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
Η εομημεία ςχμ πεοιγοατικώμ 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 <1 ηόηε παξνπζηάδεηαη κε 2 δεθαδηθά ςεθία 1-9 ηόηε παξνπζηάδεηαη κε 1 δεθαδηθό ςεθίν >9 ηόηε παξνπζηάδεηαη σο αθέξαηνο
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
Η εομημεία ςχμ πεοιγοατικώμ 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 <1 ηόηε παξνπζηάδεηαη κε 2 δεθαδηθά ςεθία 1-9 ηόηε παξνπζηάδεηαη κε 1 δεθαδηθό ςεθίν >9 ηόηε παξνπζηάδεηαη σο αθέξαηνο
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!!!)
Βαρικέπ ρςαςιρςικέπ αουέπ ρςη 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.
Βαρικέπ ρςαςιρςικέπ αουέπ ρςη 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:
Πίμακας αποτελεσμάτωμ συγχρομικής έρευμας Πίλαθαο 1. Χαξαθηεξηζηηθά ηωλ αηόκωλ ηεο κειέηεο αλά θαηεγνξία ζωκαηηθνύ βάξνπο.
Ν Ηιηθία (έηε) Κάπληζκα ηώξα (%)
Φπζηνινγηθό βάξνο
Τπέξβαξνη
Παρύζαξθνη
p
250
246
125
45±23
49±21
45±21
0,25
23
21
28
0,41
Πίμακας αποτελεσμάτωμ συγχρομικής έρευμας Πίλαθαο 2. Χαξαθηεξηζηηθά ηωλ αηόκωλ ηεο κειέηεο αλά θαηεγνξία θαηαλάιωζεο θαθέ.
Καζόινπ Ν Ηιηθία (έηε) Κάπληζκα ηώξα (%)
0-1 θι./εκ. 1-2 θι./εκ.
3+ θι./εκ.
p
120
123
145
85
45±23
49±21
47±28
42±23
0,15
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. Ν Ηιηθία (έηε) Άξξελ θύιν (%)
Αζζελείο
Μάξηπξεο
P
850
855
45±23
45±21
0,89
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 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
850
825
815
801
ΟΔΜ, %
-
3
5
7
ΑΔΔ, %
-
1
1
3
Ν
Πίμακας αποτελεσμάτωμ προοπτικής έρευμας
Πίμακας αποτελεσμάτωμ κλιμικής δοκιμής Πίλαθαο 1. Χαξαθηεξηζηηθά ηωλ αηόκωλ ηεο θιηληθήο δνθηκήο πξηλ θαη κεηά ηελ παξέκβαζε.
Οκάδα Α C-RP (mg/L)
Οκάδα Β
πξηλ
κεηά
πξηλ
κεηά
2.1±0.2
2.2±0.3
2.3±0.8
1.4±0.4*
p 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 18
Καηαλνκή ζπρλνηήησλ κηαο θαηεγνξηθήο κεηαβιεηήο
16 14
No of obs
12 10 8 6 4 2 0 Male
Female GENDER
Θηκογράμματα Box Plot (Dietcomp 5v*30c)
Πεξηγξαθηθά κέηξα κηαο αζύκκεηξεο πνζνηηθήο κεηαβιεηήο
102 100 98 96 94
MONTH3
92 90 88 86 84 82 80 78 76 Male
Female GENDER
Median 25%-75% Non-Outlier Range
Θηκογράμματα Mean Plot (Dietcomp 5v*30c)
Πεξηγξαθηθά κέηξα κηαο πνζνηηθήο κεηαβιεηήο
101 100 99 98
MONTH1
97 96 95 94 93 92 91 Diet A
Diet B
TREATMNT
Mean ±0,95 Conf. Interval
Στικτό διάγραμμα Σπζρέηηζε δύν πνζνηηθώλ κεηαβιεηώλ
Στικτό διάγραμμα Matrix Plot (Dietcomp 5v*30c)
Σπζρέηηζε αλά νκάδεο ησλ δύν πνζνηηθώλ κεηαβιεηώλ
MONTH1
MONTH2
MONTH3
Διαγράμματα επιφαμείας 3D Surface Plot (Dietcomp 5v*30c) MONTH3 = Distance Weighted Least Squares
Σπζρέηηζε ηξηώλ πνζνηηθώλ κεηαβιεηώλ
100 95 90 85 80
Διαγράμματα «προφίλ» Icon Plot (Employees 11v*100c)
Πξνθίι ραξαθηεξηζηηθώλ, θαηάιιεια γηα νηθνινγηθέο κειέηεο
Left to right: GENDER DEPART EDUC AGE HEIGHT SENIOR SALARY INI_PROF CUR_PROF
Παοαδείγμαςα
Παοαδείγμαςα
Έλεγτος ηων προϋποθέζεων
Οι εοεσμηςικέπ σπξθέρειπ ανιξλξγξύμςαι με ρςαςιρςικά κοιςήοια Έσοςμε 2 δςναηέρ ςποθέζειρ …
Άθσρε σπόζεζε
Εναλλακηική ςπόθεζη
Η ππόζεζε καο δελ ηζρύεη.
