Statisztikai alapfogalmak a klinikai kutatásban. Molnár Zsolt PTE, AITI

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

[Biomatematika 2] Orvosi biometria

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

Hipotézis vizsgálatok

Bevezetés a hipotézisvizsgálatokba

Matematikai statisztika c. tárgy oktatásának célja és tematikája

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

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

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

Hipotézis vizsgálatok

Biostatisztika VIII. Mátyus László. 19 October

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

Ezt kutattuk 2010-ben. Kocsi Szilvia SZTE AITI

Biomatematika 2 Orvosi biometria

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

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

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

Több valószínűségi változó együttes eloszlása, korreláció

Ribarics Ildikó PTE Klinikai Központ Ápolásszakmai Igazgatóság

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

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

[Biomatematika 2] Orvosi biometria

Adatok statisztikai értékelésének főbb lehetőségei

Leíró statisztika. Adatok beolvasása az R-be és ezek mentése

Feladatok: pontdiagram és dobozdiagram. Hogyan csináltuk?

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

Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév

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

Normális eloszlás paramétereire vonatkozó próbák

Biomatematika 13. Varianciaanaĺızis (ANOVA)

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

A leíró statisztikák

y ij = µ + α i + e ij

Biostatisztika Összefoglalás

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

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

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

A valószínűségszámítás elemei

Nem-paraméteres (eloszlásmentes) statisztikai módszerek Makara Gábor

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

Korreláció és lineáris regresszió

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

Kutatásmódszertan és prezentációkészítés

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Kettőnél több csoport vizsgálata. Makara B. Gábor

A prokalcitonin prognosztikai értéke

Segítség az outputok értelmezéséhez

Többváltozós lineáris regressziós modell feltételeinek

Statisztika Elıadások letölthetık a címrıl

Elemi statisztika fizikusoknak

Normális eloszlás tesztje

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Kísérlettervezés alapfogalmak

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

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

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

13. Túlélési analízis. SURVIVAL ANALYSIS Nyári Tibor Ph.D., Boda Krisztina Ph.D.

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

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

LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála

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

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.

Adatok statisztikai feldolgozása

A Statisztika alapjai

Statisztika. Politológus képzés. Daróczi Gergely április 17. Politológia Tanszék

Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef.

STATISZTIKAI ALAPOK. Statisztikai alapok_eloszlások_becslések 1

Biostatisztika Összefoglalás

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

p-érték, hipotézistesztelés, és ellentmondásaik

Kutatásmódszertan és prezentációkészítés

Statisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában

Biomatematikai Tanszék

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

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

földtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás

STATISZTIKAI ALAPOK. Statisztikai alapok_eloszlások_becslések 1

ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!

A biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis

Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével

"Surviving Sepsis Campaign" irányelv: reszuszcitációs protokollok NEM kellenek

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

[Biomatematika 2] Orvosi biometria

Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

Kísérlettervezés alapfogalmak

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

nem kezelt 1.29, 1.60, 2.27, 1.31, 1.81, 2.21 kezelt 0.96, 1.14, 1.59

Biomatematika 2 Orvosi biometria

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

GRADUÁLIS BIOSTATISZTIKAI KURZUS február hó 22. Dr. Dinya Elek egyetemi docens

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

Átírás:

Statisztikai alapfogalmak a klinikai kutatásban Molnár Zsolt PTE, AITI

Bevezetés Research vs. Science Kutatás Tudomány Szerkezeti háttér hiánya Önkéntesek (lelkes kisebbség) Beosztottak (parancsot teljesítő többség)

Audit Az orvosi tevékenység: beavatkozások ráfordítás kimenetel beteg életminőségének szervezett, kritikai elemzése Secretaries of State of Health 1989

Audit és kutatás Audit Kutatás Kérdés Felelet McKee et al, 1994

Kutatás és audit Kutatás - Melyik a legjobb kezelés? Audit - Megkapta-e? McKee et al, 1994

Alapvető fogalmak

A tanulmányok típusai Study vs Trial Keresztmetszeti: kérdőív Retrospektív: múltban Prospektív: jövőben Leíró Kontrollált, randomizált Eset-kontroll (Case control): betegek-iskolások Csoport (Cohort): bányászat-tüdőrák

A statisztikai teszt Ha egy kísérletnek statisztikára van szüksége, akkor jobban kellett volna a kísérletet elvégezni Lord Rutherford

Hipotézis vizsgálat 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 ítélet p : ( probability, valószínűség) Elsőfajú ( )-hiba: Bűnösnek ítéljük az ártatlant 5-1%-ban szokás korlátozni (p<0.05; p<0.01) Másodfajú ( )-hiba Ártatlannak ítéljük az bűnöst (~10-20%) Erő (Power of the study) 1- β = 80-90% Annak esélye (%): Ártatlannak ítéljük az ártatlant

