Ogni progetto di ricerca contiene una grande quantità di dati, alcuni dei quali sono preziosi e altri no. Trovare qualcosa di nuovo, inaspettato o confuso nella ricerca può diventare rapidamente opprimente.
A volte si può uscire dal seminato quando si è sotto pressione per rispettare una scadenza. Evitate di preoccuparvi di questi risultati involontari una volta completata la ricerca in corso, escludendoli dalla considerazione.
Nell'analisi post-hoc non si analizza ogni risultato casuale di un esperimento. È importante cercare degli schemi quando si osserva qualcosa che merita un'attenta analisi e un ulteriore studio per comprendere meglio il concetto.
Dopo un'analisi post-hoc, è possibile ottenere ulteriori informazioni e approfondire la propria base di argomenti. Diamo un'occhiata più da vicino all'analisi post hoc.
Analisi post-hoc: cos'è?
In latino, post hoc significa "dopo questo", cioè analizzare i dati sperimentali a posteriori.
Lo scopo di un'analisi post-hoc è quello di trovare modelli dopo il completamento dello studio e di trovare risultati che non erano l'obiettivo primario. Pertanto, tutte le analisi condotte dopo il completamento di un esperimento che non erano state pianificate in precedenza sono considerate analisi post-hoc.
I dati già raccolti vengono utilizzati in uno studio post-hoc. I ricercatori analizzano questi dati per sviluppare nuovi scopi, che non erano previsti nel progetto dell'esperimento. Gli studi post hoc possono quindi essere eseguiti su dati aggregati di esperimenti precedenti.
Il processo di esecuzione di analisi post-hoc è spesso sovraccarico di tempo, ma offre una serie di vantaggi. Per scoprire informazioni preziose, bisogna usare una ragionevole dose di prudenza e non sopravvalutare i risultati inattesi. Potrebbe essere il segno di qualcosa di significativo, anche se si tratta di un evento casuale.
Le analisi post hoc sono utili quando si studiano i tassi di errore, si valuta la significatività delle ipotesi o si determina se sono statisticamente significative.
Condurre più prove o deviare dalla linea di ricerca principale aumenta il rischio di errori e falsi positivi. È qui che il post hoc gioca un ruolo fondamentale. Come funziona esattamente?
Analisi post-hoc: come funziona?
Anche se l'obiettivo primario non è stato raggiunto, è comunque possibile ottenere informazioni preziose dai dati. Eventualmente, gli effetti collaterali del farmaco e i relativi dati. O qualsiasi altro farmaco simile potrebbe valere la pena di essere testato.
Lo scopo di un'analisi post-hoc è quello di rispondere a domande poste dopo il completamento dello studio, un obiettivo che non è stato dichiarato nello studio.
Per determinare l'origine delle differenze, dopo aver trovato un risultato statisticamente significativo si ricorre a un test post hoc. I test post hoc possono essere utilizzati per valutare le differenze tra più gruppi evitando gli errori dovuti all'esperimento. Sono stati formulati diversi test post hoc e la maggior parte di essi dà risultati simili.
Esistono diversi tipi di test post hoc
I dati raccolti durante una ricerca o uno studio clinico possono essere analizzati per individuare modelli e fattori diversi. I test post hoc più comuni sono:
- Procedura di Bonferroni: È possibile eseguire più test statistici contemporaneamente utilizzando questa correzione post hoc per il confronto multiplo.
- Il nuovo test di Duncan a distanza multipla (MRT): Il test di Duncan a intervalli multipli identificherà le coppie di medie (da almeno tre) che differiscono.
- Test di confronto multiplo di Dunn: Si tratta di un'analisi post hoc che viene eseguita dopo un'ANOVA, un test non parametrico che non presuppone che i dati seguano una particolare distribuzione.
- Differenza minima significativa (LSD) di Fisher: Determina se due medie sono statisticamente diverse.
- Procedura Holm-Bonferroni: Il test sequenziale di Holm di Bonferroni rende meno rigidi i confronti multipli.
- Utilizzando il metodo di Newman-Keuls, è possibile identificare i campioni che hanno medie diverse l'uno dall'altro. Newman-Keuls confronta coppie di medie utilizzando valori critici diversi. Di conseguenza, è più probabile trovare differenze significative.
- Il metodo di Rodger: Questo metodo statistico viene utilizzato per valutare i dati della ricerca a posteriori, dopo un'analisi "multivariata".
- Metodo di Scheffé: Nel metodo di Scheffe, la statistica del test viene corretta in modo diverso a seconda del numero di confronti effettuati.
- Test di Tukey: Il test di Tukey determina se il campione è composto da gruppi che differiscono tra loro. Ogni media viene confrontata con la media di tutti gli altri gruppi utilizzando la "Differenza significativa onesta", che rappresenta la distanza tra i gruppi.
- Correzione di Dunnett: Questo test post hoc confronta le medie. A differenza del test di Tukey, confronta ogni media con una media di controllo.
- Procedura Benjamini-Hochberg (BH): Un risultato significativo si verifica solo per caso se si eseguono numerosi test. Il tasso di falsa scoperta è tenuto in considerazione da questo test post hoc.
Non c'è niente di meglio di un'opera visiva impeccabile che trasmette un messaggio complesso.
Sì, è vero, con l'aiuto delle immagini è molto più facile mettere in prospettiva i concetti più difficili. Nell'era delle immagini, non c'è da stupirsi se, grazie all'efficacia della grafica, è possibile comprendere la fisica quantistica in modo molto più semplice.
Vi state chiedendo come iniziare? Perché preoccuparsi quando avete mind the graph a portata di mano! Con noi, potete scegliere tra più di mille illustrazioni nella nostra galleria e creare poster utilizzando l'intelligente poster maker che abbiamo sviluppato per voi. Sfruttate al massimo l'esperienza del nostro team di talento e fate in modo che sia personalizzata in base alle vostre esigenze. Per maggiori informazioni, visitate il nostro sito sito web.
Iscriviti alla nostra newsletter
Contenuti esclusivi di alta qualità su visual efficaci
comunicazione nella scienza.
Italian 
English 
Chinese 
Japanese 
German 
Spanish 
Portuguese 
Dutch 
Russian 
French