13 Panagiotakos

Παοξσρίαρη ςχμ ρςξιυείχμ

Γεκνζζέλεο Β. Παλαγηωηάθνο Αναπληρωτής Καθηγητής Βιοστατιστικής – Επιδημιολογίας

Τκήκα Δπηζηήκεο Γηαηηνινγίαο – Γηαηξνθήο

Χαξνθόπεην Παλεπηζηήκην

Βαζικά ζηοιτεία παροσζίαζης…

Βαρικέπ ρςαςιρςικέπ αουέπ ρςη

ρσγγοατή εμόπ άοθοξσ • Πεξηγξαθηθά κέηξα ζέζεο & δηαζπνξάο

▫ Αξηζκεηηθόο κέζνο, δηάκεζνο

▫ Σππηθή απόθιηζε

▫ Σππηθό ζθάικα

▫ Γηάζηεκα εκπηζηνζύλεο

Η εομημεία ςχμ πεοιγοατικώμ

μέςοχμ • Αξηζκεηηθόο κέζνο

▫ Η αλακελόκελε ηηκή πνπ ζα έρεη ε πνζνηηθή κεηαβιεηή ζε έλα ηπραία επηιεγκέλν άηνκν ηνπ δείγκαηνο.

Πόζν αμηόπηζην κέηξν είλαη; (όηαλ ζην δείγκα ππάξρεη αληζνθαηαλνκή)

▫ Αλ νη ηηκή ηνπ είλαη

<1 ηόηε παξνπζηάδεηαη κε 2 δεθαδηθά ςεθία

1-9 ηόηε παξνπζηάδεηαη κε 1 δεθαδηθό ςεθίν

>9 ηόηε παξνπζηάδεηαη σο αθέξαηνο

Αοιθμηςικόπ μέρξπ

Αξηζκεηηθόο κέζνο


μέςοχμ • Τππηθή απόθιηζε

▫ Έλαο δείθηεο κεηαβιεηόηεηαο ησλ ηηκώλ ηεο πνζνηηθήο κεηαβιεηήο.

Όζν κηθξόηεξεο ηηκέο ιακβάλεη, ηόζν πην νκνηνγελέο ην δείγκα.

Δπεξεάδεηαη από ηη κνλάδεο κέηξεζεο.

▫ Αλ νη ηηκή ηεο είλαη




Μέςοηρη ςηπ μεςαβληςόςηςαπ

• Σπληειεζηήο κεηαβιεηόηεηαο

▫ Έλαο δείθηεο κεηαβιεηόηεηαο ησλ ηηκώλ ηεο πνζνηηθήο κεηαβιεηήο, πνπ ιακβάλεη ππόςε ηελ κέζε ηηκή θαη δελ επεξεάδεηαη από ηηο κνλάδεο κέηξεζεο.

Σηκέο <10% νκνηνγέλεηα


μέςοχμ • Πόηε ρξεηαδόκαζηε ηε δηάκεζν;

▫ Όηαλ έρνπκε αθξαίεο ηηκέο ζηελ θαηαλνκή ηεο πνζνηηθήο κεηαβιεηήο,

θαη εηδηθόηεξα όηαλ είλαη αζύκκεηξα θαηαλεκεκέλεο.

▫ Αλ νη ηηκή ηεο είλαη




Αοιθμηςικόπ μέρξπ & ακοαίεπ ςιμέπ

Α

Β

Τξ ςσπικό ρτάλμα και ςξ διάρςημα

εμπιρςξρύμηπ • Η γελίθεπζε ηνπ αξηζκεηηθνύ κέζνπ ηνπ δείγκαηνο

ζηνλ πιεζπζκό αλαθνξάο γίλεηαη κε ηελ παξαδνρή ηνπ δεηγκαηνιεπηηθνύ ζθάικαηνο (ηππηθό ζθάικα)

• Σν (1-α)% δηάζηεκα εκπηζηνζύλεο ηνπ πεξηγξαθηθνύ κέηξνπ (π.ρ. αξηζκεηηθνύ κέζνπ) είλαη ην δηάζηεκα ζην νπνίν εθηηκάηαη όηη ζα αλήθεη ην κέηξν ζηνλ πιεζπζκό αλαθνξάο, κε βεβαηόηεηα (1-α)% (ζπλήζσο 95%) ▫ Θέινπκε λάλαη κηθξνύ εύξνπο γηα κεγαιύηεξε

αμηνπηζηία (π.ρ. ν Κ ηεο θαηαλάισζεο θαθέ ζην Γ είλαη 1,15 (95%ΓΔ 0,20 – 28,90!!!)


