Paired t-test
Vergelijkt het gemiddelde van een meting tussen twee tijdstippen of omstandigheden bij dezelfde patiënten, aan de hand van het verschil per patiënt.
Statistisch beoordeeld door Daniel Wolff op 4 november 2026 (op basis van de Engelse versie).
Klinisch voorbeeld
Systolische bloeddruk gemeten bij dezelfde patiënten voor en na het starten van een geneesmiddel. Elke patiënt levert een paar waarden. Dit ontwerp laat zien dat de bloeddruk veranderde, niet dat het geneesmiddel de verandering veroorzaakte: zie veelgemaakte fouten.
Wanneer te gebruiken
- De uitkomst is een continue meting die twee keer bij dezelfde patiënten is gedaan, of bij gematchte paren.
- U wilt weten of het gemiddelde van de verschillen binnen patiënten nul is. Bij een ongecontroleerd voor-na-ontwerp toont een verandering niet aan dat de behandeling die veroorzaakte.
- U hoeft niet te corrigeren voor andere variabelen.
Aannames om te controleren
Paren zijn onafhankelijk van elkaar
Elke patiënt levert één paar. Meerdere paren per patiënt vragen een gemengd model.
De koppeling klopt
Elke waarde is gekoppeld aan zijn eigen partner (dezelfde patiënt, of de gematchte partner), en beide metingen gebruiken dezelfde eenheid en methode.
Verschillen ongeveer normaal, zonder extreme uitschieters
Bereken tweede min eerste per patiënt en kijk naar een histogram of Q-Q-plot van die verschillen. De ruwe waarden hoeven zelf niet normaal te zijn. Bij een gematigde steekproefgrootte is lichte scheefheid meestal acceptabel. Bij sterke scheefheid of weinig paren: zie de alternatieven. Eén extreem verschil kan het gemiddelde en de SD vertekenen.
Geen aanname van gelijke varianties
Alleen de verschillen tellen, dus anders dan bij de ongepaarde t-toets is er geen aanname van gelijke varianties en geldt de correctie van Welch niet.
Wat te rapporteren
- Gemiddeld verschil binnen patiënten met 95%-BI, en de richting van het verschil (welk tijdstip min welk)
- Het aantal paren dat echt is geanalyseerd (onvolledige paren vallen weg)
- De SD van de verschillen
- De t-waarde, de vrijheidsgraden (n - 1) en de exacte p-waarde, niet alleen "p < 0,05"
- Dat de toets tweezijdig was
- Gemiddelde en SD op elk tijdstip, berekend over dezelfde volledige paren
Veelgemaakte fouten
Gepaarde gegevens vragen een gepaarde toets
Metingen bij dezelfde patiënt hangen samen. Een ongepaarde toets negeert dat en verliest onderscheidend vermogen, of geeft het verkeerde antwoord.
Alleen de p-waarde rapporteren, zonder het gemiddelde verschil en het 95%-BI.
Een verandering voor-na lezen als behandeleffect zonder controlegroep. Regressie naar het gemiddelde, placebo-effecten en tijdstrends geven allemaal verandering. Dit speelt vooral als patiënten een middel starten omdat hun bloeddruk hoog was.
Een aparte gepaarde toets per arm uitvoeren en de p-waarden vergelijken ("significant in de geneesmiddelgroep, niet in placebo"). Vergelijk de verandering tussen de armen direct, bij voorkeur met ANCOVA.
Een gepaarde t-toets gebruiken om aan te tonen dat twee methoden overeenstemmen. Een gemiddeld verschil van nul zegt niets over overeenstemming bij individuele patiënten.
Normaliteit controleren van de ruwe waarden in plaats van van de verschillen.
Patiënten met één ontbrekende meting stilzwijgend weglaten zonder te melden hoeveel.
Alternatieven
| Als uw situatie is… | Gebruik |
|---|---|
| Verschillen scheef en het mediane verschil is waar het om gaat. De tekentoets wordt toegepast op de verschillen | Sign test or Wilcoxon signed-rank test |
| Verschillen symmetrisch maar met zware staarten of uitschieters, of een geordende score | Wilcoxon signed-rank test |
| Multiplicatief effect, zoals bij veel labwaarden (analyse op logschaal, ratio van geometrische gemiddelden) | Unpaired t-test on log-transformed data |
| Voor en na in twee groepen, zoals behandeling en controle: corrigeer de vervolgwaarde voor de uitgangswaarde, en voer geen twee gepaarde toetsen uit | ANCOVA (adjusting for baseline) |
| Gepaarde ja/nee-uitkomst | McNemar test |
| Aantonen dat twee methoden of apparaten overeenstemmen | Bland-Altman plot and ICC |
| Drie of meer metingen per patiënt, of corrigeren voor andere variabelen | Linear mixed model |
In uw software
# R (tweede min eerste)
# Gebruik deze x/y-vorm: R 4.4+ accepteert paired = TRUE niet meer met een formule
t.test(trial$sbp_12wk, trial$sbp_baseline, paired = TRUE)
# een negatief gemiddeld verschil betekent dat de bloeddruk daalde
sum(complete.cases(trial$sbp_12wk, trial$sbp_baseline)) # geanalyseerde paren
sd(trial$sbp_12wk - trial$sbp_baseline, na.rm = TRUE) # SD van de verschillen
* SPSS drukt ook een tabel met gepaarde correlaties af. Dat is niet het toetsresultaat.
T-TEST PAIRS=sbp_12wk WITH sbp_baseline (PAIRED)
/CRITERIA=CI(.95).
Bronnen
Een interval zonder normaliteit aan te nemen
Bij scheve verschillen, als het gemiddelde verschil zelf is wat u nodig hebt, neemt een bootstrap-betrouwbaarheidsinterval voor het gemiddelde verschil minder aan dan de t-toets. Het redt een zeer kleine steekproef niet.