Állatkísérletek Elmélete és Gyakorlata- B szint

Hasonló dokumentumok
Adatok statisztikai feldolgozása

Állatkísérletek Elmélete és Gyakorlata A kurzus

Állatkísérletek Elmélete és Gyakorlata A és B kurzus

Állatkísérletek az Orvostudományban

Elemszám becslés. Kaszaki József Ph.D. SZTE ÁOK Sebészeti Műtéttani Intézet

Statisztikai alapfogalmak a klinikai kutatásban. Molnár Zsolt PTE, AITI

Hipotézis vizsgálatok

Kísérletek tervezése, értékelése, adatok feldolgozása (Dr. Kaszaki József)

[Biomatematika 2] Orvosi biometria

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

Szeminárium vagy Gyakorlat Időpont: csütörtök Helyszín: Sebészeti. Műtéttani Intézet tanterem/hallgatói műtő

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

Bevezetés a hipotézisvizsgálatokba

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

Adatok statisztikai értékelésének főbb lehetőségei

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

y ij = µ + α i + e ij

ÁLLATKÍSÉRLETEK AZ ORVOSTUDOMÁNYBAN

Hipotézis vizsgálatok

A biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina Boda PhD SZTE ÁOK Orvosi Informatikai Intézet

Kettőnél több csoport vizsgálata. Makara B. Gábor

Biostatisztika Összefoglalás

Biostatisztika Összefoglalás

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

SZEGEDI TUDOMÁNYEGYETEM, ÁLTALÁNOS ORVOSTUDOMÁNYI KAR Az Állatkísérletek elmélete és gyakorlata B szint részletes programja

SZEGEDI TUDOMÁNYEGYETEM, ÁLTALÁNOS ORVOSTUDOMÁNYI KAR Az Állatkísérletek elmélete és gyakorlata B szint részletes programja

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet

Korreláció és lineáris regresszió

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis

Mérési hibák

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Ezt kutattuk 2010-ben. Kocsi Szilvia SZTE AITI

Egyszempontos variancia analízis. Statisztika I., 5. alkalom

A biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Informatikai Intézet

Biostatisztika VIII. Mátyus László. 19 October

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biomatematika 13. Varianciaanaĺızis (ANOVA)

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Nem-paraméteres és paraméteres módszerek. Kontingencia tábla, rangtranszformálás, párosított minták, két független minta

6. Előadás. Vereb György, DE OEC BSI, október 12.

[Biomatematika 2] Orvosi biometria

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

Kísérlettervezés alapfogalmak

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Több valószínűségi változó együttes eloszlása, korreláció

Statisztika Elıadások letölthetık a címrıl

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

Egymintás próbák. Alapkérdés: populáció <paramétere/tulajdonsága> megegyezik-e egy referencia paraméter értékkel/tulajdonsággal?

Kiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157.

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai

Matematikai statisztika c. tárgy oktatásának célja és tematikája

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Normális eloszlás tesztje

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

Kísérlettervezés alapfogalmak

Statisztika elméleti összefoglaló

Gyártástechnológia alapjai Méréstechnika rész. Előadások (2.) 2011.

A 035/14 referencia számú FELASA kurzus során megszerzendő képességek

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

Elemi statisztika fizikusoknak

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Statisztika I. 10. előadás. Előadó: Dr. Ertsey Imre

Többváltozós lineáris regressziós modell feltételeinek

Eloszlás-független módszerek 13. elıadás ( lecke)

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Mintavételi eljárások

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Kabos: Statisztika II. ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás

A kockázat fogalma. A kockázat fogalma. Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András

Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével

Normális eloszlás paramétereire vonatkozó próbák

Hipotézisvizsgálat az Excel adatelemző eljárásaival. Dr. Nyéki Lajos 2018

Populációbecslések és monitoring

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

Biomatematika 2 Orvosi biometria

Vérnyomásmérés, elektrokardiográfia. A testhelyzet, a légzés, a munkavégzés hatása a keringési rendszerre. A mérési adatok elemzése és értékelése

A leíró statisztikák

K oz ep ert ek es variancia azonoss ag anak pr ob ai: t-pr oba, F -pr oba m arcius 21.

Populációbecslések és monitoring

Méréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ)

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Matematikai geodéziai számítások 6.

Biomatematika 2 Orvosi biometria

Dr. Nagy Zita Barbara igazgatóhelyettes KÖVET Egyesület a Fenntartható Gazdaságért november 15.

Elemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n

Átírás:

Szegedi Tudományegyetem ÁOK Állatkísérletek Elmélete és Gyakorlata- B szint Sebészeti Műtéttani Intézet 2017. december 06-december 15. Referencia szám: AA1.0/2015; AB1.0/2015 Function specific modules B 10/3 Kísérletek és projektek tervezése, kivitelezése. A kísérleti protokoll elkészítése. A kísérleti adatok feldolgozása, a statisztikai analízis alapjai. Dr. Kaszaki József SZTE Sebészeti Műtéttani Intézet 2017-2018-I. szemeszter

Gyakorlati és elméleti vizsga időpontok Kurzus Elméleti vizsga Gyakorlati vizsga Állatkísérletek az Orvostudományban November 29 Szabadon választható kurzus 17.00-18.00 Az állatkísérletek elmélete és gyakorlata A November 29 November 30 Dolgozók 14.30-15.30 16.30-17.00 Hallgatók December 06 November 30 17.00-18.00 16.30-17.00 Neptun - meghirdetett vizsga időpontok: December 12. 14.00- December 19. 14.00- Január 09. 14.00- Január 16. 14.00- Január 23. 14.00-

Ajánlott irodalom Azok számára, akik érdeklődnek a tudományos munka és annak fonákságai iránt http://web.med.u-szeged.hu/expsur.htm Dévényi Tibor Dr. Ezésez Géza karrierje, avagy Tudósok és Rágcsálók Pályakezdés Témaválasztás A Fõnök és típusai Nyelvtudás Irodalmazás A Generalkrach Cikkírás A tudományos vita Kongresszusi részvétel Az elõadás mûvészete A bizottság Memória Magánélet Az életmû és kritikája Az elismerés Arkhimédész második törvénye

Kísérletek tervezése, értékelése, adatok feldolgozása Az ötlettől a megvalósításig (vázlatosan): 1. Az irodalom áttekintése; 2. Kérdés feltevés és a kísérleti hipotézis megalkotása 3. A kísérlet megtervezése kísérleti állatok, modellek, módszerek, elrendezés, protokol, a kontroll és csoportok; 4. A kísérlet megvalósítása 5. A mérési adatok értékelése, statisztikai analízis 6. A konklúzió, válasz a feltett kérdésre, avagy a hipotézis igazolása

1. Az IRODALOM Mindenek előtt ismerd meg a téma hátterét, használd a nemzetközi adatbázisokat; Nemzetközi adatbázisok internetes elérése: PUBMED http://www.ncbi.nlm.nih.gov/entrez/query.fcgi GOOGLE http://scholar.google.hu ADOBE ACROBAT READER ismerete közlemények letöltése PDF file formátumban;

PUBMED 1.

PUBMED 2.

PUBMED 3.

PUBMED 4.

2. A KÉRDÉS FELTEVÉS és a HIPOTÉZIS megalkotása Az összegyűjtött ismeretanyag alapján megszületik a KÉRDÉS, amire kísérleti úton szeretnénk választ kapni. Ha a vizsgálandó jelenség feltételezett folyamatát vázoljuk, kísérleti hipotézist alkotunk. Az elméleti alapok adottak, a részletek külön-külön ismertek, DE a folyamat lépéseit és összefüggéseit a tervezett kísérletekkel lehet bizonyítani. Ha a kérdést jól tettük fel, hipotézisünk helytálló, a kísérleti tervezés és kivitelezés korrekt volt, akkor mérési eredményeink választ adhatnak a feltett kérdésre.

3. A KÍSÉRLET MEGTERVEZÉSE 1. A kísérleti MODELL 2. A kísérlet tárgya OBJECTUMA 3. MÓDSZEREK 4. A kísérleti ELRENDEZÉS (setup) 5. A KONTROLL és a kísérleti CSOPORTOK 6. A kísérleti PROTOKOL és kivitelezés

3.1. A kísérleti modellek fő típusai Kérdés, hogy sejt, szövet, szerv, szervrendszer, vagy az élőlény szintjén kívánunk-e vizsgálatokat végezni? In vitro Mesterséges közegben fenntartott sejt, vagy szövet kultúra vizsgálata üvegben Ex vivo Az élő szervezetből kiemelt, abból eltávolított (ex vivo) szövet, szerv, vagy szervrendszer életjelenségeinek vizsgálata, mesterséges közegben, amely összetétele, fizikai és kémiai paraméterei közel azonosak a testnedvek (pl. vér) tulajdonságaival. Pl. Langendorf szerint perfundált szív;

In vivo Éber vagy altatott élőlény életjelenségeinek, normális vagy kóros működésének megfigyelése és vizsgálata;

2. A kísérlet tárgya A/ Egy sejt B/ Sejt kultúra, egy szövet vagy szövet kultúra; C/ Egy szerv D/ Élő (éber vagy altatott) állat; D.1. Kis állat, rágcsáló modell: Genetikai specialitások: transzgenikus, knockout egerek molekuláris biológiai, celluláris szintű folyamatok külön farmakológiai kezelés nélkül vizsgálhatók; D/2. Nagy állat (sertés, kutya) modell: Humánhoz kompatibilitás

LÉTEZIK?

előnyei: Nagy számú genetikailag módosított egértörzs Jól tanulmányozható adaptációs folyamatok Tenyésztése könnyű, szaporodása gyors, reprodukciós ciklus rövid Tartási költsége alacsony Nagyobb esetszámú kísérlet végezhető egyszerre Miller et al., Cardiovascular Research, 1998 Ahnet al., AJP Heart Circ Physiol, 2003 Gomezet al., AJP Heart Circ Physiol, 2006 hátrányai: Méretéből adódóan műtéttechnikai nehézségek Speciális műszerezettség A kapott eredmények klinikai transzlációjának nehézségei Fokozott stressz érzékenység Thibault et al., AJP Heart Circ Physiol, 2007 Redelet al., ExpBiol Med, 2008 Gaoet al., CircRes, 2010

