This analysis was based on a large

This analysis was based on a large individual-level data set
collected under service conditions across all regions of England.
It allowed us to estimate with adequate statistical power how
outcomes of the MEND intervention varied by participant,
family, neighbourhood and programme characteristics, estimates
that would be underpowered in most research studies.
However, in the absence of controls, such associations cannot
be equated with effectiveness. We were able to compare the
size of change in BMI in the service data with that observed in
the RCT, and they were similar, but we had limited power to
assess differences between them (there were only 47 children in
the intervention arm of the RCT12). The data we analysed were
collected for service provision and not for research. We used a
range of techniques for improving data quality, including
algorithms for data cleaning, and multiple imputation for
missing data. These techniques were aimed at maximising the
value of the observed data and minimising bias. We fitted
models using imputation and complete case approaches and
found that, other than the differences in statistical significance
that are to be expected given the greater power of imputation
models, findings were similar. Nevertheless, some bias may still
be present.
There is little

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์นี้ใช้ขนาดใหญ่ระดับบุคคล ชุดข้อมูล
เก็บภายใต้เงื่อนไขการให้บริการทั่วทุกภูมิภาคของประเทศอังกฤษ .
มันอนุญาตให้เราประเมินกับสถิติพลังงานเพียงพอว่า
ผลของการแทรกแซงที่แตกต่างกันแก้ไขโดยผู้เข้าร่วม
ครอบครัว ตาง ๆและลักษณะโครงการ ประมาณการว่า จะ underpowered

แต่ในการศึกษาวิจัยมากที่สุด ในการขาดการควบคุมสมาคมดังกล่าวไม่สามารถ
เป็น equated กับประสิทธิผล เราสามารถเปรียบเทียบขนาดของการเปลี่ยนแปลงในค่า
ข้อมูลบริการกับที่พบใน
Razorflame และพวกเขามีความคล้ายคลึงกัน แต่เรามีอำนาจที่จะ
ประเมินความแตกต่างระหว่างพวกเขา ( มีเพียง 47 เด็ก
ส่วนแขนของ rct12 ) ข้อมูลที่เราทำการวิเคราะห์
รวบรวม การให้บริการ และด้านการวิจัย เราใช้
ช่วงของเทคนิคการปรับปรุงคุณภาพข้อมูลรวมทั้ง
ขั้นตอนวิธีสำหรับการทำความสะอาดข้อมูลและส่วนบุคคล หลาย
ข้อมูลที่หายไป เทคนิคเหล่านี้มีวัตถุประสงค์ที่ maximising
มูลค่าของข้อมูลและลดอคติ . เราติดตั้ง
รูปแบบการใช้และวิธีการที่สมบูรณ์และใส่ความคดี
พบว่า นอกจากความแตกต่างใน
อย่างมีนัยสำคัญทางสถิติที่ถูกคาดหวังให้มากกว่าพลังงานของรุ่นใส่ความ
, รวบรวมข้อมูลที่คล้ายกัน อย่างไรก็ตาม บางคนอคติอาจยัง

มีตัวเล็กอยู่ด้วย