Medidas Repetidas

DISEÑO DE EXPERIMENTOS CON MEDIDAS REPETIDAS

RESUMEN

DEFINICIÓN

En las investigaciones o estudios de procesos biológicos, psicológicos, sociales, el diseño con medidas repetidas es importante dado que es el único que permite medir, pronosticar, describir y explicar todos los fenómenos asociados que se producen como consecuencia del paso del tiempo.

Las mediciones repetidas en cada unidad experimental proporcionan información sobre la tendencia en tiempo de la variable de respuesta bajo diferentes condiciones de tratamiento. Las tendencias en el tiempo pueden revelar qué tan rápido responden las unidades al tratamiento o durante cuánto tiempo se manifiestan los efectos del tratamiento en las unidades del estudio. También es posible evaluar las diferencias entre las tendencias de los tratamientos.

Cuando se realizan diseños de medidas repetidas hay que tener claridad en la diferencia entre repeticiones (Mide una variable en distintos objetos. Variable aleatoria independiente) y medidas repetidas (Mide una variable en un mismo objeto. Variable aleatoria dependiente)

Los datos recolectados en los experimentos de medidas repetidas, proveen una visión de la tendencia de la respuesta en función del tiempo, en vez de los resultados estáticos ofrecidos por los modelos experimentales comúnmente utilizados, que miden la respuesta al inicio y al final del experimento.

Un ejemplo de este tipo de experimento son aquellos diseñados para evaluar el crecimiento en función de varios regímenes nutricionales; en estos experimentos, la ración alimenticia es suministrada diariamente y son registrados los pesos corporales de cada animal en intervalos que pueden ir de días, semanas, hasta meses, dando como resultado curvas de crecimiento que muestran la tendencia de la respuesta del animal a la suplementación.

Otro ejemplo con animales para determinar ciertos efectos, biológicos o no, es indispensable que se tomen varias observaciones (medidas) sobre el mismo animal en una secuencia de períodos de tiempo sucesivos, esta condición se conoce como modelo experimental basado en “medidas repetidas” existen metodologías estadísticas para analizarlas efectiva y eficientemente, siendo esta metodología, comúnmente usada cuando se miden las curvas de crecimiento en animales o para determinar la curva patrón del efecto de la administración de algunas drogas. Este tipo de modelo involucra por lo tanto, que un animal o grupo de animales sean asignados aleatoriamente dentro de uno o de diferentes tratamientos y la respuesta del animal o animales a dicho tratamiento será evaluada realizando mediciones sucesivas en diferentes momentos en el tiempo.

VENTAJAS

Las ventajas de este modelo, son principalmente en la reducción de los costos y en el incremento en la precisión en la toma de datos.

Las observaciones repetidas de la misma unidad experimental a través del tiempo, con frecuencia son más eficientes que el uso de una unidad experimental diferente para cada observación en el tiempo. No sólo se requieren menos unidades, lo que reduce costos, también la estimación de las tendencias en el tiempo serán más precisas. El aumento en la precisión se debe a que las mediciones en la misma unidad tienden a ser menos variables que las mediciones en unidades distintas; por tanto el efecto de las mediciones repetidas es similar al efecto del uso de bloques.

Permiten eliminar mucha variabilidad del error experimental al servir cada sujeto como su propio control; de ahí que sean más potentes que los diseños transversales con el mismo número de mediciones.

SUPUESTOS REQUERIDOS PARA EL ANALISIS

El diseño de medidas repetidas implica el registro de la variable dependiente bajo diversas condiciones. En un contexto manipulativo, estas condiciones pueden ser diferentes tratamientos experimentales u ocasiones de medidas antes, durante o después de la intervención. En un contexto no manipulativo, las medidas se registran en distintos intervalos temporales. Cuando el factor tiempo es una variable de interés, el diseño se concibe como longitudinal.

El diseño de medidas repetidas multimuestra (diseño A×B con medidas repetidas en B) introduce además un factor intersujeto, de agrupamiento, de forma que la variable dependiente se registra en todos los sujetos bajo todas las condiciones del factor de medidas repetidas, pero sólo bajo un nivel del factor intersujeto. Cuando el diseño es no longitudinal suele ser más fácil conseguir que el diseño sea balanceado, incluyendo el mismo número de sujetos por grupo, que en los longitudinales, ya que en éstos se produce con más frecuencia pérdidas de sujetos a lo largo de los distintos puntos temporales.

El análisis de varianza (ANOVA) mixto univariado es el más usado en el análisis de los diseños de medidas repetidas, asumiendo que el factor intrasujeto es fijo y los sujetos aleatorios. Éste requiere satisfacer los supuestos de normalidad, independencia y esfericidad.

El primero requiere que las observaciones de cada unidad de análisis sean extraídas de una población con distribución normal multivariada, el segundo supone la independencia entre las observaciones correspondientes a los distintos sujetos y el tercero implica la igualdad de varianzas de las diferencias entre los tratamientos, es decir, la matriz de covarianzas debe tener igual varianza de diferencia entre todos los pares de puntuaciones

En el caso multimuestra, para comprobar los efectos del factor de medidas repetidas y su interacción con el factor intersujeto se debe satisfacer lo que se denomina esfericidad multimuestra (Huynh, 1978; Mendoza, Toothaker y Crain, 1976). Ésta implica, por un lado, la homogeneidad de las matrices de covarianzas o igualdad de las matrices dentro de cada nivel del factor intersujeto y, por otro, esfericidad en la matriz de covarianzas común.

Es decir, debe haber esfericidad para todos los niveles del factor de medidas repetidas dentro de cada nivel del factor intersujeto. Cuando las asunciones del modelo univariado se satisfacen, el ANOVA mixto proporciona una prueba adecuada para comprobar los efectos del diseño en todas las variaciones de los diseños. Sin embargo, en la investigación psicológica es frecuente la violación de la esfericidad, sobre todo cuando los datos son longitudinales.

Una violación típica de la esfericidad ocurre en los estudios relativos a la Psicología del Desarrollo en los que el tiempo representa la variable independiente. Cuando la variable dependiente se mide repetidamente en diferentes puntos temporales puede suceder que las correlaciones entre los

...