ρσγγοατή εμόπ άοθοξσ • Σερληθά ζεκεία

▫ Η παξνπζίαζε ησλ πεξηγξαθηθώλ κέηξωλ

Ο κέζνο όξνο πξέπεη λα ζπλνδεύεηαη από ηελ ηππηθή απόθιηζε θαη ηνλ αξηζκό ηνπ δείγκαηνο ζην νπνίν ππνινγίζηεθε.

Η δηάκεζνο πξέπεη λα ζπλνδεύεηαη από ηα ηεηαξηεκόξηα θαη ηνλ αξηζκό ηνπ δείγκαηνο ζην νπνίν ππνινγίζηεθε.


ρσγγοατή εμόπ άοθοξσ • Σερληθά ζεκεία

▫ Οη Πίλαθεο θαη ηα Γξαθήκαηα

Πξέπεη λα κπνξνύλ λα παξνπζηάδνπλ ηα ζηνηρεία ρσξίο λα ρξεηάδεηαη αλαθνξά ζην θείκελν (δει., κα πεξηέρνπλ πιηθό, κνλάδεο κέηξεζεο, p, κέγεζνο δείγκαηνο θ.α.)

Πίμακας αποτελεσμάτωμ συγχρομικής

έρευμας

• Αο ππνζέζνπκε όηη από κηα ζπγρξνληθή κειέηε δηεξεπλάηαη ε ζρέζε θαηαλάισζεο θαθέ θαη ζσκαηηθνύ βάξνπο.

▫ Οη πίλαθεο πξνηείλεηαη λα έρνπλ ηελ αθόινπζε κνξθή:


έρευμας Πίλαθαο 1. Χαξαθηεξηζηηθά ηωλ αηόκωλ ηεο κειέηεο αλά θαηεγνξία ζωκαηηθνύ βάξνπο.

Φπζηνινγηθό βάξνο

Τπέξβαξνη Παρύζαξθνη p

Ν 250 246 125

Ηιηθία (έηε) 45±23 49±21 45±21 0,25

Κάπληζκα ηώξα (%) 23 21 28 0,41


έρευμας Πίλαθαο 2. Χαξαθηεξηζηηθά ηωλ αηόκωλ ηεο κειέηεο αλά θαηεγνξία θαηαλάιωζεο θαθέ.

Καζόινπ 0-1 θι./εκ. 1-2 θι./εκ. 3+ θι./εκ. p

Ν 120 123 145 85

Ηιηθία (έηε) 45±23 49±21 47±28 42±23 0,15

Κάπληζκα ηώξα (%) 23 21 33 38 0,01

Πίμακαπ πεοιγοατήπ ςξσ δείγμαςξπ

Πίμακαπ αουικήπ αμάλσρηπ ςξσ δείγμαςξπ

Πίμακαπ κύοιαπ αμάλσρηπ ςξσ δείγμαςξπ

Σην θείκελν ησλ απνηειεζκάησλ κπνξεί λα γίλεη θαη ζπδήηεζε ησλ ζπληειεζηώλ …

Πίμακαπ κύοιαπ αμάλσρηπ ςξσ δείγμαςξπ

Πίμακας αποτελεσμάτωμ έρευμας

ασθεμώμ - μαρτύρωμ Πίλαθαο 1. Χαξαθηεξηζηηθά ηωλ αζζελώλ θαη ηωλ καξηύξωλ ηεο κειέηεο.

Αζζελείο Μάξηπξεο P

Ν 850 855

Ηιηθία (έηε) 45±23 45±21 0,89

Άξξελ θύιν (%) 78 77 0,97

Η ζηαηηζηηθή ζεκαληηθόηεηα ζηελ ηειεπηαία ζηήιε εθθξάδεη ηηο ζπγθξίζεηο κεηαμύ ησλ αζζελώλ θαη ησλ καξηύξσλ.

Πίμακας αποτελεσμάτωμ έρευμας

ασθεμώμ - μαρτύρωμ

Πίμακας αποτελεσμάτωμ προοπτικής

έρευμας Πίλαθαο 1. Αζξνηζηηθή θαηαλνκή ζπκβάληωλ ηωλ ζπκκεηερόληωλ ηεο κειέηεο.