Sertés modell előnyei: Széleskörű instrumentáció lehetősége Sorozat mintavételezés (vér, szövet biopszia) Jelentős humán kompatibilitás hasonló anatómia és élettani paraméterek hátrányai: Nagy méret korlátozott számú paralel vizsgálat Hosszú tenyésztési idő hosszú reprodukciós ciklus Limitált genetikai specialitás Tartása egyszerű, de költsége magas

In vivo modellek Krónikus vizsgálatok - Időtartam: napok, hetek, hónapok; - Gyógyszerhatások hosszú távú vizsgálata; - Műtéti beavatkozás hosszú távú vizsgálata; - Kórfolyamat indukálása és nyomon követése; - Problémák: pl. tartósan beültetett eszközök, szenzorok Akut vizsgálatok - Időtartam: rövid távú (24 órán belül); - Eltérések az élettani állapottól; - Problémák: pl. anaesthesia hatása;

Az állati modellek alkalmazásának további szempontjai 1. SPECIES VÁLASZTÁS - Milyen állat legyen egér vagy malac? 2. A NEM szerepe Hím vagy nőnemű állatokon dolgozzunk? Ivari hormonok immunmodulátor hatásai (serkentő/gátló) 3. A KOR jelentősége, összefüggése a testsúllyal 4. TÁRSBETEGSÉGEK (ismert/ismeretlen betegségek) kísérletet módosító hatásai

2. A NEMI különbségek jelentősége stroke, endotoxin, ischaemia-reperfúzió PARP (poly ADP ribose polymerase) gátlás csak hímekben hatásos, nőstényekben, KO hímekben NEM mechanizmus: 17β-ösztradiol? női hormonok antioxidáns hatása?

3. A KOR jelentősége - a szepszis előfordulásában 120,000 30 Ca ases 100,000 80,000 60,000 40,000 20,000 0 Number of cases Incidence rate 0 <1 1 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85+ Age/Years 25 20 15 10 5 Incidence/1,000 0 Population Angus DC, at al. Crit Care Med 2001; 29:1303.

Kor és a testsúly Egér és ember kor megfeleltetés

4. A TÁRS-BETEGSÉGEK CO-MORBIDITÁS jelentősége Atheroszklerózis Diabétes Hipertónia Rákos folyamatok etc

1. SPECIES VÁLASZTÁS A TRANSZLÁCIÓ DILEMMÁJA Állatkísérletekből származó eredmények hasznosíthatósága a humán klinikai gyakorlatban

PRO: Az egér nem alkalmas humán betegségek modellezésére

KONTRA: De igen, mégis 26 Osuchowski-Shock-2014

LIMITÁCIÓK figyelembe vétele

Kísérleti állatok beszerzése: Egyetemi Állatház (megszünt) SZBK állatháza: GYTK, Gyógyszerhatástani Intézet: egér, patkány (Wistar) patkány (SPRD) Akkreditált tenyésztőhelyek: TOXICOOP Kft Budapest Charles River (Németország) Rágcsálók (egér, patkány, tengeri malac, nyúl), macska(?), kutya beszerzés; Sertés, vietnámi törpesertés, birka beszerzése őstermelőktől is lehetséges;

Kísérletek engedélyezése I. 2. előadás Állatkísérlet végzése, csakis kizárólag Állatkísérleti Etikai Engedély birtokában végezhető, amely: Megtervezett projektre adható; A kérelmezőnek kísérlet tervezésre jogosultsága van; A törvényben meghatározott állatfajokra adható, A kísérletben felhasznált állatok faja, fejlődési állapota (kora), mikrobiológiai státusza meghatározott; Ismertetnie kell a kísérletben alkalmazott módszereket; Ismertetni kell az alkalmazott érzéstelenítési, gyógyszeres és fájdalomcsillapítási eljárásokat; Meg kell adnia a kísérlet időtartamát;

Kísérletek engedélyezése II. 2. előadás Az Állatkísérleti Etikai Engedély kérelem: Tartalmazza a kísérleti állatok felhasználására vonatkozó helyettesítésre, finomításra és csökkentésre irányuló módszereket; Tartalmazza a felhasznált kísérleti állatok számának csökkentése érdekében alkalmazott kísérleti vagy statisztikai módszertani elemeket; Meg kell adni a tervezett mintaelemszámot kísérletenként, azon belül csoportonként; Bemutatja, hogy történik az állatok életének kioltása; Meg kell adnia a kísérlet javasolt súlyossági besorolását;

3.3. Kísérleti METODIKÁK Tágabb értelemben, vizsgáló módszereink a tudományterületek szerint csoportosíthatók: Morphológiai Biokemiai Fiziológiai Farmakológiai Genetikai etc.

