Dane sparowane a dane niezależne – czym się różnią?

Rozróżnienie między danymi sparowanymi a niezależnymi ma podstawowe znaczenie dla analizy statystycznej w badaniach medycznych. Zanim wybierzemy jakikolwiek test statystyczny, powinniśmy ustalić, czy poszczególne obserwacje są od siebie niezależne, czy pozostają ze sobą w określonym związku.

Porównanie wyników dwóch różnych grup pacjentów nie jest tym samym problemem statystycznym co porównanie wyników przed leczeniem i po leczeniu u tych samych osób. W pierwszym przypadku mamy najczęściej do czynienia z danymi niezależnymi, natomiast w drugim – z danymi sparowanymi, nazywanymi również danymi zależnymi.

Różnica może wydawać się oczywista. W praktyce staje się jednak mniej jednoznaczna, gdy analizujemy wyniki pochodzące z obojga oczu, kilku zębów, wielu zmian skórnych, kolejnych ciąż lub kilku cykli leczenia jednej pacjentki. Dlatego ustalenie jednostki analizy oraz zależności między obserwacjami powinno nastąpić już na etapie projektowania badania, a nie dopiero podczas wyboru testu statystycznego.

Czym są dane niezależne?

Przykładem może być porównanie stężenia witaminy D w dwóch grupach:

• pierwsza grupa obejmuje pacjentów z łuszczycą,
• druga grupa obejmuje osoby bez łuszczycy.

Jeżeli każda osoba występuje w bazie tylko raz, a uczestnicy nie zostali ze sobą celowo dopasowani, obserwacje w obu grupach traktujemy jako niezależne. Wynik pacjenta z pierwszej grupy nie tworzy naturalnej pary z wynikiem konkretnej osoby z grupy drugiej.

Podobną strukturę mają badania, w których porównujemy dwie metody leczenia zastosowane u dwóch różnych grup pacjentów. Jeden uczestnik otrzymuje leczenie A, a inny leczenie B. Nawet jeśli grupy mają taką samą liczebność i podobną charakterystykę kliniczną, nie powoduje to powstania danych sparowanych.

Typowe przykłady danych niezależnych to:

• porównanie wyników kobiet i mężczyzn,
• porównanie grupy chorych ze zdrową grupą kontrolną,
• porównanie pacjentów otrzymujących dwie różne metody leczenia,
• porównanie wyników osób palących i niepalących,
• porównanie pacjentów pochodzących z różnych, niepowiązanych ośrodków.

Niezależność nie oznacza, że pacjenci muszą się od siebie różnić pod każdym względem. Osoby w porównywanych grupach mogą mieć zbliżony wiek, podobne BMI albo tę samą diagnozę. Istotne jest to, że między poszczególnymi obserwacjami nie istnieje relacja, którą należałoby uwzględnić w analizie.

Czym są dane sparowane?

Najbardziej typowym przykładem jest dwukrotny pomiar tej samej zmiennej u tej samej osoby. Może to być:

• ciśnienie tętnicze przed rozpoczęciem leczenia i po jego zakończeniu,
• stężenie glukozy przed interwencją dietetyczną i po niej,
• natężenie bólu przed zabiegiem i po zabiegu,
• grubość endometrium przed zastosowaniem leczenia i po leczeniu.

Jeżeli w badaniu uczestniczy 50 pacjentów i u każdego wykonano dwa pomiary, otrzymujemy 100 wyników, ale nadal tylko 50 niezależnych jednostek badanych. Każde dwa wyniki pochodzące od tej samej osoby są zwykle do siebie bardziej podobne niż wyniki dwóch przypadkowo wybranych pacjentów.

Właśnie ta zależność jest istotą parowania. Każdy pacjent stanowi w pewnym sensie własny punkt odniesienia. Porównujemy nie tylko ogólny poziom wyników w dwóch momentach, lecz także zmianę, która wystąpiła u konkretnej osoby.

Kiedy powstają dane sparowane?

Określenie „dane sparowane” jest często utożsamiane wyłącznie z badaniem typu „przed–po”. Jest to najczęstszy, ale nie jedyny przypadek.

Z danymi sparowanymi możemy mieć do czynienia również wtedy, gdy:

• tę samą zmienną zmierzono dwukrotnie u tych samych pacjentów,
• dwie metody diagnostyczne zastosowano u każdej badanej osoby,
• dwóch badaczy oceniło tych samych pacjentów lub te same próbki,
• porównano prawą i lewą stronę ciała u tych samych osób,
• każdemu przypadkowi przypisano konkretną, dopasowaną pod kątem wybranych parametrów, osobę kontrolną.

Jeżeli każdy uczestnik miał wykonane badanie metodą A i metodą B, wyniki obu metod są połączone przez osobę pacjenta. Nie mamy dwóch niezależnych grup, mamy jedną grupę ocenioną na dwa sposoby.