Έλαξμε ηεο κειέηεο

12 κήλεο 24 κήλεο 36 κήλεο

Ν 850 825 815 801

ΟΔΜ, % - 3 5 7

ΑΔΔ, % - 1 1 3

Πίμακας αποτελεσμάτωμ προοπτικής

έρευμας

Πίμακας αποτελεσμάτωμ κλιμικής δοκιμής

Πίλαθαο 1. Χαξαθηεξηζηηθά ηωλ αηόκωλ ηεο θιηληθήο δνθηκήο πξηλ θαη κεηά ηελ παξέκβαζε.

Οκάδα Α Οκάδα Β p

πξηλ κεηά πξηλ κεηά

C-RP (mg/L) 2.1±0.2 2.2±0.3 2.3±0.8 1.4±0.4* 0.02

Η ζηαηηζηηθή ζεκαληηθόηεηα ζηελ ηειεπηαία ζηήιε εθθξάδεη ηηο ζπγθξίζεηο κεηαμύ ησλ νκάδσλ. Γηα λα δείμνπκε ηε ζηαηηζηηθή ζεκαληηθόηεηα πξηλ – κεηά ζε θάζε νκάδα ζπλήζσο ρξεζηκνπνηνύκε ζύκβνια, όπσο *<0.05 θνθ

Πίμακας αποτελεσμάτωμ κλιμικής δοκιμής

Παρουσίαση αποτελεσμάτωμ κλιμικής

δοκιμής

• Η δεκηνπξγία ελόο δηαγξάκκαηνο ξνήο δηεπθνιύλεη ηνλ αλαγλώζηε λα θαηαιάβεη ηελ θιηληθή δνθηκή.

Γοατήμαςα

• Ραβδνγξάκκαηα, ηζηνγξάκκαηα

• Θεθνγξάκκαηα

• ηηθηά δηαγξάκκαηα

Iστόγραμμα

Καηαλνκή ζπρλνηήησλ κηαο πνζνηηθήο κεηαβιεηήο

Ραβδόγραμμα

Καηαλνκή ζπρλνηήησλ κηαο θαηεγνξηθήο κεηαβιεηήο

Male Female

GENDER

0

2

4

6

8

10

12

14

16

18

No

of

ob

s

Θηκογράμματα Box Plot (Dietcomp 5v*30c)

Median 25%-75% Non-Outlier Range Male Female

GENDER

76

78

80

82

84

86

88

90

92

94

96

98

100

102

MO

NT

H3

Πεξηγξαθηθά κέηξα κηαο αζύκκεηξεο πνζνηηθήο κεηαβιεηήο

Θηκογράμματα Mean Plot (Dietcomp 5v*30c)

Mean ±0,95 Conf. Interval Diet A Diet B

TREATMNT

91

92

93

94

95

96

97

98

99

100

101

MO

NT

H1

Πεξηγξαθηθά κέηξα κηαο πνζνηηθήο κεηαβιεηήο

Στικτό διάγραμμα

Σπζρέηηζε δύν πνζνηηθώλ κεηαβιεηώλ

Στικτό διάγραμμα Matrix Plot (Dietcomp 5v*30c)

MONTH1

MONTH2

MONTH3

Σπζρέηηζε αλά νκάδεο ησλ δύν πνζνηηθώλ κεηαβιεηώλ

Διαγράμματα επιφαμείας 3D Surface Plot (Dietcomp 5v*30c)

MONTH3 = Distance Weighted Least Squares

100 95 90 85 80

Σπζρέηηζε ηξηώλ πνζνηηθώλ κεηαβιεηώλ

Διαγράμματα «προφίλ» Icon Plot (Employees 11v*100c)

Left to right: GENDER DEPART EDUC AGE HEIGHT SENIOR SALARY INI_PROF CUR_PROF

Πξνθίι ραξαθηεξηζηηθώλ, θαηάιιεια γηα νηθνινγηθέο κειέηεο

Παοαδείγμαςα

Έλεγτος ηων προϋποθέζεων

Οι εοεσμηςικέπ σπξθέρειπ ανιξλξγξύμςαι

με ρςαςιρςικά κοιςήοια

Άθσρε σπόζεζε

Η ππόζεζε καο δελ ηζρύεη.

