W pierwszym pomiarze widnieje 80 osób, w drugim 70, a test zmiany obejmuje 65 par. W rozdziale napisano jednak, że „badaniem objęto 90 osób”, i ta liczba pojawia się przy każdym zestawieniu. Taki opis zaciera różnicę między rekrutacją, dostępnością pomiaru i rzeczywistym zbiorem analitycznym.
Ubytek uczestników warto opisać jako odtworzony przepływ identyfikatorów. Nie wystarczy odjąć dwóch liczebności. Poniżej przejdziesz przez fikcyjny materiał od listy osób do akapitu, który pozwala sprawdzić, kto znalazł się w konkretnym wyniku. Poradnik dotyczy prezentacji istniejącej analizy, a nie wyboru sposobu postępowania z brakami.
Osoba, formularz i kompletna para nie są tą samą jednostką
Jedna osoba może wysłać dwa formularze w jednej fali, a inna nie mieć żadnego ważnego pomiaru. Liczba wierszy eksportu nie jest zatem automatycznie liczbą uczestników. Zanim napiszesz akapit, odszukaj reguły identyfikacji, duplikatów, ważności pomiaru i łączenia fal. Używaj wyłącznie roboczych identyfikatorów potrzebnych do kontroli.
Wynik opisowy danej fali może opierać się na wszystkich dostępnych pomiarach tej fali. Analiza zmiany wymagająca par obejmuje osoby z odpowiednimi dwoma wynikami. Model z dodatkowymi zmiennymi może użyć jeszcze innego zbioru. Nie narzucaj tym wynikom wspólnego N, jeśli analiza rzeczywiście wykorzystała różne podstawy.
Standard STROBE dla badań kohortowych zaleca przedstawianie uczestników na kolejnych etapach, przyczyn braku udziału i liczby brakujących danych. To użyteczna podstawa przejrzystości w takim projekcie, a nie obowiązujący każdą pracę schemat badania ani instrukcja wyboru modelu.
Fikcyjny przepływ: zacznij od czterech rozłącznych grup
Poniższy projekt i wszystkie liczby są autorską demonstracją. Zrekrutowano 90 dorosłych uczestników dwufalowego badania. Po uzgodnionej kontroli ważności pomiarów powstały cztery rozłączne grupy:
- 65 osób miało ważny wynik zarówno w pierwszej, jak i drugiej fali.
- 15 osób miało ważny wynik tylko w pierwszej fali.
- 5 osób miało ważny wynik tylko w drugiej fali.
- 5 osób nie miało ważnego wyniku w żadnej fali.
Suma wynosi 65 + 15 + 5 + 5 = 90 osób. W pierwszej fali ważnych wyników jest 65 + 15 = 80, w drugiej 65 + 5 = 70. Kompletnych par pozostaje 65. Obie liczebności fal są więc poprawne i zarazem żadna nie oznacza automatycznie N analizy zmiany.
W tym przykładzie grupa z wynikiem wyłącznie w drugiej fali należała już do 90 zrekrutowanych osób. Nie są to nowi uczestnicy zastępujący tych, którzy odpadli. Taka różnica wymagałaby innego opisu projektu. Jeśli nie wiadomo, czy identyfikatory rzeczywiście się łączą, nie nazywaj dwóch plików badaniem tych samych osób.
Dlaczego różnica 80 - 70 nie opisuje całego ubytku?
Odjęcie liczebności fal daje dziesięć, lecz nie pokazuje piętnastu osób bez ważnego drugiego wyniku ani pięciu obecnych wyłącznie w drugiej fali. Bilans liczebności maskuje ruch w obie strony. Dlatego „odpadło dziesięć osób” byłoby tutaj błędnym skrótem.
Jeżeli interesuje Cię brak drugiej obserwacji wśród 80 osób z ważnym wynikiem pierwszej, podstawą jest właśnie 80. W tej grupie 15 / 80 × 100 = 18,75% nie ma ważnego wyniku drugiej fali. Jeżeli opisujesz kompletność par w całej zrekrutowanej grupie, podstawą jest 90, a licznik wynosi 65. To różne wskaźniki. Nie nazywaj ich zamiennie „odsetkiem odpowiedzi”.
W rzeczywistym projekcie definicję wskaźnika trzeba uzgodnić z dokumentacją. Nie każda nieobecność w zbiorze oznacza odmowę udziału. Możliwe są brak kontaktu, nieważny formularz, brak konkretnego wyniku albo problem dopasowania. Przyczyny podawaj tylko wtedy, gdy je rzeczywiście zarejestrowano.
Gdy masz gotowe zestawienia, usługa „Opracowanie rozdziału wyników” może objąć uporządkowanie opisu etapów i przypisanie właściwych liczebności do wyników. Dołącz reguły łączenia fal i listę zbiorów analitycznych. Nie trzeba przekazywać nazwisk ani danych kontaktowych uczestników.