Η υπόθεση μας ισχύει.
Σηαηηζηηθό θρηηήρηο S
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 Correlati ons
Trigly cerides (mg/dl) Pears on C orrelation Sig. (2-t ailed) N total_meat Pears on C orrelation Sig. (2-t ailed) N
Trigly cerides (mg/dl) 1 2552 -, 058 ,071 989
total_meat -, 058 ,030 989 1 1018
Δμεηάζηεθε ε ζπζρέηηζε ηεο θαηαλάισζεο θξέαηνο κε ηα επίπεδα ηξηγιπθεξηδίσλ ζε 2552 άηνκα. Βξέζεθε αξλεηηθή ζπζρέηηζε (p=0.03)
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 Correlati ons
Spearman's rho
Trigly cerides (mg/dl)
total_meat
Trigly cerides (mg/dl) Correlat ion Coef f ic ient 1, 000 Sig. (2-t ailed) . N 2552 Correlat ion Coef f ic ient -, 040 Sig. (2-t ailed) ,205 N 989
total_meat -, 040 ,205 989 1, 000 . 1018
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
Υπόζεζε Ηο αιεζής ζηολ πιεζσζκό
Αποδοτή σπόζεζες Ηο από ηο δείγκα
Απόρρηυε σπόζεζες ΗO από ηο δείγκα
Σθάικα ηύπνπ Ι
Υπόζεζε Ηο υεσδής ζηολ Σθάικα ηύπνπ ΙΙ πιεζσζκό
Σηαηηζηηθή ηζρύο
Έλεγυξι Υπξθέρεχμ
Περιοτή απόρριυης Ηο
Ηο αληθής ζηον Πληθσζμό
Σφζηή απόθαζη
Σθάλμα Τύποσ-Ι
Σφζηή απόθαζη
Ηο υεσδής ζηον Πληθσζμό
Περιοτή μηαπόρριυης Ηο
Σθάλμα Τύποσ-ΙΙ
Σηαηιζηική Ιζτύς
Τιμές ζηαηιζηικού κριηηρίοσ S
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.
Τι δεμ είμαι ςξ p-value • 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.
Τι δεμ είμαι ςξ p-value • 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 0,16
0,14
p-value
0,12
0,1
0,08
0,06
0,04
0,02
0 0
100
200
300
400
500
600
700
Μέγεθορ δείγμαηορ ζε κάθε ομάδα
800
900
1000
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
Πνζνηηθή κηβι Π.ρ. ΑΠ
Τ
Πνηνηηθή κηβι
Υ
Φύιν, κνξθωηηθό επίπεδν
Students’ t – test, one-way ANOVA
Πνηνηηθή κηβι Π.ρ. ΑΤ
Τ
Π.ρ. ΑΠ Πνζνηηθή κηβι
Πνηνηηθή κηβι
Υ
Φύιν, κνξθωηηθό επίπεδν
Pearson’s X2 - test
Πνζνηηθή κηβι
Υ
Π.ρ. ειηθία
Pearson’s r
Εργαλεία Ελέγχου Υποθέσεων, μονο-παραγοντική ανάλυση, n = μικρό ή ασύμμετρη Υ
Τ
Πνζνηηθή κηβι Π.ρ. ΑΠ
Τ
Πνηνηηθή κηβι
Υ
Φύιν, κνξθωηηθό επίπεδν
Πνηνηηθή κηβι Π.ρ. ΑΤ
Υ
Φύιν, κνξθωηηθό επίπεδν
Pearson’s X2 – test
Wilcoxon test
Fisher’s test
Πνζνηηθή κηβι Π.ρ. ΑΠ Πνζνηηθή κηβι
Πνηνηηθή κηβι
Mann – Whitney U – test Kruskal – Wallis test
Τ
Υ
Π.ρ. ειηθία
Spearman’s rho
Εργαλεία Ελέγχου Υποθέσεων, πόλυ-παραγοντική ανάλυση, n = μεγάλο
Τ
Πνζνηηθή κηβι Π.ρ. ΑΠ
Τ
Π.ρ. ΑΤ
Φ1, Φ2, …
Φ1, Φ2, …
Πνηνηηθή κηβι
Υ
Πνηνηηθή κηβι
Φύιν, κνξθωηηθό επίπεδν
Τ
Π.ρ. ΑΠ Φ1, Φ2, …
Πνζνηηθή κηβι
Πνηνηηθή κηβι
Υ
Πνζνηηθή κηβι
Φύιν, κνξθωηηθό επίπεδν
multi-way ANOVA
Stratified X2 – test
multi-way ANCOVA
Logistic regression
Linear (non-linear) regression
Ordinal logistic regression
Υ
Π.ρ. ειηθία
Linear (non-linear) regression
Ποισπαραγοληηθή αλάισζε Ερμηνεστικές μεταβλητές Χ (σσνετείς, ποιοτικές).