Εναλλακηική ςπόθεζη

Η υπόθεση μας ισχύει.

Σηαηηζηηθό θρηηήρηο S

Έσοςμε 2 δςναηέρ ςποθέζειρ …

Οι ποξϋπξθέρειπ για ςημ ξοθή εταομξγή

ςχμ ρςαςιρςικώμ ελέγυχμ σπξθέρεχμ

• Όια ηα ζηαηηζηηθά θξηηήξηα έρνπλ δηάθνξεο πξνϋπνζέζεηο. ▫ Π.ρ. T-test, ANOVA, ζπληειεζηήο ζπζρέηηζεο ηνπ

Pearson: θαλνληθόηεηα ηεο πνζνηηθήο κεηαβιεηήο

• Ση ζπκβαίλεη όηαλ δελ ηζρύεη κηα πξνϋπόζεζε; ▫ Ο ππνινγηζκόο ηνπ p-value είλαη ιαλζαζκέλνο ε

απόθαζε πνπ ζα ιεθζεί παξαθηλδπλεπκέλε.

Παοάδειγμα Δμεηάζηεθε ε ζπζρέηηζε ηεο θαηαλάισζεο θξέαηνο κε ηα επίπεδα ηξηγιπθεξηδίσλ ζε 2552 άηνκα. Βξέζεθε αξλεηηθή ζπζρέηηζε (p=0.03)

Correlations

1 -,058

,030

2552 989

-,058 1

,071

989 1018

Pearson Correlation

Sig. (2-tailed)

N

Pearson Correlation

Sig. (2-tailed)

N

Triglycerides (mg/dl)

total_meat

Triglycerides

(mg/dl) total_meat

Γελ ιήθζεθε ππόςε όκσο ε θαλνληθόηεηα ησλ κεηαβιεηώλ, βαζηθή πξνϋπόζεζε γηα ηνλ έιεγρν ηεο ζηαηηζηηθήο ζεκαληηθόηεηαο ηνπ ζπληειεζηή ζπζρέηηζεο ηνπ Pearson.

Καη νη 2 κεηαβιεηέο δελ αθνινπζνύλ ηελ θαλνληθή θαηαλνκή.

Παοάδειγμα Correlations

1,000 -,040

. ,205

2552 989

-,040 1,000

,205 .

989 1018

Correlat ion Coef f ic ient

Sig. (2-tailed)

N

Correlat ion Coef f ic ient

Sig. (2-tailed)

N

Triglycerides (mg/dl)

total_meat

Spearman's rho

Triglycerides

(mg/dl) total_meat

Τν θαηάιιειν ζηαηηζηηθό θξηηήξην, ζπληειεζηήο ζπζρέηηζεο rho ηνπ Spearman, ππνδεηθλύεη όηη δελ ππάξρεη ζηαηηζηηθά ζεκαληηθή ζπζρέηηζε (p=0.205).

P-values … ή κάηι παραπάνω

Τι είμαι ςξ p-value

• Η πηζαλόηεηα ε παξαηεξεζείο ζην δείγκα δηαθνξά, ή αθόκα θαη κεγαιύηεξε, λα κελ ηζρύεη ζηνλ πιεζπζκό αλαθνξάο.

Στάλμαςα ρςη λήφη απόταρηπ

Αποδοτή σπόζεζες Ηο

από ηο δείγκα

Απόρρηυε σπόζεζες ΗO από

ηο δείγκα

Υπόζεζε Ηο αιεζής ζηολ

πιεζσζκό

Σθάικα ηύπνπ Ι

Υπόζεζε Ηο υεσδής ζηολ

πιεζσζκό

Σθάικα ηύπνπ ΙΙ Σηαηηζηηθή ηζρύο

Έλεγυξι Υπξθέρεχμ

Τιμές ζηαηιζηικού κριηηρίοσ S

Περιοτή μη-απόρριυης Ηο

Περιοτή απόρριυης Ηο

Σφζηή απόθαζη

Σφζηή απόθαζη

Ηο αληθής ζηον Πληθσζμό

Ηο υεσδής ζηον Πληθσζμό

Σθάλμα Τύποσ-Ι

Σθάλμα Τύποσ-ΙΙ

Σηαηιζηική Ιζτύς

Τι δεμ είμαι ςξ p-value

• Σν p-value δελ είλαη ε πηζαλόηεηα λα επαιεζεπζεί ε κεδεληθή ππόζεζε

▫ θαη απηό γηαηί νη ππνζέζεηο δελ εθθξάδνληαη κε πηζαλόηεηεο ζηελ ζηαηηζηηθή.