Sebészi technikák: 3.3. METODIKÁK I. Alkalmazásuk célja, hogy sebészi úton feltárjuk, a megfigyelés számára láthatóvá tegyük a vizsgálandó területet (pl. hasüreg, mellkas); Légzés biztosítás (endotracheális tubus); Instrumentáció Artériás-vénás katéterek, Élettani paraméterek monitorozására szolgáló jelátalakító és továbbító eszközök, (transzducerek) beültetése; További (átalakító) sebészi technikák alkalmazása, pl. epevezeték lekötés;

3.3. METODIKÁK II. Életjelenségek vizsgáló módszerei Fiziológiai monitorozás: A fiziológiai paraméterek monitorozására érzékelő, jelátalakító, jeltovábbító eszközöket alkalmazunk, amelyeket megfelelő mérőműszerrel, illetve adatgyűjtő-jelanalizáló számítógéppel kapcsolunk össze. Az élettani jel monitorozás és analízis alapja, az adott változás (mechanikai, hő, kémiai.) analóg-digitális konverziója, elektromos jellé. detektálás analóg-digitális konverzió az elektromos jel erősítése, szűrése adat output (analog or digital) adat analízis/tárolás.

3.3. METODIKÁK III. Biológiai minták feldolgozása Biológiai minta lehet: vér, liquor, vizelet, szövet biopszia; A minta feldolgozása: azonnal (online); tárolás után (offline); A mintavétel módszere HŰTÉS jelentősége; A minta analízistől függően a hűtő közeg lehet: olvadó jég (0-4 C) vérminta esetében; szénsavhó (-70 C) metabolitok, enzimaktivitás mérés; folyékony nitrogén (-180 C) nagyon bomlékony metabolitok, pl. ATP meghatározás esetén Minta kezelés CENTRIFUGÁLÁS Vér (sejtes elemek elválasztása) Sejt alkotók max. 1000 g < 25 000 g

Vérmintákból: 3.3. METODIKÁK III. Biológiai minták feldolgozása Sejtes komponensek meghatározása (vvt, vérlemezke, leukocyta szám); Plazma összetevők, metabolitokat (vércukor, laktát, piruvát szintek, ion összetétel, stb.) Rheológiai paraméterek analízise: sűllyedés, hematokrit, viszkozitás; Vérgáz anlízis: (vér ph; pco2, po2, oxigén szaturáció; bikarbonát; bázis felesleg) Szövet biopsziákból: biokémiai mérések (enzim aktivitás) szövettani metszetek, immunhisztokémia;

3.4. A kísérleti ELRENDEZÉS A kísérleti elrendezés, a méréseket végző műszerek és alkalmazott módszerek összerendezett gyűjteménye. A sebészi instrumentáció sémája; A kísérleti állapot fenntartásához szükséges eszközök (altatógép, respirátor, infúziós pumpa) Az alkalmazott műszerek, mérőeszközök gyűjteménye és elrendezése; Az alkalmazott fiziológiai, biokémiai, szövettani, etc. módszerek összegzése;

Patkány mezenteriális keringés setup Trachea tubus Jugularis véna katéter és infúzió Artériás vérnyomás katéter Vérnyomás jelátalakító (transzducer) Rektális hőmérséklet mérés Transonic T206 Véráramlás mérő készülék és szenzor Adatgyűjtő Computer Véráramlás mérő szenzor az artéria mesenterica superior-on

Hemodinamikai monitorozás 1.

Hemodinamikai monitorozás 2.

40

3.5. A KONTROLL Mit tekintünk kontrollnak? Mit viszonyítunk mihez? A kontrollnak azt az állapotot kell tükröznie, amelyhez képest egy beavatkozás következtében fellépő változás mértéke meghatározható Kontroll érték (baseline) normál körülmények között, a tervezett beavatkozás előtt mért érték ön-kontrollos kísérlet Baseline. 0 60 90 150 240 min Hemorrhagic shock 60 min Resuscitation Az ön-kontroll nem mindig adekvált. Hosszabb időtartamú vizsgálatok esetében számos tényező (pl. altatás) befolyásolhat. Ezért beavatkozás nélküli, önálló kontroll csoportra van szükség ál-műtött (ál-kezelt) csoport.

3.5. A KONTROLL Az oldószer kontroll Beavatkozás nélküli, önálló kontroll csoport, ahol a vizsgálandó tesztanyag oldószerét, hordozóját kapja a kísérleti állat tesztanyag adásával (hely, idő) megegyező körülmények között (ál-kezelt csoport). A kontroll kontrollja: a naiv, vagy abszolút kontroll A beavatkozás nélküli, ál-műtött (ál-kezelt), DE instrumentált csoport kontrollja, leginkább biokémiai meghatározások (ATP) esetében.

