Statistical analysisAll main analys

Statistical analysis
All main analyses will be carried out at the end of the last follow-up assessments (that is, there will be no interim analyses) and will be based on the intention-to-treat principle, with due consideration being given to potential biases arising from loss to follow-up. Random effects regression models will be fitted to the repeated measures to estimate treatment effects for outcomes, controlling for treatment center, in-patient status and the corresponding baseline assessment for the outcome under investigation. We will allow for the presence of missing outcome data under the assumption that the data are Missing At Random (MAR), using the terminology of Little and Rubin [54], with the possible addition of inverse probability weighting to adjust for the possible role of non-adherence to allocated treatment and other intermediate outcomes as predictors of future loss to follow-up [55]. Stata will be used for these main analyses. Secondary analyses to investigate putative meditational mechanisms, but also the effect of receipt of an adequate dose of treatment (CACE estimation), will be carried out; these will use methods similar to those of Baron and Kenny [56] but also the newer approach of instrumental variables analysis to allow for the omitted variables problem that is, hidden confounding [55-58]. MPlus and Stata will be used for these analyses.

ผลลัพธ์ (ไทย) 1:

วิเคราะห์ทางสถิติวิเคราะห์หลักทั้งหมดจะดำเนินการประเมินติดตามผลสุดท้ายจบ (นั่นคือ จะไม่วิเคราะห์ระหว่างกาล) และจะยึดหลักเจตนารักษา มีกำลังให้ยอมอาจเกิดขึ้นจากการติดตามผลการพิจารณา แบบจำลองถดถอยผลสุ่มจะพอดีกับวัดซ้ำเพื่อประเมินผลรักษาผล การควบคุมศูนย์บำบัด สถานะผู้ป่วยใน และการประเมินพื้นฐานที่สอดคล้องกันสำหรับผลภายใต้การตรวจสอบ เราจะช่วยให้สำหรับของขาดข้อมูลผลลัพธ์ภายใต้สมมติฐานที่ว่า ข้อมูลจะไม่สุ่ม (MAR), ใช้คำศัพท์น้อยและ Rubin [54], แห่งความผกผันน้ำหนักปรับบทบาทเป็นไปได้ของไม่ต่าง ๆ เพื่อรักษาปันส่วนและอื่น ๆ ผลกลางเป็น predictors ของการสูญเสียในอนาคตเพื่อติดตาม [55] เป็นไปได้ จะใช้ Stata สำหรับวิเคราะห์หลักเหล่านี้ รองวิเคราะห์การตรวจสอบกลไก putative meditational แต่ผลของการรับยาเพียงพอ (ประมาณ CACE), การรักษาจะดำเนินการ เหล่านี้จะใช้วิธีการคล้ายกับที่บารอน และเคนนี [56] แต่วิธีใหม่ของการวิเคราะห์ตัวแปรเครื่องมือเพื่อให้ตัวแปรไม่ปัญหาที่ซ่อนอยู่ confounding [55-58] MPlus และ Stata จะใช้สำหรับการวิเคราะห์เหล่านี้

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ทางสถิติ
วิเคราะห์หลักทั้งหมดจะถูกดำเนินการในตอนท้ายของสุดท้ายติดตามประเมินผล (นั่นคือจะไม่มีการวิเคราะห์ระหว่างกาล) และจะขึ้นอยู่กับความตั้งใจที่จะรักษาหลักการที่มีการพิจารณาเนื่องจากถูกมอบให้กับที่มีศักยภาพ อคติที่เกิดจากการสูญเสียที่จะตามมา ผลกระทบสุ่มแบบจำลองถดถอยจะได้รับการติดตั้งกับวัดซ้ำที่จะประเมินผลกระทบการรักษาผลการควบคุมสำหรับศูนย์การรักษาพยาบาลผู้ป่วยในสถานะและการประเมินพื้นฐานที่สอดคล้องสำหรับผลการสืบสวน เราจะช่วยให้การปรากฏตัวของข้อมูลผลขาดหายไปภายใต้สมมติฐานว่าข้อมูลจะหายไปโดยการสุ่ม (MAR) โดยใช้คำศัพท์ของเล็ก ๆ น้อย ๆ และรูบิน [54] ด้วยนอกจากนี้เป็นไปได้ของน้ำหนักความน่าจะเป็นสิ่งที่ตรงกันข้ามเพื่อปรับบทบาทเป็นไปได้ของ ที่ไม่ยึดมั่นในการรักษาและผลการจัดสรรขั้นกลางอื่น ๆ เช่นการพยากรณ์ของการสูญเสียในอนาคตที่จะปฏิบัติตามขึ้น [55] Stata จะใช้สำหรับการวิเคราะห์ที่สำคัญเหล่านี้ การวิเคราะห์รองในการตรวจสอบกลไก meditational สมมุติ แต่ยังมีผลกระทบที่ได้รับปริมาณที่เพียงพอของการรักษา (ประมาณค่า CACE) จะได้รับการดำเนินการ; เหล่านี้จะใช้วิธีการคล้ายกับของบารอนและเคนนี [56] แต่ยังวิธีการใหม่ของการวิเคราะห์ตัวแปรที่มีประโยชน์เพื่อให้ปัญหาตัวแปรละเว้นนั่นคือรบกวนซ่อน [55-58] MPlus และ Stata จะใช้สำหรับการวิเคราะห์เหล่านี้

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์ทางสถิติ
วิเคราะห์หลักทั้งหมดจะถูกดำเนินการในตอนท้ายของการติดตามล่าสุด ( คือจะไม่มีการวิเคราะห์ชั่วคราว ) และจะยึดเจตนาเพื่อรักษาหลักการ กับการพิจารณา เนื่องจากได้รับศักยภาพอคติที่เกิดจากการสูญเสียการติดตามผลผลสุ่มการถดถอยแบบจะถูกติดตั้งเพื่อวัดซ้ำ เพื่อประเมินการรักษาผลสำหรับผลการควบคุมสำหรับศูนย์การรักษาสถานะผู้ป่วยในและการประเมินพื้นฐานที่สอดคล้อง กับผลภายใต้การสอบสวน เราจะอนุญาตให้แสดงผลข้อมูลที่ขาดหายไป ภายใต้สมมติฐานว่าข้อมูลจะหายไปโดยการสุ่ม ( MAR )การใช้คำศัพท์ของเล็ก ๆน้อย ๆและรูบิน [ 54 ] มีการเพิ่มเป็นไปได้ของการผกผันความน่าจะเป็นน้ำหนักที่จะปรับบทบาทที่เป็นไปได้ของการไม่ยึดมั่นในการรักษาและผลอื่น ๆปัจจัยของการสูญเสียกลางในอนาคตติดตาม [ 55 ] Language จะใช้ในการวิเคราะห์หลักเหล่านี้ การวิเคราะห์เพื่อตรวจสอบระดับการแสดงออกพองกลไกแต่ผลของการได้รับปริมาณที่เพียงพอของการรักษา ( ประมาณ cace ) , จะถูกดำเนินการ เหล่านี้ จะใช้วิธีการคล้ายกับบรรดาของบารอนและเคนนี่ [ 56 ] แต่ยังใหม่ วิธีการของการวิเคราะห์ตัวแปรที่เป็นเครื่องมือเพื่อให้สามารถตัดตัวแปรเรื่องนั้นอยู่ 55-58 confounding [ ] มพลัส และ Language จะใช้ในการวิเคราะห์เหล่านี้