• Σν p-value δελ είλαη ε πηζαλόηεηα λα απνξξηθζεί ιαλζαζκέλα ε κεδεληθή ππόζεζε. ▫ Σν λα απνξξηθζεί ιαλζαζκέλα ε κεδεληθή ππόζεζε

είλαη ην ζθάικα Σύπνπ Ι. Απηό ην ζθάικα είλαη κηα εθδνρή ηεο θαινύκελεο «ζθάικα

ηνπ εηζαγγειέα» (“prosecutor's fallacy”) όπνπ θξίλεη αζών ηνλ θαηεγνξνύκελν ελώ έρεη δηαπξάμεη ην έγθιεκα.

Σν ζθάικα Σύπνπ Ι είλαη ζηελά ζπλπθαζκέλν κε ην p-value, αθνύ απνξξίπηνπκε ηε κεδεληθή ππόζεζε όηαλ ην p-value είλαη κηθξόηεξν από θάπνην πξνθαζνξηζκέλν όξην α (επίπεδν ζεκαληηθόηεηαο) ηνπ ζθάικαηνο ηύπνπ-Ι.


• Σν p-value δελ δειώλεη ην κέγεζνο ή ηε ζεκαζία ηνπ παξαηεξνύκελνπ απνηειέζκαηνο.

▫ Έηζη, έλα πνιύ κηθξό p-value, π.ρ. 0,000…1 (ζπλήζσο παξνπζηάδεηαη σο <0,001) δε ζεκαίλεη απαξαίηεηα κηα πνιύ ηζρπξή ζπζρέηηζε.

Τξ επίπεδξ ρημαμςικόςηςαπ

Τη ζσκπέραζκα βγάδεηε από ηο δηπιαλό Στήκα;

?

Τξ επίπεδξ ρημαμςικόςηςαπ

Παρόλο ποσ η ζσζτέηιζη θαίνεηαι να είναι ιζτσρή (p < 0,001) ο ζσνηελεζηής ζσζτέηιζης είναι μικρός (r = -0,11), σποδηλώνονηας αδύναμη ζτέζη.

Τξ μέγεθξπ ςηπ ρυέρηπ

▫ Ο θαιύηεξνο ηξόπνο γηα λα απνηηκεζεί κηα ζπζρέηηζε είλαη ε ρξήζε κέηξσλ πνπ απνηππώλνπλ ην κέγεζνο ηεο ηζρύνο κηαο ζρέζεο

δει. ην effect size, όπσο

ν ζρεηηθόο ιόγνο ζπκπιεξσκαηηθώλ πηζαλνηήησλ,

ν ζρεηηθόο θίλδπλνο,

ν ζπληειεζηήο ζπζρέηηζεο,

ην d ηνπ Cohen

ην ε2

▫ θ.η.ι.

p-value και μέγεθξπ ςξσ δείγμαςξπ

▫ Σν p-value επεξεάδεηαη ηζρπξά από ην κέγεζνο ηνπ δείγκαηνο.

πγθεθξηκέλα

• Τπάξρεη αληίζηξνθε ζπζρέηηζε κεηαμύ ηνπ κεγέζνπο δείγκαηνο θαη ηνπ p-value.

p-value και μέγεθξπ ςξσ δείγμαςξπ για μια

δεδξμέμη ρσρυέςιρη

0

0,02

0,04

0,06

0,08

0,1

0,12

0,14

0,16

0 100 200 300 400 500 600 700 800 900 1000

Μέγεθορ δείγμαηορ ζε κάθε ομάδα

p-v

alu

e

Τξ μέγεθξπ ςξσ δείγμαςξπ

• Σν επαξθέο κέγεζνο ηνπ δείγκαηνο είλαη κεγίζηεο ζεκαζίαο γηα ηελ αμηνπηζηία ηεο έξεπλαο.

