental-design
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Çapraz Geçişli Randomize Kontrollü ÇalışmaDeney tasarımı↔ karşılaştır
- Faktöriyel Ön-test-Son-test Deneysel TasarımıDeney tasarımı↔ karşılaştır
- Latin Kare ve Greko-Latin Kare TasarımıDeney tasarımı↔ karşılaştır
- Ön-test Son-test Deneysel DesenDeney tasarımı↔ karşılaştır
- Tekrarlanan ölçümler ANOVAİstatistik↔ karşılaştır