Mintaméret meghatározás Vizsgálandó beavatkozás hatása 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 55% 60% 65% 70% 75% 80% 85% 90% 95% 100% 0% 5% 435 138 73 46 10% 435 687 198 97 59 40 29 22 17 15% 138 687 909 249 119 70 46 33 24 19 20% 73 198 909 1098 292 136 79 52 36 26 20 25% 46 97 249 1098 1256 328 150 86 55 38 28 20 30% 59 119 292 1256 1383 256 161 91 58 40 28 21 35% 40 70 136 328 1383 1477 375 168 94 59 40 28 20 40% 29 46 79 150 356 1477 1541 387 171 95 59 40 28 20 45% 22 33 52 86 161 375 1541 1572 391 171 94 58 38 26 19 50% 17 24 36 55 91 168 387 1572 1572 387 168 91 55 36 24 17 55% 19 26 38 58 94 171 391 1572 1541 375 161 86 52 33 22 60% 20 28 40 59 95 171 387 1541 1477 356 150 79 46 29 65% 20 28 40 59 94 168 375 1477 1383 328 136 70 40 70% 21 28 40 58 91 161 356 1383 1256 292 119 59 75% 20 28 38 55 86 150 328 1256 1098 249 97 46 80% 20 26 36 52 79 136 292 1098 909 198 73 85% 19 24 33 46 70 119 249 909 687 138 90% 17 22 29 40 59 97 198 687 435 95% 46 73 138 435 A szükséges betegszám csoportonként, hogy a tanulmánynak 80%-os ereje legyen, és 2 -próbával a p<0,05 Molnar Zs. Aneszt Intenzív Ter 2000; S2: 5-14

Mintaméret meghatározás Vizsgálandó beavatkozás hatása 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 55% 60% 65% 70% 75% 80% 85% 90% 95% 100% 0% 5% 435 138 73 46 10% 435 687 198 97 59 40 29 22 17 15% 138 687 909 249 119 70 46 33 24 19 20% 73 198 909 1098 292 136 79 52 36 26 20 25% 46 97 249 1098 1256 328 150 86 55 38 28 20 30% 59 119 292 1256 1383 256 161 91 58 40 28 21 35% 40 70 136 328 1383 1477 375 168 94 59 40 28 20 40% 29 46 79 150 356 1477 1541 387 171 95 59 40 28 20 45% 22 33 52 86 161 375 1541 1572 391 171 94 58 38 26 19 50% 17 24 36 55 91 168 387 1572 1572 387 168 91 55 36 24 17 55% 19 26 38 58 94 171 391 1572 1541 375 161 86 52 33 22 60% 20 28 40 59 95 171 387 1541 1477 356 150 79 46 29 65% 20 28 40 59 94 168 375 1477 1383 328 136 70 40 70% 21 28 40 58 91 161 356 1383 1256 292 119 59 75% 20 28 38 55 86 150 328 1256 1098 249 97 46 80% 20 26 36 52 79 136 292 1098 909 198 73 85% 19 24 33 46 70 119 249 909 687 138 90% 17 22 29 40 59 97 198 687 435 95% 46 73 138 435 A szükséges betegszám csoportonként, hogy a tanulmánynak 80%-os ereje legyen, és 2 -próbával a p<0,05 Molnar Zs. Aneszt Intenzív Ter 2000; S2: 5-14

Mintaméret meghatározás Vizsgálandó beavatkozás hatása 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 55% 60% 65% 70% 75% 80% 85% 90% 95% 100% 0% 5% 435 138 73 46 10% 435 687 198 97 59 40 29 22 17 15% 138 687 909 249 119 70 46 33 24 19 20% 73 198 909 1098 292 136 79 52 36 26 20 25% 46 97 249 1098 1256 328 150 86 55 38 28 20 30% 59 119 292 1256 1383 256 161 91 58 40 28 21 35% 40 70 136 328 1383 1477 375 168 94 59 40 28 20 40% 29 46 79 150 356 1477 1541 387 171 95 59 40 28 20 45% 22 33 52 86 161 375 1541 1572 391 171 94 58 38 26 19 50% 17 24 36 55 91 168 387 1572 1572 387 168 91 55 36 24 17 55% 19 26 38 58 94 171 391 1572 1541 375 161 86 52 33 22 60% 20 28 40 59 95 171 387 1541 1477 356 150 79 46 29 65% 20 28 40 59 94 168 375 1477 1383 328 136 70 40 70% 21 28 40 58 91 161 356 1383 1256 292 119 59 75% 20 28 38 55 86 150 328 1256 1098 249 97 46 80% 20 26 36 52 79 136 292 1098 909 198 73 85% 19 24 33 46 70 119 249 909 687 138 90% 17 22 29 40 59 97 198 687 435 95% 46 73 138 435 A szükséges betegszám csoportonként, hogy a tanulmánynak 80%-os ereje legyen, és 2 -próbával a p<0,05 Molnar Zs. Aneszt Intenzív Ter 2000; S2: 5-14

