Interpréter les résultats d'un cross-over

Bonsoir à tous,

Dans le cadre de mon mémoire, je réalise une analyse en cross-over.

J'ai créé quatre nouvelles variables par paramètre étudié:
--> d1 et d2, moyennes des différences individuelles entre les données de la période 1 et
de la période 2 (groupe 1 et du groupe 2).
--> a1 et a2, moyennes des moyennes individuelles des données de la période 1 et de la période 2 (groupe 1 et du groupe 2).

En comparant ces 4 variables (2 à 2), j'obtiens:
-> Effet période p = 0,38
-> Interaction traitement-période p = 0,91
-> Effet traitement p = < 0,0001 (0,00004)

Autrement dit: pas d'effet période, pas d'interaction mais bien un effet traitement.

Mon problème apparaît lorsqu'il s'agit de déterminer quel traitement est supérieur.

Est-ce que quelqu'un aurait une solution? Dois-je comparer les différences D1 et D2 ou bien les moyennes par traitement?

Merci d'avance

Je ne comprends pas trop ce que tu as calculé, mais la base de la base de l'interprétation du crossover c'est: on compare les résultats de FIN de chaque période avec une anova en mesures repetees (ou un glm)

Merci pour cette réponse.

Je me suis basée sur la méthode proposée par Altman qui consiste à calculer les différences et moyennes individuelles par groupe (D1 = différence entre la P1 et la P2 du groupe 1, D2 = différence entre la P1 et la P2 du groupe 2, A1 = moyenne entre la P1 et la P2 du groupe 1 et A2 = moyenne entre la P1 et la P2 du groupe 2). Il s'agit ensuite d'estimer l'effet période en comparant D1/- D2, l'interaction en comparant A1/A2 et l'effet traitement en comparant D1/D2 par l'intermédiaire d'un T test ou bien d'un Mann-Whitney (ce qui était mon cas car mes variables suivent une distribution non paramétrique). Suite à toutes ces manoeuvres, j'obtiens les p-valeurs exposées ci-dessus.

Ce que je te disais c'est que quand tu écris les "différences individuelles entre les données de la période 1 et de la période 2", je ne comprends pas trop ce que tu as calculé.
Le chiffre à calculer, c'est la différence "mesure fin de période 2 - mesure fin de période 1"

Après, tu as décortiqué en 3 tests ce que l'ANOVA ou le GLM font en 1 seul. Donc tu as une petite hausse du risque de première espèce, pas vraiment embêtante vu les p que tu obtiens (encore une fois, si les calculs sont justes!)

Quand tu as un p significatif, pour déterminer quel traitement est supérieur, il suffit de regarder le tableau de résultats ! Tu calcules tes moyennes pour chaque période/groupe, et tu vois bien quel groupe a le plus gagné. Si ca ne saute pas aux yeux avec un p traitement < 0.0001 il y a une énorme erreur quelque part.

En effet, il s'agit bien des mesures de fin de période !

Il y a bien des différences entre les moyennes, je vais donc axer mon interprétation sur cette base.

Merci beaucoup.