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

           ...
fel att fråga om det är slumpen
  som kan ha lett till resulaten



• inferential statistics: Hur sannolikt är det att
  s...
P-värde
• P-probability; Om det inte finns någon
  skillnad mellan två grupper. Om vi gjorde om
  vår studie oändligt många...
P-värde
P-värden: dikotoma eller
        exakta?
• P<0.05 (1 på 20 att man har ett falskt-
  positivt (alfa) värde)
• Godtycklig -...
Statistisk och klinisk
       signifikans...?


• Noll-hypotes = ingen skillnad i utfall
                       Fai
       ...
Olika statistiska test




                    ed
       ed         t
     rv         ec
   se         p
             Ex  ...
Chi-2-test


  • X2 = summa (observerade - förväntade)2
            •       Förväntade
                           55* 7 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
•   Underst...
Punktestimat
     konfidensintervall

• med p-värde vet vi inget om effektens styrka
• P-värde 0.04 kan vara OR=1.15 eller ...
Konfidensintervall 2

• 95% CI = 19 gånger av 20 som man
  genomför studien ligger punktestimatet
  inom gränserna för 95% ...
Konfidensintervall
Sample size
• Effekt-storlek (fler patienter behövs för att
  upptäcka små skillnader
• Typ 1 fel (alfa) - 5%. Men om man v...
Sample size 2

• De flesta sjukdomar vi studerar=kroniska.
• Sällan möjligt att md 100 pat i varje “arm”
  visa på skillnad...
Equivalence trial
               3 dgr amoxi
                   vs.
               5 dgr amoxi

                 Viktigt:
...
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 ...
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 ...
Kap10 Chance
Upcoming SlideShare
Loading in …5
×

Kap10 Chance

945 views

Published on

kap 10 fletcher chance slump hypotes estimation p-värde p-value

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
945
On SlideShare
0
From Embeds
0
Number of Embeds
4
Actions
Shares
0
Downloads
11
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Kap10 Chance

  1. 1. Chance, kap 10 Ludvigsson (från Fletcher)
  2. 2. 2 sätt att tackla slumpen • hypotes-testning: p-värde • estimation: uppskatta det sanna värdet
  3. 3. 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)
  4. 4. 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?
  5. 5. 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”.
  6. 6. P-värde
  7. 7. 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
  8. 8. Statistisk och klinisk signifikans...? • Noll-hypotes = ingen skillnad i utfall Fai l to t jec rej Re ect
  9. 9. Olika statistiska test ed ed t rv ec se p Ex Chi-2: b O summan av observerade/ förväntade 2
  10. 10. 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
  11. 11. Andra statistiska modeller (multipla variabler) Logist. Cox
  12. 12. Typ 2 fel - att en behandling inte fungerar typ 2 - sockerbetor
  13. 13. 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
  14. 14. 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
  15. 15. Konfidensintervall 2 • 95% CI = 19 gånger av 20 som man genomför studien ligger punktestimatet inom gränserna för 95% CI • Ger information om statistisk power
  16. 16. Konfidensintervall
  17. 17. 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?
  18. 18. 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
  19. 19. Equivalence trial 3 dgr amoxi vs. 5 dgr amoxi Viktigt: Kunna hitta små skillnader bias* drar mot noll •cross over •drop out •misklassificering
  20. 20. Hitta sällsynta händelser- rare events Post-marketing surveillance, ex. Artis Stora antal patienter...
  21. 21. Mutlipla jämförelser fyra utfall, 12 subgrupper 1 2 3 4 5 6 7 8 9 10 11 12 D HF MI AP ...48
  22. 22. Subgrupps-analyser • Slumpvis positivt fynd (typ 1 fel) • Missa faktisk skillnad i subgrupper p.g.a. låg power
  23. 23. Sekundär-analyser • Kliniskt signifikant skillnad? • Slumpvis fynd? • Antal subgrupper? • P-värdet? • Fanns hypotesen med på förhand? • Många “extra-hypoteser”?

×