3.5. A KONTROLL Ha egy kórállapotot befolyásoló farmakológiai kezelés hatékonyságát vizsgáljuk A kezelés hatását egy negatív és egy pozitív kontroll csoport adataihoz hasonlítjuk Negatív kontroll olyan állapot, amelyben a vizsgált paraméterek változása minimális nincs intervenció; Pozitív kontroll olyan állapot, amely során a vizsgált paraméterek maximális mértékű változását hozzuk létre maximal intervenció;

Pl. Kísérletes pleuritis hatását vizsgáljuk a thorakális leukocyta szám változására: Negatív kontroll = ál-műtét, kórállapot okozása nélkül (NINCS pleuritis); Pozitív kontroll: Kísérletesen indukált pleuritis (carrageenan injekció). Leukocytes/ml X 8000 6000 4000 # # 2000 0 Control Pleuritis Pleuritis Pleuritis +ASA +PE food

3.5. A kísérleti CSOPORTOK Kontroll típusok: Naiv/abszolút pozitív, negatív, ál-műtött; Előkezelt (pl. gyógyszeresen); Kezelt (a már indukált folyamat közben); Kísérleti beavatkozásnak (pl. sebészi) kitett; etc.

3.6. A kísérleti PROTOKOL A kísérlet periódusainak egymást szigorú időrendben követő sorozata, amely általában a kontroll, az intervenció és a megfigyelés periódusaiból áll. Szigorú, előre meghatározott időrendben elvégzett mérések, mintavételezések sorozata. Kontroll / baseline A kísérletes intervenció sebészi; pathofiziológiai; farmakológiai (előkezelés/ kezelés hatása) A megfigyelési periódus

3.6. A kísérleti PROTOKOL típusai Az alkalmazott kísérleti protokol típusa meghatározza a későbbiekben, a mért adatok statisztikai analízisének módszerét! Párhuzam a kísérleti protokol és az alkalmazható statisztikai próbák között

I/A 3.6. A kísérleti PROTOKOL típusai I. Before and After Két mérés ugyanazon az egyeden; Beavatkozás ELŐTT és UTÁNNA. A statisztika szempontjából egymástól függő mérések; I/B Két csoport összehasonlítása Csak egy-egy mérés/mintavétel mindkét vizsgált csoportban; A két csoport 1-1 (azonos) időpillanatbeli eltérésének összehasonlítása; Kontroll Kezelt csoportok esete; A statisztika szempontjából egymástól független mérések;

ml/perc/kg 200 180 160 I/A Két mérés ugyanazon az egyeden; a beavatkozás ELŐTT és UTÁNA Szívindex Átlag+SD Medián+25%,75% 140 120 100 80 60 Műtét 0 1 2 3 Idő (óra) Műtét 0 1 2 3 4 Idő (óra)

I/B Egy-egy mérés a mindkét vizsgálati csoportban, ugyanazon időpontban Kontroll Kezelt csoportok esete mu/mg protein/perc Miafrancáz Aktivitás 100 75 50 25 0 Kontroll csoport Kezelt csoport

3.6. A kísérleti PROTOKOL típusai II. Kettőnél több csoport összehasonlítása mu/mg protein/min 80 60 * X * X Sham I/R+Saline I/R+GEL I/R+HES 40 20 0 Ischemic limb Control limb * P<0.05 vs control limb Negatív kontroll (álműtött), Pozitív kontroll (I/R), Kezelt I. (I/R+GEL), Kezelt II. (I/R+HES) összehasonlítása; Statisztika szempontjából Független mérések (végtagonként!)

3.6. A kísérleti PROTOKOL típusai III. Ismételt (kettőnél több) mérések egy csoportban Kettőnél több mérést/mintavételt végzünk ugyanazon az egyeden, meghatározott időrend szerint. A vizsgált paraméter változását a kiindulási kontroll (baseline) értékhez hasonlítjuk; Baseline. 0 60 90 150 240 min Hemorrhagic shock 60 min Resuscitation Statisztika szempontjából Egymástól függő mérések

3.6. A kísérleti PROTOKOL típusai IV. Ismételt mérések kettőnél több csoportban 1. Vérzéses shock + zselatin (max. 50 ml/kg) (n=5) 0 60 90 150 240 perc MAP 45 Hgmm 60 perc Kontroll. 2. Vérzéses shock + hidroxietil-keményítő (max. 50 ml/kg) (n=5) 0 60 90 150 240 perc MAP 45 Hgmm 60 perc Kontroll 3. Vérzéses shock + dextrán (max. 50 ml/kg) (n=5) 0 60 90 150 240 perc MAP 45 Hgmm 60 perc Kontroll Statisztika szempontjából: Egymástól függő mérések csoporton belül; Egymástól független mérések csoportok között;

fmol/ml Plasma Endothelin 12 10 8 6 4 zselatin hidroxietil-keményítő (HEK) dextrán * * * * * * * # 2 0 Vérzéses shock Volumen resuscitatio 0 30 60 90 120 150 180 210 240 Idő (perc) * P<0.05 vs kontroll érték (0 perc) # P<0.05 vs HEK csoport

4. A kísérlet megvalósítása Tennivalók kísérlet közben I. Mit és mennyit MÉRJÜNK? A lehetőségekhez képest minél többféle paramétert, minél többször. A fölösleges adatokat később ki lehet szelektálni, DE a hiányzó adatokat csak újabb, költséges mérésekkel lehet pótolni. A JEGYZŐKÖNYV mit írjunk bele? MINDENT DE röviden, tömören, áttekinthetően és a lényeget Úgy írd meg, hogy 10 év múlva is érthető legyen számodra