Τ Πνζνηηθή κηβι Π.ρ. ΑΠ
Πολλαπλή γραμμική παλινδρόμηζη Ερμηνεστικές μεταβλητές Χ (σσνετείς, ποιοτικές).
Τ Γίηηκε πνηνηηθή κηβι Π.ρ. λόζνο/πγεία
Λογαριθμική παλινδρόμηζη
ΆΤΥΠΟΣ ΚΑΝΟΝΑΣ για το μέγεθορ δείγματορ: ζύλνιν επεμεγεκαηηθώλ κεηαβιεηώλ λ/10… Υ είναι η μεταβλητή ποσ εκυράζει την έκβαση (το υαινόμενο ποσ μελετάται) και Χ οι ερμηνεστικές μεταβλητές.
Σσγυσςικόπ παοάγξμςαπ Παπάγονηαρ
Έκβαζη
Σςγσςηικόρ παπάγονηαρ
Παράδειγμα ζσγτσηικού παράγονηα Κάπνιζμα Καρκίνος / καηανάλφζη καθέ
Ανάπηςξη καπκίνος
Κατανάλωση καυέ
Κάπνιζμα (Σςγσςηικόρ Παπάγονηαρ)
Σσγυσςικόπ παοάγξμςαπ Εξαπτημένη μεταβλητή
Κύξηα αλεμάξηεηε κεηαβιεηή
Σςγσςτικόρ παπάγονταρ
Εξαπτημένη μεταβλητή
Κύξηα αλεμάξηεηε κεηαβιεηή
Σςγσςτικόρ παπάγονταρ
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.
Βαρικέπ ρςαςιρςικέπ αουέπ ρςη 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
Βαρικέπ ρςαςιρςικέπ αουέπ ρςη 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 ttest 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) ΑΝΑΓΡΟΜΙΚΟ ΥΔΓΙΑΜΟ
Σρεηηθόο Κίλδπλνο = ηπραηνπνίεζε σο πξνο ην ζπκβάλ Κίλδπλνο λα λνζήζνπλ
?
ΠΡΟΟΠΣΙΚΟ ΥΔΓΙΑΜΟ
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
Βαρικέπ ρςαςιρςικέπ αουέπ ρςη ρσγγοατή 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
Βαρικέπ ρςαςιρςικέπ αουέπ ρςη ρσγγοατή 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.
Uniform Requirements for Manuscripts Submitted to Biomedical Journals: Writing and Editing for Biomedical Publication. ICMJE 2008 4.
5. 6.
References for the design of the study and statistical methods should be to standard works when possible (with pages stated). Define statistical terms, abbreviations, and most symbols. Specify the computer software used (SPSS v14.2, SPSS Inc, Chicago, Il, USA).
Uniform Requirements for Manuscripts Submitted to Biomedical Journals: Writing and Editing for Biomedical Publication. ICMJE 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.
Uniform Requirements for Manuscripts Submitted to Biomedical Journals: Writing and Editing for Biomedical Publication. ICMJE 2008 5.
6. 7.
8.
Restrict tables and figures to those needed to explain the argument of the paper and to assess supporting data. Use graphs as an alternative to tables with many entries; do not duplicate data in graphs and tables. Avoid non-technical uses of technical terms in statistics, such as “random” (which implies a randomizing device), “normal,” “significant,” “correlations,” and “sample.” 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!