Podobna sytuacja występuje podczas porównywania dwóch technik pomiarowych, dwóch urządzeń diagnostycznych albo oceny dokonywanej przez dwóch badaczy. Jeżeli obie oceny dotyczą tych samych pacjentów lub tych samych próbek, obserwacje są zależne.

Parowanie może także dotyczyć dwóch narządów lub dwóch części ciała należących do tej samej osoby. Przykładem jest porównanie wyniku w prawym i lewym oku, prawym i lewym uchu albo po obu stronach ciała. Obserwacje te nie są niezależne, ponieważ łączy je wspólna osoba, jej uwarunkowania biologiczne, choroby współistniejące oraz ekspozycje środowiskowe.

Nie każde wykorzystanie obu oczu lub obu stron ciała automatycznie oznacza jednak klasyczne dane sparowane. Zależy to od pytania badawczego. Jeżeli celem jest bezpośrednie porównanie prawego i lewego oka u każdego pacjenta, mamy naturalne pary. Jeżeli oczy są analizowane jako odrębne obserwacje w bardziej złożonym badaniu, mamy dane skupione w obrębie pacjentów. Nadal występuje zależność, ale jej struktura może wykraczać poza proste parowanie.

Parowanie naturalne i parowanie zaplanowane

Zależność (parowanie) między obserwacjami może wynikać z biologii lub organizacji pomiarów. Możemy wówczas mówić o parowaniu naturalnym. Przykładami są dwa pomiary u tej samej osoby, wyniki z obu oczu albo dwie oceny tej samej próbki.

Istnieją również badania, w których pary tworzy się celowo. Badacz może każdemu pacjentowi z badaną chorobą przypisać osobę bez tej choroby o podobnym wieku, płci i innych istotnych cechach. Jest to tzw. dopasowanie, wykorzystywane między innymi w badaniach kliniczno-kontrolnych.

W takim projekcie pacjent i dopasowana do niego osoba kontrolna tworzą parę, mimo że są dwiema różnymi osobami. Zależność nie wynika tutaj ze wspólnych uwarunkowań biologicznych, lecz ze sposobu doboru uczestników. Analiza powinna uwzględniać to, że grupy utworzono przez celowe dopasowanie.

Mamy tutaj jednak pewną pułapkę, którą warto rozwinąć. Trzeba odróżnić rzeczywiste dopasowanie indywidualne od zwykłego podobieństwa grup. Jeśli średnia wieku w dwóch grupach jest taka sama, nie oznacza to jeszcze, że dane są sparowane. Parowanie wymaga możliwości wskazania konkretnych par, np. pacjent numer 1 – kontrola numer 1, pacjent numer 2 – kontrola numer 2.

Czego nie należy mylić z parowaniem?

Dane nie stają się sparowane wyłącznie dlatego, że:

• porównywane grupy mają taką samą liczebność,
• średni wiek lub rozkład płci są podobne w obu grupach,
• wyniki umieszczono obok siebie w jednym wierszu arkusza,
• rekordy zostały uporządkowane według wieku, płci lub wartości analizowanej zmiennej,
• badacz chce zastosować test przeznaczony dla danych sparowanych.

Jeśli badanie obejmuje 40 pacjentów leczonych metodą A i 40 innych pacjentów leczonych metodą B, mamy łącznie 80 niezależnych uczestników. Sam fakt, że w każdej grupie znajduje się 40 osób, nie tworzy 40 par.

Nie wolno również tworzyć par wyłącznie na podstawie kolejności rekordów w arkuszu. Pierwszy pacjent z grupy A nie staje się parą dla pierwszego pacjenta z grupy B tylko dlatego, że ich wyniki znajdują się w tym samym wierszu. Parowanie musi wynikać z projektu badania, naturalnego związku obserwacji albo wcześniej zaplanowanej procedury dopasowania.

Analogicznie, posortowanie pacjentów według wieku, a następnie połączenie kolejnych wyników w pary nie zmienia danych niezależnych w dane sparowane. Byłaby to arbitralna modyfikacja struktury badania, która może prowadzić do błędnej analizy statystycznej.

Czy wszystkie wyniki pochodzące od jednego pacjenta są danymi sparowanymi?

Wyniki pochodzące od tego samego pacjenta zazwyczaj nie są niezależne. Nie oznacza to jednak, że każdą taką sytuację można opisać jako proste dane sparowane.

Klasyczne parowanie dotyczy dwóch powiązanych obserwacji. Jeśli natomiast u każdego uczestnika wykonano pomiary w trzech, czterech lub większej liczbie punktów czasowych, mamy do czynienia z powtarzanymi pomiarami. Wszystkie wyniki są powiązane przez osobę pacjenta, ale tworzą bardziej złożoną strukturę niż pojedyncza para.

Podobny problem występuje, gdy jedna osoba wnosi do bazy różną liczbę obserwacji. Może to dotyczyć:

• kilku zębów u jednego pacjenta,
• wielu zmian skórnych u jednego pacjenta,
• kilku polipów lub innych zmian histopatologicznych u jednej osoby,
• kolejnych cykli leczenia niepłodności u jednej kobiety,
• wielu oocytów lub zarodków pochodzących od jednej pacjentki,
• kilku hospitalizacji tej samej osoby.