4.Tennivalók kísérlet közben II. Mire figyeljünk kísérlet közben: Altatás: fenntartó dózisú anesztetikum adása, meghatározott időpontokban, vagy amikor szükséges; Ébredés jelei: pislogás, izom feszítés; szívfrekvencia emelkedés; Testhő: Rektális, vagy maghőmérséklet monitorozás; Bizonyos anesztetikumok, műtétek és kórállapotok befolyásolhatják a hőmérseklet regulációt; Fűtőpárna alkalmazása szükséges; Infúzió: A folyamatos, kontrollált folyadék pótlás rendkívül fontos az altatott és sebészi beavatkozáson átesett állatok esetében. Csak így kompenzálható a sebészi beavatkozás negatív hatása; Vérgáz: Jelzi a légzés és a homeosztázis zavarát, amelyet mesterséges lélegeztetéssel korrigálhatunk.

5. A mérési adatok kiértékelése, statisztikai analízis 1. A mért adatok konvertálása adatbázis kezelőbe (Excel) 2. Az adatbázis elkészítése; HIBA forrás: hiányos adatok 3. Ábra készítés; 4. Statisztikai analízis Van kis hazugság Van nagy hazugság és a STATISZTIKA

A statisztika If your experiment needs statistics,, you ought to have done a better experiment Lord Ernest Rutherford 1871-1937 Noble prize 1908

Statisztika - az ittas vezetésről Department of Health, USA, 2011 A recent study conducted by the Department Autóbalesetek of Health and the Department of Motor Vehicles oka indicates 23%-ban that 23% of traffic accidents are alcohol related. ittas vezetés A maradék This means that the remaining 77%-át víz, 77% are caused by idiots who drink bottled water, kóla energy ivó drinks, and crap like that. 3-szor annyi idióták okozzák Therefore, balestet beware of those who do not drink alcohol, they okoznak cause 3 a times as many accidents. józanok Óvakodj az antialkoholistáktól!

Statisztika - orvosok vs. fegyverek U.S. Dept of Health and Human Services, 2012 The number of physicians in the U.S. is 700.000 Accidental deaths caused by physicians per year are 120.000 Accidental deaths per physician is 0.171 The number of gun owners in the U.S. is 80.000.000 Courtesy of FBI, 2012 The number of accidental gun deaths per year, all age groups, is 1.500 The number of accidental deaths per gun owner is 0.0000188

Statisztika - orvosok vs. fegyverek Konklúzió: az orvosok 9.000-szer veszélyesebbek, mint a fegyvertulajdonosok! Tiltsuk be az orvoslást, mielőtt a helyzet kezelhetetlenné válik!

5. Statisztikai analízis Az adatok jellemzői: eloszlás, átlag v. medián, szórás; Konfidencia (megbízhatósági) intervallum: amely (általában) nagy valószínűséggel tartalmazza a becsült paraméter valódi értékét; Szignifikancia szint P érték: a statisztikai valószínűség értéke; Statisztikailag szignifikáns különbségről beszélünk, (P = <0.05), ha az átlag értékek különbsége a vizsgált csoportok között nagyobb, mint amit a véletlen idézhetne elő;

Normális eloszlás Gaus görbe Szórás azonosság Átlag ±SD Paraméteres statisztikai próbák -SD Átlag +SD

Nem normális eloszlás Torzult Gaus görbe Nincs szórás azonosság Medián (25%; 75%) Nem-Paraméteres statisztikai próbák 25% átlag Medián 75%

Az adatok eloszlása Eloszlás vizsgálat

Eloszlás vizsgálat módszere: A szórás azonosság vizsgálata, F próba Eloszlás vizsgálat eredménye: A/ Szórás azonosság fennáll: Paraméteres eloszlás (Gausz görbe) Paraméteres statisztikai próbák B/ Nincs szórás azonosság: Nem-paraméteres eloszlás (torz Gausz görbe) Nem-Paraméteres statisztikai próbák

A közép és a szóródás jellemzőinek párosítása Közép Szóródás Közlés cikkekben Átlag Medián Standard deviáció, Standard error Min, max 5%-os, 95%-os percentilis 25 %, 75% (Kvartilisek) Átlag (SD) Átlag ± SD Átlag ± SE Átlag ± SEM Med (min, max) Med (25.p,75.p)

SD vagy SE? 55.2 ± 15.7 (SD) 55.2±1.57 (SE, n=100) Probability Density Function y=normal(x;52.2;1.57) 1.0 0.26 0.24 0.22 0.8 0.20 0.18 0.16 0.6 0.14 0.12 0.10 0.4 0.08 0.06 0.04 0.2 0.02 0.00 20 40 60 80 0.0 23.8 86.6 52.2 55.34 Ebben az intervallumban van az adatok 95.44%-a Ebben az intervallumban van az igazi átlag 95%-os valószínűséggel

