baselinejustering

Baselinejustering är en statistisk metodik som innebär att analyserna justeras för mått som tas före en intervention eller exponering. Genom att inkludera baslinjevärden som kovariater strävar man efter att minska residualvariansen, öka precisionen och kontrollera för skillnader som fanns innan studien började.

I randomiserade kontrollerade studier används baselinejustering ofta via analys av kovarianser (ANCOVA). Outcome uppfångas som en funktion av behandlingstilldelning och baslinjevärdet, vilket ger en behandlingseffekt som är conditionerad på baslinjen. Denna metod kan ge mer exakt uppskattning och ökad statistisk power. I observationsstudier används regression för att justera för baslinjekovariater för att hantera confounding och obalans vid start, även om det inte helt ersätter en randomiserad design.

Alternativa angreppssätt inkluderar att använda förändringspoäng (skillnad mellan slutresultat och baslinje) eller mer komplexa mixed-effects-modeller där baslinjen behandlas som en predictor över tid. Valet beror på forskningsfrågan, mätvärdenas egenskaper och risken för mätfel. Baselinejustering skiljer sig från baslinjekorrigering inom instrumentkalibrering eller signalbehandling.

Viktiga överväganden är mätfel i baslinjevärdet som kan binda resultatet, samt justering för variabler som ligger på den kausala vägen mellan intervention och utfall, vilket kan ge snedvridna tolkningar. Rapportering bör ange vilka baslinjevärden som justerats för och vilken modell som använts.