Οι «αουέπ» ςηπ δειγμαςξληφίαπ

• Πξέπεη όκσο λα ιεθζεί ππόςε όηη ζρεηηθά κεγάιν δείγκα ζπλεπάγεηαη θαη κεγάιν θόζηνο ▫ ρωξίο απηό λα ζεκαίλεη θαη απαξαίηεηα

αμηόπηζηα απνηειέζκαηα,

• ελώ πνιύ κηθξό δείγκα κπνξεί λα νδεγήζεη ζε ζπζηεκαηηθό ζθάικα θαη κεξνιεπηηθέο απνθάζεηο γηα ηνλ πιεζπζκό.

Το μέγεθος του δείγματος

καθορίζεται από: 1. ην επίπεδν ζηαηηζηηθήο ζεκαληηθόηεηαο ηωλ ειέγρωλ, ην νπνίν

ζπκβνιίδεηαη κε α θαη ζην ρώξν ηωλ επηζηεκώλ ηεο Τγείαο έρεη θαζνξηζηεί λα είλαη < 0,01 ή < 0,05

2. ην κέγεζνο ηεο αλαδεηνύκελεο ζρέζεο, π.ρ. πόζν κεγάιε ζα πξέπεη λα είλαη ε δηαθνξά ζηα επίπεδα νιηθήο ρνιεζηεξόιεο κεηαμύ ηεο ζεξαπεπηηθήο πξνζέγγηζεο Α θαη ηεο ζεξαπεπηηθήο πξνζέγγηζεο Β έηζη ώζηε λα ζεωξείηαη θιηληθά αμηόινγε,

3. ηε ζηαηηζηηθή ηζρύ ηωλ ειέγρωλ, ε νπνία ζπκβνιίδεηαη κε γ θαη ζην ρώξν ηωλ επηζηεκώλ ηεο Τγείαο έρεη θαζνξηζηεί λα είλαη > 0,80 ή > 0,90

4. ην επίπεδν αθξίβεηαο ζηηο κεηξήζεηο, ην νπνίν εμαξηάηαη θαη από ηελ ζπλείδεζε ηωλ εξεπλεηώλ πνπ δηεμάγνπλ ηελ έξεπλα

5. ην κέγεζνο ηνπ πιεζπζκνύ αλαθνξάο 6. ηε κεηαβιεηόηεηα ζηα ραξαθηεξηζηηθά ηνπ πιεζπζκνύ, ε νπνία αλ είλαη

κεγάιε ζπλεπάγεηαη θαη αλάινγε αύμεζε ηνπ κεγέζνπο ηνπ δείγκαηνο 7. ην δηαζέζηκν ρξεκαηηθό πνζό γηα ηελ έξεπλα

Η στατιστική ισχύς είμαι συμάρτηση του

μεγέθους του δείγματος Επαρθές δείγκα

Με επαξθέο Με επαξθέο

Η ανάγκη για πολσπαραγονηική ανάλσζη.

Μξμξπαοαγξμςική &

Πξλσπαοαγξμςική αμάλσρη • Η ζρέζε παξάγνληαο λόζνο είλαη

πνιππαξαγνληηθήο αηηηνινγίαο.

▫ Η εθαξκνγή ηεο πνιππαξαγνληηθήο αλάιπζεο είλαη επηβεβιεκέλε ζηελ έξεπλα.

Οη παξάγνληεο πνπ ζπκκεηέρνπλ ζηελ πνιππαξαγνληηθή αλάιπζε είλαη νη πηζαλνί ζπγρπηηθνί.