Takie dane określamy najczęściej jako dane skupione, zagnieżdżone lub hierarchiczne. Poszczególne obserwacje są powiązane w obrębie pacjenta, ale niekoniecznie tworzą jednoznaczne pary.

Przykładowo 100 zarodków pochodzących od 20 pacjentek nie powinno być automatycznie traktowanych jako 100 całkowicie niezależnych przypadków. Zarodki pochodzące od tej samej pacjentki współdzielą wiele czynników biologicznych i klinicznych. Zignorowanie tej zależności prowadzi do sztucznego zwiększenia efektywnej liczebności próby. Altman i Bland wskazywali, że wielokrotne liczenie obserwacji pochodzących od tych samych pacjentów narusza założenie niezależności i może skutkować pozorną istotnością statystyczną.[1]

Dane sparowane a powtarzane pomiary

W obu przykładach powyżej obserwacje wewnątrz jednego pacjenta są zależne. Różna jest jednak złożoność tej zależności. Przy większej liczbie pomiarów należy uwzględnić nie tylko powiązanie wyników z pacjentem, lecz także ich kolejność w czasie i możliwe różnice w sile korelacji między poszczególnymi pomiarami.

Na etapie definiowania struktury danych warto więc unikać sprowadzania każdego badania podłużnego do prostego porównania „przed–po”. Usunięcie części punktów czasowych tylko po to, aby zastosować prostszą analizę, może prowadzić do utraty istotnej informacji.

Jednostka obserwacji a jednostka analizy

O samej analizie statystycznej danych sparowanych będą mówiły osobne artykuły, ale w tym miejscu chcę poruszyć temat kluczowy dla dalszej analizy. Właściwe rozpoznanie danych wymaga ustalenia, co jest jednostką obserwacji, a co jednostką analizy.

Jeżeli pytanie badawcze dotyczy pacjentów, wpisanie do bazy kilku wyników pochodzących od jednej osoby nie zwiększa automatycznie liczby niezależnych pacjentów. Liczba wierszy w arkuszu nie musi być równa rzeczywistej liczebności niezależnych jednostek.

Przykładowo baza może zawierać 200 wyników pochodzących z 200 oczu. Jeśli jednak badanie obejmuje 100 osób i oceniono oboje oczu każdego uczestnika, nie jest to równoważne badaniu przeprowadzonemu u 200 niezależnych pacjentów. Sposób analizy zależy od pytania badawczego, ale wspólnego pochodzenia obserwacji nie można ignorować.

Jak rozpoznać dane sparowane i niezależne?

Przed rozpoczęciem analizy warto prześledzić sposób powstawania każdego rekordu w bazie. Najważniejsze nie jest to, jak ułożono dane w arkuszu, ale skąd pochodzą poszczególne wyniki.

Pomocne jest udzielenie odpowiedzi na kilka pytań:

1. Czy każdy wynik pochodzi od innego pacjenta?
2. Czy ta sama osoba została oceniona więcej niż jeden raz?
3. Czy każdemu wynikowi można przypisać konkretny drugi wynik?
4. Czy kilka obserwacji pochodzi z tego samego narządu, pacjenta lub próbki?
5. Czy osoby z dwóch grup zostały indywidualnie dopasowane?
6. Czy liczba rekordów w bazie jest większa niż liczba uczestników badania?

Jeżeli każdy pacjent występuje tylko raz i należy do jednej grupy, najczęściej mamy dane niezależne. Jeżeli ta sama osoba została oceniona dwukrotnie albo każdy przypadek został połączony z konkretną kontrolą, mamy dane sparowane. Jeśli jedna osoba wnosi więcej niż dwa wyniki, dane mają strukturę powtarzaną lub zagnieżdżoną.

Szczególną ostrożność należy zachować wtedy, gdy liczba rekordów jest większa niż liczba uczestników badania. Jest to sygnał, że może występować zależność między obserwacjami. Nie oznacza to jeszcze, że projekt jest nieprawidłowy. Wymaga jednak wyraźnego opisania poziomu, na którym wykonywane są pomiary i formułowane wnioski.

Bibliografia:

1. Altman DG, Bland JM. Units of analysis. BMJ. 1997;314:1874.
2. Bland JM, Altman DG. Correlation, regression, and repeated data. BMJ. 1994;308:896.
3. Franc JM. Analysis of Paired Data. CJEM. 2025.
4. Mishra P, Pandey CM, Singh U, Gupta A, Sahu C, Keshri A. Selection of appropriate statistical methods for data analysis. Ann Card Anaesth. 2019;22:297–301.
5. Kirkwood BR, Sterne JAC. Essential Medical Statistics. 2nd ed. Oxford: Blackwell Science; 2003.
6. Altman DG. Practical Statistics for Medical Research. London: Chapman & Hall; 1991.