Статистика за медицинската дисертација, дел 1

Прецизната формулација на прашањето

Пред да започнете со собирање податоци за вашата докторска теза, треба внимателно да ја испланирате вашата студија. За да го направите ова, формулирајте го прашањето што е можно попрецизно. Поставете си го прашањето: На кое прашање треба да одговори вашата студија?

Потоа, размислете кои податоци ви се потребни за да можете да одговорите на ова прашање. Ова ќе ве натера да сфатите,

кои мерени вредности треба да ги соберете (на пр. дијагностичка класификација, пол, сериозност на симптомите),
Во кои точки од времето ги собирате измерените вредности (на пр. Пред и по третманот, различни фази на прогресија, само една точка во времето) и
од која популација треба да се соберат податоците (на пр. пациенти со одредена дијагноза, одредени ризични групи).

Колку случаи ви се потребни?

За да можете да процените колку случаи се потребни за да одговорите на вашето прашање пред да започнете да собирате податоци, можете да испланирате број на случаи. Тука, одреден е бројот (ите) случаи кои ви се потребни барем за да го докажете очекуваниот/посакуваниот резултат како значаен.

Планирање на големината на примерокот однапред има смисла:

Избегнува да открие по анализата дека примерокот бил премал за да се демонстрира посакуваната разлика/врска.
Во спротивно, тоа ви заштедува од вложување премногу време, напор и пари за собирање податоци од непотребно голем примерок.

Бесплатна програма што поддржува пресметување на големината на примерокот за различни дизајни на студии и методи на анализа е G * моќ 3 (Хајнрих-Хајне-универзитит Дизелдорф, 2013, http://www.gpower.hhu.de/)

Структура на анализата на податоците

Сл. 1: Структура на анализата на податоците, од Web. Вебингер, Д. Келер, Б. Будрич: Како да напишам докторска теза? Водич за медицински професионалци и стоматолози. Спрингер 2014 година.

Анализата на статистичките податоци се состои од две компоненти: описна статистика и статистика заснована врз нив (види слика 1).

На дескриптивна статистика ги опишува податоците со пресметување на соодветни мерки. Описни статистички податоци вклучуваат и слики што можете да ги користите за да ги претставите податоците и да ги визуелизирате можните разлики/врски.

Во затворање на статистиката се пресметуваат статистички тестови кои ги проверуваат разликите/односите опишани во описниот дел за значењето. Забележаната разлика или асоцијација се смета за статистички значајна само ако веројатноста (р) за такво набудување во случајно извлечен примерок би била многу мала, ако во реалноста немаше разлика/асоцијација во вкупната популација. Само со докажано значење, затоа можете да верувате со мала веројатност за грешка (ниво на значење, кое честопати се поставува на 5%) дека забележаниот ефект во вашата студија не настанал случајно, но дека одразува реална разлика/однос во вкупната популација. Пресметката на големината на ефектот (на пр. Коефициент на коефициент, r, d, η2) исто така овозможува проценка на големината на набудуваниот ефект.

Избор на вистински метод

Дескриптивна статистика

Изборот на вистинскиот метод за опис на податоците во голема мера зависи од видот на променливата. Во продолжение, кратко се наведени некои често користени описни методи за опишување на категорични податоци (на пример, пол, пушач/непушач, дијагностичка класификација) и метрички податоци (на пр. Сериозност на симптомите, вредности на скалата на прашалникот).

Категоричните карактеристики на испитуваниот примерок се описни со Табели за фреквенција и - при комбинирање на неколку категорични варијабли - со Кростаби прикажано. Како што одговара слика на ова графика или групиран график на шипки (види слика 2).

Сл. 2: Групирани графикони со шипки за прикажување на категорични податоци. Категорични варијабли: пушење (не/да), болест (не/да). Висината на решетките го покажува бројот на луѓе во секоја категорија.

За опис на метричките карактеристики на примерокот, се користат мерки за централната тенденција, на пр. Б. Просечна и Средна, и за расејување, на пр. Б. Стандардна девијација, IQR, минимум и максимум, пресметано. Покрај тоа, може да се користат средни вредности и стандардни отстапувања Интервали на доверба да се пресмета. Овие го опишуваат опсегот на вредности во кои просекот на вкупното население z. Б. е со 95% веројатност.

Од една страна, тие се добри за мапирање на метрички податоци Парцели на кутии, кои ја покажуваат и централната тенденција (средна) и расејувањето (IQR, минимум, максимум), ги идентификуваат надворешните страни и илустрираат споредби во групи, т.е. споредби помеѓу нивоата на категорична променлива (види слика 3). Од друга страна, со Бар графикони (види слика 4) или - особено за да се покаже хронолошка низа - со Линиски графикони (види слика 5) ги отсликуваат средните вредности. Стандардните отстапувања или интервалите на доверба во форма на Лента за грешки може да се визуелизира. За заедничко мапирање на две метрички променливи се соодветни Растери (види слика 6).

Сл. 3: Парцели на кутии за прикажување метрички податоци. Зависна метричка променлива: јачина на симптомите (скала од 0 до 50), независна категоричка променлива: пушење (не/да). Линијата на поделба во рамките не покажува просек, должината на полињата го покажува IQR, крајните точки на антените („мустаќи“) покажуваат минимум и максимум, кругот покажува надворешна.

Сл. 4: Графикони со шипки за прикажување метрички податоци. Зависна метричка променлива: јачина на симптомите (скала од 0 до 50), независна категоричка променлива: пушење (не/да). Висината на шипките ги покажува средните вредности на двете групи примероци, лентите за грешки ги покажуваат стандардните отстапувања.

Сл. 5: Дијаграми на линиите за прикажување метрички податоци. Зависна метричка променлива: јачина на симптомите (скала од 0 до 50), независни категорични варијабли: третман (плацебо/лек), временска точка (пред третман/после третман/мерење на следење). Точките ги покажуваат средните вредности на двете групи во три пати, лентите за грешки ги покажуваат стандардните отстапувања.

Сл. 6: Дијаграм на растера за прикажување метрички податоци. Метрички варијабли: јачина на симптомите (скала од 0 до 50), број на цигари на ден (скала од 0 до 40). Секоја точка одговара на индивидуален предмет и ги покажува нивните вредности на двете метрички скали.