Επγαλεία Ελέγσος Υποθέζεων,

μονο-παπαγονηική ανάλςζη, n = μεγάλο

Τ

Υ

Πνζνηηθή κηβι

Π.ρ. ΑΠ

Πνηνηηθή κηβι

Φύιν, κνξθωηηθό

επίπεδν

Students’ t – test,

one-way ANOVA

Τ

Υ


Π.ρ. ΑΤ



επίπεδν

Pearson’s X2 - test

Τ

Υ


Π.ρ. ΑΠ


Π.ρ. ειηθία

Pearson’s r

Εργαλεία Ελέγχου Υποθέσεων,

μονο-παραγοντική ανάλυση, n = μικρό ή

ασύμμετρη Υ

Τ

Υ


Π.ρ. ΑΠ



επίπεδν

Mann – Whitney U – test

Wilcoxon test

Kruskal – Wallis test

Τ

Υ


Π.ρ. ΑΤ



επίπεδν

Pearson’s X2 – test

Fisher’s test

Τ

Υ


Π.ρ. ΑΠ


Π.ρ. ειηθία

Spearman’s rho

Εργαλεία Ελέγχου Υποθέσεων,

πόλυ-παραγοντική ανάλυση, n = μεγάλο

Τ

Υ


Π.ρ. ΑΠ



επίπεδν

multi-way ANOVA

multi-way ANCOVA

Linear (non-linear) regression

Τ

Υ


Π.ρ. ΑΤ



επίπεδν

Stratified X2 – test

Logistic regression

Ordinal logistic regression

Τ

Υ


Π.ρ. ΑΠ


Π.ρ. ειηθία

Linear (non-linear) regression

Φ1, Φ2, … Φ1, Φ2, …

Φ1, Φ2, …

ΆΤΥΠΟΣ ΚΑΝΟΝΑΣ για το μέγεθορ δείγματορ:

ζύλνιν επεμεγεκαηηθώλ κεηαβιεηώλ λ/10…

Ποισπαραγοληηθή αλάισζε

Υ είναι η μεταβλητή ποσ εκυράζει την έκβαση (το υαινόμενο ποσ μελετάται) και Χ οι ερμηνεστικές μεταβλητές.

Τ


Π.ρ. ΑΠ

Ερμηνεστικές μεταβλητές Χ (σσνετείς, ποιοτικές).

Πολλαπλή γραμμική παλινδρόμηζη

Τ

Γίηηκε πνηνηηθή

κηβι Π.ρ.

λόζνο/πγεία

Ερμηνεστικές μεταβλητές Χ (σσνετείς, ποιοτικές).

Λογαριθμική παλινδρόμηζη

Σσγυσςικόπ παοάγξμςαπ

Παπάγονηαρ Έκβαζη

Σςγσςηικόρ

παπάγονηαρ

Παράδειγμα ζσγτσηικού παράγονηα

Κάπνιζμα Καρκίνος / καηανάλφζη καθέ

Κατανάλωση καυέ Ανάπηςξη καπκίνος

Κάπνιζμα (Σςγσςηικόρ

Παπάγονηαρ)

Σσγυσςικόπ παοάγξμςαπ

Σςγσςτικόρ

παπάγονταρ

Εξαπτημένη μεταβλητή

Κύξηα αλεμάξηεηε κεηαβιεηή

Σςγσςτικόρ

παπάγονταρ

Εξαπτημένη μεταβλητή

Κύξηα αλεμάξηεηε κεηαβιεηή

Υπέο-ποξραομξγή καςά ςημ

πξλσπαοαγξμςική αμάλσρη. • Η ππέξ-πξνζαξκνγή είλαη ην θαηλόκελν πνπ

ζπλππνινγίδνληαη πνιιέο κεηαβιεηέο σο ζπκπαξάγνληεο ζε έλα ππόδεηγκα.

▫ Χξεζηκνπνηνύκαη κόλν ηνπο απαξαίηεηνπο, ζπγρπηηθνύο παξάγνληεο.


ρσγγοατή εμόπ άοθοξσ • ρεηηθόο θίλδπλνο ή ζρεηηθόο ιόγνο

• Σππηθή απόθιηζε ή ηππηθό ζθάικα

• β-ζπληειεζηήο παιηλδξόκεζεο ή Β ζπληειεζηήο

▫ εξκελεία

• P – value ή 95% δηάζηεκα εκπηζηνζύλεο


ρσγγοατή εμόπ άοθοξσ ▫ Οη Σηαηιζηικές μέθοδοι πξέπεη λα είλαη

αλαιπηηθέο θαη κε επεμεγήζεηο

(δει., λα κελ γξάθεηαη κόλν ηε θξάζε «SPSS was used for all statistical analyses», αιιά «…Student’s t-test was applied to test for mean differences on glucose levels between men and women. Normality of glucose levels was tested through the P-P plot and equality of variances using the Levene’s test”

Συεςικόπ κίμδσμξπ (relative risk) ή

ρυεςικόπ λόγξπ (odds ratio)

