Hallo,
Ich entwerfe ein Experiment, um Änderungen (von der Basislinie) zu einem gemessenen physiologischen Parameter als Reaktion auf zwei verschiedene Behandlungen (A & 
zu testen, die einzeln oder kombiniert verwendet werden. Die Ressourcen sind begrenzt, daher versuche ich, alle Behandlungskombinationen in jedem Subjekt (Tier) in zufälliger Reihenfolge durchzuführen.
Die Läufe würden ungefähr so aussehen:
| Gegenstand | Zeit0 (Grundlinie) | Zeit1 | Time2 | Time3 | Time4 |
| 1 | Null | EIN | Null | A + B | B |
| 2 | Null | A + B | B | EIN | Null |
| 3 | Null | Null | EIN | B | A + B |
| 4 | Null | B | A + B | Null | EIN |
| ... | ... | ... | ... | ... | ... |
Verschleppungseffekte sind ein großes Problem, und ich hoffe, dieses Problem zu bekämpfen, besteht darin, darauf zu warten, dass die Effekte nachlassen und zu den time0 (Grundlinien) -Werten zurückkehren, bevor der nächste randomisierte Behandlungsfall rechtzeitig gestartet wird. Ich bin sicher, dass dies keine kugelsichere Methode ist, aber ich muss mit meinen Mitteln arbeiten.
Ich bin neugierig, ob andere Meinungen dazu haben, wie ich diese Art von Daten analysieren würde (MANOVA, GLMM usw.) oder ob es einen besseren Weg gibt, meine Läufe so zu arrangieren, dass die Bedeutung letztendlich quantifiziert wird.
Vielen Dank