Standard deviáció vagy standard error?? Standard deviáció, SD: a minta szórása, a mintaadatok szóródása az átlag körül. Normális eloszlás esetén az átlag ±2SD-n belül van az adatok kb. 95%-a Standard error (SE=SD/ n): az átlag megbízhatósága, a mintaátlag szóródása az (ismeretlen) populáció átlag körül. Normális eloszlás esetén az átlag ± 2SE-n belül van az igazi átlag kb. 95%-os valószínűséggel. 1. Leíró statisztika

ml/perc/kg 200 180 Box-plot ADATOK ÁBRÁZOLÁSA Szívindex Pont-vonal Átlag+SD Medián+25%,75% 160 140 120 100 80 60 Műtét 0 1 2 3 Idő (óra) Műtét 0 1 2 3 4 Idő (óra)

Előnyei: Paraméteres statisztikai próbák Jól megalapozott, sarkos matematikára épül; Az átlag és a szórás ismerete elegendő a statisztikai próbák, elvégzéséhez, tehát nem a teljes adathalmazzal kell dolgozni; A paraméteres próbák erősebbek, ha a feltételek teljesülnek A próbák robusztusak- feltételeik kisebb megsértése esetén még érvényesek maradnak Hátrány : Ábrázolás esetén a feltüntetett szórás (± SD) általában nagyobb, mint a nem-paraméteres eloszlásnál használt 25-75 percentilis

Nem paraméteres próbák Akkor alkalmazzuk, ha A paraméteres próbák feltételei nem teljesülnek Nem tudjuk ellenőrizni (kis elemszám) Nem akarjuk ellenőrizni Ordinális változók (mennyire örülök a tavasznak??? Kicsitközepesen-nagyon) Score, szövettani pont értékek NEM HASZNÁLHATOK ÁTLAGOT ÉS SZÓRÁST!! A fiziológiai paraméterek gyakrabban mutatnak nem normális eloszlást;

Nem paraméteres statisztikai próbák Rangszámok készítése 1 2 4 1 Sorba állítjuk az adatokat: 1 1 2 4 A legkisebb kapja az 1-es rangszámot, a legnagyobb az n-et: 1 2 3 4 Korrekció (kapcsolt rangok): az egyenlő elemek rangszámait korrigáljuk a megfelelő rangok átlagával: 1.5 1.5 3 4

A próbastatisztika általában valamilyen rangszám összeg Önkontrollos kísérlet: a különbségeket rangsoroljuk előjeltől függetlenül (a 0-kat kihagyjuk), majd az egyenlő előjelűeket összeadjuk Független minták: a minták adatait egyesítjük, így készítjük el a rangsort, majd összeadjuk külön az egyik, külön a másik mintához tartozó rangszámokat. Ha igaz a null-hipotézis, a rangszám összegek kb. megegyeznek

A hipotézisvizsgálat menete Hipotézisek felállítása Null-hipotézis: semmi nem történt Alternatív hipotézis: valami változás van A döntés megbízhatósága (vagy a hiba) rögzítése: α=0.05 Döntési szabály felállítása (függ: a kísérleti elrendezéstől, α-tól, az elemszámtól) Döntés A null-hipotézist elfogadjuk (nincs szignifikáns különbség α szinten, nincs elegendő információ a különbség (hatás) kimutatására) A null-hipotézist elvetjük, a különbség szignifikáns α (%) szinten. A tapasztalt különbség nem csupán a véletlen műve, valami más hatás (kezelés??) is közbejátszott.

Hipotézis vizsgálat (más szemszögből) Null-hipotézis: A és B kezelés között nincs különbség A vádlott mindaddig ártatlan, amíg az ellenkezője bizonyítást nem nyer Alternatív hipotézis: A és B kezelés között van különbség A vád igaz

Az ítélkezés A statisztika hibái p : ( probability, valószínűség) Elsőfajú (α)-hiba: Bűnösnek ítéljük az ártatlant 5-1%-ban szokás korlátozni (p<0.05; p<0.01) Másodfajú (β)-hiba Ártatlannak ítéljük az bűnöst (~10-20%) (Nem fogadjuk el a Null-hipotézis, vagy az alternatív hipotézis vizsgálat eredményét) Erő (Power of the study) 1-β= 80-90% Annak esélye (%): Ártatlannak ítéljük az ártatlant, Ha megfelelő az erő-analízis (mintaméret meghatározás)

A próba ereje A második fajta hiba valószínűsége helyett inkább (1 β)-t, a próba erejét szokták megadni. A próba ereje azt méri, hogy a próba milyen jó abban az esetben, ha elvetjük a hamis null hipotézist. Minél erősebb a próba, (minél közelebb van értéke 1-hez), annál nagyobb valószínűséggel veti el a hamis null hipotézist. Másképpen: a próba ereje annak valószínűsége, hogy egy különbséget adott mintanagyság és szignifikancia-szint mellett egy statisztikai próba kimutat. A vizsgálatok tervezésének gyakorlatában az erő nagyságának előre megszabott értékéből kiindulva határozzák meg a szükséges mintaelemszámot.