? ΠΡΟΟΠΣΙΚΟ

ΥΔΓΙΑΜΟ ΑΝΑΓΡΟΜΙΚΟ

ΥΔΓΙΑΜΟ

Σρεηηθόο Κίλδπλνο = ηπραηνπνίεζε σο πξνο ην ζπκβάλ

Κίλδπλνο λα λνζήζνπλ

νη εθηεζέληεο ζε ζρέζε κε ηνπο κε-εθηεζέληεο

Σρεηηθόο Λόγνο = ηπραηνπνίεζε σο πξνο ηελ έθζεζε

Η ζρεηηθή εθηίκεζε έθζεζεο ζηνλ παξάγνληα

ζηνπο έρνληεο ηε λόζν ζε ζρέζε κε ηελ πηζαλόηεηα έθζεζεο ζηνπο κε λνζνύληεο

Φρήζε ζφζηής οροιογίας …

http://www.cdc.gov/reproductivehealth/EpiGlossary/glossary.htm

The STROBE statement

BMJ 2007;335:806-808

Βαρικέπ ρςαςιρςικέπ αουέπ ρςη ρσγγοατή

εμόπ άοθοξσ (The STROBE statement)

Clinical trial

• Report numbers of individuals at each stage of study

▫ eg numbers potentially eligible, examined for eligibility, confirmed eligible, included in the study, completing follow-up, and analysed

• Give reasons for non-participation at each stage

• Consider use of a flow diagram

BMJ 2007;335:806-808


εμόπ άοθοξσ (The STROBE statement) • Give characteristics of study participants (eg demographic,

clinical, social) and information on exposures and potential confounders

• Indicate number of participants with missing data for each variable of interest

Cohort study • Summarize follow-up time

• eg average and total amount) • Report numbers of outcome events or summary measures over time. Case-control study • Report numbers in each exposure category (cases – controls), or

summary measures of exposure Cross sectional study • Report numbers of outcome events or summary measures

BMJ 2007;335:806-808


εμόπ άοθοξσ (The STROBE statement) Statistical Methods (general)

• Describe all statistical methods, including those used to control for

confounding

• Describe any methods used to examine subgroups and interactions

• Explain how missing data were addressed

• Cohort study… explain how loss to follow-up was addressed

• Case-control study… explain how matching of cases and controls was

addressed.

• Cross sectional study… describe analytical methods taking account of

sampling strategy

• Describe any sensitivity analyses

BMJ 2007;335:806-808

Uniform Requirements for Manuscripts Submitted to Biomedical

Journals: Writing and Editing for Biomedical Publication. ICMJE

2008

Statistical Methods

1. Describe statistical methods with enough detail to enable a knowledgeable reader with access to the original data to verify the reported results.

2. When possible, quantify findings and present them with appropriate indicators of measurement error or uncertainty (such as confidence intervals).

3. Avoid relying solely on statistical hypothesis testing, such as P values, which fail to convey important information about effect size.



2008

4. References for the design of the study and statistical methods should be to standard works when possible (with pages stated).

5. Define statistical terms, abbreviations, and most symbols.

6. Specify the computer software used (SPSS v14.2, SPSS Inc, Chicago, Il, USA).



2008

Results 1. Present your results in logical sequence in the text, tables, and

illustrations, giving the main or most important findings first. 2. Do not repeat all the data in the tables or illustrations in the text;

emphasize or summarize only the most important observations. 3. Extra or supplementary materials and technical detail can be

placed in an appendix where they will be accessible but will not interrupt the flow of the text, or they can be published solely in the electronic version of the journal.

4. When data are summarized in the Results section, give numeric results not only as derivatives (for example, percentages) but also as the absolute numbers from which the derivatives were calculated, and specify the statistical methods used to analyze them.



2008

5. Restrict tables and figures to those needed to explain the argument of the paper and to assess supporting data.

6. Use graphs as an alternative to tables with many entries; do not duplicate data in graphs and tables.

7. Avoid non-technical uses of technical terms in statistics, such as “random” (which implies a randomizing device), “normal,” “significant,” “correlations,” and “sample.”

8. Where scientifically appropriate, analyses of the data by such variables as age and sex should be included.

Σσμπεοάρμαςα

• Η νξζή ζηαηηζηηθή αλάιπζε θαη παξνπζίαζε ησλ απνηειεζκάησλ κηαο έξεπλαο είλαη κεγίζηεο ζεκαζίαο δηαδηθαζία γηα ηελ αμηνπηζηία όινπ ηνπ έξγνπ.

Καλή τύχη!

13 Panagiotakos

Documents

Transcript of 13 Panagiotakos