Popraw akapit i podpisy konkretnych wyników
Nieprecyzyjna wersja brzmi: „W badaniu uczestniczyło 90 osób. Po zakończeniu programu liczba respondentów zmniejszyła się do 70, a wyniki wskazują poprawę”. Nie wiadomo, skąd wzięło się 80, kogo porównano i co znaczy brak obserwacji.
Lepszy zapis demonstracyjny to: „Zrekrutowano 90 osób. Ważny wynik pierwszej fali był dostępny dla 80, a drugiej dla 70. Oba wyniki miało 65 osób; 15 miało tylko wynik pierwszej fali, pięć tylko drugiej, a pięć żadnego ważnego wyniku. Opisy poszczególnych fal oparto na dostępnych wynikach, natomiast przedstawiona analiza zmiany obejmowała 65 kompletnych par”.
Ten akapit wyjaśnia przepływ, lecz celowo nie rozstrzyga wyniku zmiany. Następne zdanie powinno pochodzić z właściwej analizy par, z jej oszacowaniem i niepewnością. Różnica między średnią 80 osób na początku a średnią 70 osób na końcu nie jest automatycznie średnią zmiany u 65 wspólnych uczestników.
Przy zestawieniu fali pierwszej wpisz N = 80, przy drugiej N = 70, a przy analizie par N = 65. Jeżeli konkretna zmienna ma dodatkowe braki, podaj jej rzeczywistą podstawę. Ogólny przypis o brakach nie usprawiedliwia pozostawienia niewłaściwego N.
Dodatkowe zmienne mogą stworzyć kolejny zbiór
Rozwińmy fikcyjną sytuację: spośród 65 kompletnych par pięć osób nie ma informacji wymaganej w otrzymanej regresji. Raport tej analizy obejmuje 60 osób. W opisie należy wskazać zarówno powód różnicy, jak i konkretny model, którego dotyczy N = 60.
Nie pisz, że „ostateczna próba liczyła 60 osób”, jeśli inne, prawidłowo wykonane analizy nadal obejmują 65 par albo 80 wyników początkowych. Takie zdanie sugerowałoby usunięcie osób ze wszystkich obliczeń. Lepiej nazwać zbiór: „Model obejmował 60 uczestników z obiema obserwacjami i kompletem wskazanych zmiennych”.
To nie jest zalecenie, aby zawsze analizować tylko kompletne przypadki. Właściwe postępowanie zależy od projektu, mechanizmu braków i metody. Redaktor opisuje potwierdzony wybór i jego ograniczenia. Gdy dokumentacja go nie wyjaśnia, potrzebne jest uzupełnienie analityczne.
Opisz granicę wniosku, zamiast usprawiedliwiać brak
Nie wiemy z samego przepływu, czy osoby bez kolejnego pomiaru różniły się pod względem wyniku lub sytuacji od pozostałych. Jeśli wykonano porównanie ich dostępnych cech, przedstaw je w uzgodnionym zakresie. Brak wykrytej różnicy w kilku cechach nie dowodzi jednak, że wszystkie braki są nieszkodliwe i całkowicie losowe.
W ograniczeniach można uczciwie wskazać, że wynik analizy par dotyczy osób z dwiema dostępnymi obserwacjami i może nie odzwierciedlać wszystkich zrekrutowanych. Nie przypisuj nieobecnym poprawy, pogorszenia ani utraty zainteresowania, jeśli tego nie ustalono.
Po zmianie bazy sprawdź wszystkie zależne akapity i grafiki. Nieobecność odpowiedzi wynikającą z filtra ankiety odróżnij od ubytku między falami. Charakterystykę grupy oprzyj na właściwym zbiorze, bez mieszania rekrutacji z każdym wynikiem. Te trzy zadania rozwijają powiązane poradniki w sekcji „Czytaj również”.
Przed oddaniem poproś drugą osobę o odtworzenie czterech grup i liczby par z samego tekstu. Jeżeli się to nie udaje, uzupełnij opis. Usługa „Sprawdzenie istniejącego opracowania wyników” może objąć sprawdzenie spójności raportu, podpisów i rozdziału. Omów kontrolę liczebności w kolejnych pomiarach.
Źródła i zakres opracowania
- STROBE Initiative. STROBE Statement - Checklist of items that should be included in reports of cohort studies. https://www.strobe-statement.org/download/strobe-checklist-cohort-studies-pdf
Opracowanie źródeł: 6 listopada 2026 roku. Wszystkie sytuacje, wypowiedzi i dane demonstracyjne w poradniku są autorskimi materiałami edukacyjnymi. Nie przedstawiają rzeczywistych badań ani historii klientów.