Az elemszámbecslést meghatározó (befolyásoló) tényezők A kutatás célja (becslés, hipotézis vagy ekvivalencia) A fő hatásmutató (outcome): kategórikus v. folytonos, egy vagy több, elsődleges, másodlagos.. és a hatásmutató eloszlásának - korábbi vizsgálatokon alapuló becslése I. fajta hiba valószínűsége,α A próba ereje (1-β) (1-II. fajta hiba valószínűsége) a választott értékelési módszer a klinikailag jelentősnek ítélt hatás A feltételek rögzítése után a mintaelemszámot a választott statisztikai próbának megfelelő módszerrel számítják ki

Szignifikancia Szignifikáns a különbség ha azt mondjuk, hogy van hatás, az esetleges hiba nagysága kicsi (maximum α). Ez az ún. első fajta hiba. Nem szignifikáns a különbség ilyenkor csak annyit tudunk mondani, hogy nincs elegendő információ a különbség kimutatására. Lehet, hogy Valóban nincs is különbség Van különbség, csak kevés volt az elemszám Az adatok hiányosak Nagy volt a szórás Rossz volt a vizsgálati módszer A statisztikai szignifikanciát mindig át kell gondolni, vajon biológiai szempontból jelentős-e (előfordul, hogy túl sok elemszám esetén nagyon kis különbségek is szignifikánsak staisztikailag)

A kísérleti protokol típusai: I/A Before and After I/B Két csoport összehasonlítása: II. Több csoport összehasonlítása: Statisztikai próbák: Normális eloszlásra Paired t-test Unpaired t-test Egy szempontos variancia analízis III. Ismételt mérések, csoporton belüli összehasonlítása IV. Ismételt mérések, csoporton belüli, csoportok közötti összehasonlítása Egy szempontos variancia analízis Két szempontos variancia analízis

Folytonos eloszlás 2 minta (mérés) esetén Normális eloszlás Paraméteres próbák Nem Normális eloszlás Nem Paraméteres próbák Független Függő Önkontroll Független Függő Önkontroll Kétmintás t-próba Unpaired t-test Egymintás t-próba Paired t-test Mann-Whitney teszt Kétmintás próba Wilcoxon teszt Egymintás próba Két beteg csoporton 1-1 mérés Egy beteg csoporton 2 mérés Két beteg csoporton 1-1 mérés Egy beteg csoporton 2 mérés

Normális eloszlás Paraméteres próbák Folytonos eloszlás Kettőnél több minta (mérés) esetén Nem Normális eloszlás Nem Paraméteres próbák Független Függő Független Függő Kettőnél több Csoport össze- Hasonlítása Egy v. több szempontos Variancia analízis Önkontroll + Ismételt mérések Variancia analízis Kettőnél több Csoport össze- Hasonlítása Kruskal-Wallis próba Önkontroll + Ismételt mérések Friedmann próba Az adatok szignifikanciája esetén: Páronkénti összehasonlítás: Dunnett, LSD, Tukey, Scheffé Az adatok szignifikanciája esetén: Páronkénti összehasonlítás: Dunn; Dunnett; 3 v. több beteg csoporton 1-1 mérés Egy beteg csoporton 3, v. több ismételt mérés 3 v. több beteg csoporton 1-1 mérés Egy beteg csoporton 3, v. több ismételt mérés

6. KONKLÚZIÓ A konklúzió, válasz a feltett kérdésre, avagy a hipotézis igazolása Mérési eredmények hipotézis igazolása??? We have been always confused yet, but much higher level

Konklúzió II. Világos eredmények: Egyértelmű válasz a kérdésre Zavaros eredmények: NINCS válasz a kérdésre Valaki éppen előttünk publikálta az eredményünket

Köszönöm a figyelmet

Témaválasztás Igen ám, de ennek rengeteg buktatója van. Nézzünk meg egy viszonylag egyszerű példát. A képzeletbeli tudós könyvei között elmerül gondolataiban, és egyszer csak szinte olthatatlan vágyat és érdeklődést érez az iránt, hogy tanulmányozza a madarak látóidegének molekuláris működését. Reálisan gondolkodik, rögtön a vizsgálati objektumra gondol és belátja, hogy a legcélszerűbb olyan madáron kísérletezni, amihez viszonylag könnyen tud nagy mennyiségben is hozzájutni. Baromfi! Nagyüzemileg nevelik, nem lehet probléma egy-két kiló szemet beszerezni a kezdeti munkához. Kiadja az anyagbeszerzésnek a diszpozíciót, s azalatt az egy- két nap alatt, míg a szemeket megkapja, vázolja a teendőket: 1. Szükséges vegyszerek beszerzése. 2. Szükséges műszerek beszerzése. 3. Új módszer beállításához szükséges irodalom összeállítása 4. Munkatársak meggyőzése. 5. Részfeladatok kiosztása. Lefekvéskor izgatott remegést érez minden este. Egyre világosabban érzi, hogy milyen apró ösvényen indulhat el a munkában. S egyre türelmetlenebbül várja a nyersanyagot. Az egy-két napból egy-két hét lesz, a napok egyre lassabban múlnak, míg végül is a beszerző diadalmasan hoz egy kétes tisztaságú staniclit. Benne közel két kiló tyúkszem; a Széchenyifürdő pedikűrosztályáról.