L’analisi della covarianza è ampiamente utilizzata per confrontare i valori post-dose tra gruppi di farmaci, tenendo conto delle covarianze come i valori pre-dose. Tradizionalmente, quando si applica l'analisi della covarianza, si presuppone che non vi sia alcuna interazione tra le covariate considerate e il gruppo di farmaci. È anche noto che è probabile che si verifichino interazioni tra covariate e gruppi di farmaci quando esiste un limite inferiore alla risposta osservata. Nel caso di esperimenti altamente accurati, anche una leggera differenza nella pendenza tra i farmaci tende a portare a una differenza statisticamente significativa nell'interazione; nel caso di esperimenti a bassa precisione, anche una piccola differenza nella pendenza può comportare una differenza statisticamente significativa; Anche se esiste, è improbabile che si tratti di una differenza statisticamente significativa. Nel "Modello di adattamento" di JMP, se si include un'interazione tra covariate e gruppo di farmaci nel modello, la centratura viene eseguita automaticamente solo sulla covariata ed è anche possibile restituire la media dei minimi quadrati per il gruppo di farmaci ．．. Ora, come dovremmo interpretare le medie dei minimi quadrati quando c'è un'interazione? L'analisi della covarianza può essere applicata anche quando sono presenti variabili confondenti, ma è probabile che si verifichino interazioni chiare. Vorrei segnalare che ho acquisito nuove conoscenze su come utilizzare la media dei minimi quadrati quando centrata per le interazioni in JMP.
