Kap10 Chance

Chance, kap 10 Ludvigsson (från Fletcher)

2 sätt att tackla slumpen • hypotes-testning: p-värde • estimation: uppskatta det sanna värdet

Falskt-positiva Falskt-negativa (resultat) Sann skillnad Ja Nej typ 1 fel Slutsats på signiﬁk. korrekt (alfa) basen av typ 2 fel stat. test icke-sign. korrekt (beta)

fel att fråga om det är slumpen som kan ha lett till resulaten • inferential statistics: Hur sannolikt är det att slumpen är avgörande för de fynd vi har?

P-värde • P-probability; Om det inte ﬁnns någon skillnad mellan två grupper. Om vi gjorde om vår studie oändligt många gånger; andelen gånger vi skulle “få en skillnad”.

P-värde

P-värden: dikotoma eller exakta? • P<0.05 (1 på 20 att man har ett falskt- positivt (alfa) värde) • Godtycklig - arbiträr (gräns) • Vissa omständigheter, acceptera högre p- värden • Vi redovisar exakta värden, “p<0.05” är sällsynt

Statistisk och klinisk signiﬁkans...? • Noll-hypotes = ingen skillnad i utfall Fai l to t jec rej Re ect

Olika statistiska test ed ed t rv ec se p Ex Chi-2: b O summan av observerade/ förväntade 2

Chi-2-test • X2 = summa (observerade - förväntade)2 • Förväntade 55* 7 62 60 7 62 42 6 48 97 13 110 97 13 110 * 97/110 x 62

Andra statistiska modeller (multipla variabler) Logist. Cox

Typ 2 fel - att en behandling inte fungerar typ 2 - sockerbetor

Typ 2 fel - II • Författare inte skicka in negativa studier • Understryka att subgrupper: pos resultat • Understryka varför man inte hittade skillnader Statistisk power = 1- beta (20%), alltså 20% power

Punktestimat konﬁdensintervall • med p-värde vet vi inget om effektens styrka • P-värde 0.04 kan vara OR=1.15 eller OR=75 • Med konﬁdensintervall: effektens styrka

Konﬁdensintervall 2 • 95% CI = 19 gånger av 20 som man genomför studien ligger punktestimatet inom gränserna för 95% CI • Ger information om statistisk power

Konﬁdensintervall

Sample size • Effekt-storlek (ﬂer patienter behövs för att upptäcka små skillnader • Typ 1 fel (alfa) - 5%. Men om man vill vara riktigt säker (farlig behandling till patienter som “ändå kan botas”): välj lägre typ 1 fel • Typ 2 fel (beta) - 20% risk att missa en sann skillnad • Karakteristika hos data - variation inom patienten (ex. blodtryck); antal pos. utfall?

Sample size 2 • De ﬂesta sjukdomar vi studerar=kroniska. • Sällan möjligt att md 100 pat i varje “arm” visa på skillnader (ﬁg 10.5) • Statistisk analys efter genomförd studie - behövs inte

Equivalence trial 3 dgr amoxi vs. 5 dgr amoxi Viktigt: Kunna hitta små skillnader bias* drar mot noll •cross over •drop out •misklassiﬁcering

Hitta sällsynta händelser- rare events Post-marketing surveillance, ex. Artis Stora antal patienter...

Mutlipla jämförelser fyra utfall, 12 subgrupper 1 2 3 4 5 6 7 8 9 10 11 12 D HF MI AP ...48

Subgrupps-analyser • Slumpvis positivt fynd (typ 1 fel) • Missa faktisk skillnad i subgrupper p.g.a. låg power

Sekundär-analyser • Kliniskt signiﬁkant skillnad? • Slumpvis fynd? • Antal subgrupper? • P-värdet? • Fanns hypotesen med på förhand? • Många “extra-hypoteser”?

Kap10 Chance

by Jonas Ludvigsson on Apr 20, 2009

Accessibility

Upload Details

Usage Rights

1 Embed 2

Statistics

Kap10 Chance — Presentation Transcript