Mintaméret meghatározás Vizsgálandó beavatkozás hatása 0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 55% 60% 65% 70% 75% 80% 85% 90% 95% 100% 0% 5% 435 138 73 46 10% 435 687 198 97 59 40 29 22 17 15% 138 687 909 249 119 70 46 33 24 19 20% 73 198 909 1098 292 136 79 52 36 26 20 25% 46 97 249 1098 1256 328 150 86 55 38 28 20 30% 59 119 292 1256 1383 256 161 91 58 40 28 21 35% 40 70 136 328 1383 1477 375 168 94 59 40 28 20 40% 29 46 79 150 356 1477 1541 387 171 95 59 40 28 20 45% 22 33 52 86 161 375 1541 1572 391 171 94 58 38 26 19 50% 17 24 36 55 91 168 387 1572 1572 387 168 91 55 36 24 17 55% 19 26 38 58 94 171 391 1572 1541 375 161 86 52 33 22 60% 20 28 40 59 95 171 387 1541 1477 356 150 79 46 29 65% 20 28 40 59 94 168 375 1477 1383 328 136 70 40 70% 21 28 40 58 91 161 356 1383 1256 292 119 59 75% 20 28 38 55 86 150 328 1256 1098 249 97 46 80% 20 26 36 52 79 136 292 1098 909 198 73 85% 19 24 33 46 70 119 249 909 687 138 90% 17 22 29 40 59 97 198 687 435 95% 46 73 138 435 A szükséges betegszám csoportonként, hogy a tanulmánynak 80%-os ereje legyen, és 2 -próbával a p<0,05 Molnar Zs. Aneszt Intenzív Ter 2000; S2: 5-14

Mintaméret: Standardizált különbség Standardizált különbség = klinikailag fontos/sd Standard deviáció Az audit adatai alapján PaO 2 /FiO 2 = 182 ± 54 Hgmm Klinikailag lényeges különbség Mekkora különbséget akarunk észlelni? 20% a PaO 2 /FiO 2 arányban = 36 Hgmm Standardizált különbség = 54/36 = 0.66

(35/54=0.66) Mintaméret meghatározás 0.0 0.3 N=teljes mintaméret 0.90 0.80 0.6 0.9 p=0.05 0.25 p=0.01 0.15 1.2 0.05 A szükséges betegszám 60 (30-30), hogy a tanulmánynak 80%-os ereje legyen, Student-t próbával p<0.05 Molnar Zs. Aneszt Intenzív Ter 2000; S2: 5-14

További feltételek Alapmérések A kezelés Kritériumok Randomizáció Vak észlelés Nyilatkozat B kezelés

Borítékos blokk randomizáció 5db A betű + 5db B betű Borítékok: 1-10 1 B A A B B A A B B A Sorsolás a borítékokba

Az adat és adatelemzés

A változó Kvalitatív (nem, bőrszín) Kvantitatív (kor, vérnyomás): Folytonos (testmagasság) Diszkrét (fogak száma)

Adateloszlás Eloszlás: Normális (szimmetrikus, Gaus-görbe) Nem-normális (elnyújtott) Adatok centruma: Átlag: adatsor számtani átlaga Középérték: az adateloszlás kellős közepe

Adateloszlás A B M, Á M Á A : normális eloszlás; B : nem-normális eloszlás; M: medián; Á: átlag

Adatösszesítés - centrum Átlag vagy középérték(medián)? Átlag (18,20,22,23,24,24,25,26,28,30)= Medián (18,20,22,23,24,24,25,26,28,30)=

Adatösszesítés - centrum Átlag vagy középérték(medián)? Átlag (18,20,22,23,24,24,25,26,28,30)=240/10= 24 Medián (18,20,22,23,24,24,25,26,28,30)= 48/2= 24 Átlag (18,20,22,23,24,24, 25,26,52,96)= 33 Medián (18,20,22,23,24,24, 25,26,52,96)= 24

Adatösszesítés - szóródás Centrum: Átlag vagy középérték Szóródás: Tartomány: minimum - maximum Interkvartilis tartomány (25% - 75%) Standard deviáció

m m o l /l Példa CRP level changes in the first 72 postoperative hours 400 300 * p<0.001 200 100 0 0h 24h 48h 72h Data are presented as boxplot. For statistical analysis Wilcoxon rank sum test was used.

Adatösszesítés - szóródás Betegeink szérum PCT-szintje (átlag SD) 1,24 5,56 ng/ml volt. Átlag egy SD = -4,32-től 6,80 ng/ml Nem-normális eloszlás Összesítés helytelen A szerző hiteltelen

Statisztikai tesztek: melyiket? Normális: parametrikus tesztek t-próbák 2 -próba, stb. Nem-normális: nem-parametrikus Mann-Whitney Wilcoxon, stb. p<0.05=siker!!!! (??)

Becslés vs. hipotézisvizsgálat Mekkora a hatás? vs Van-e hatás? p<0.05 helyett p=0.04 NS helyett p=0.06 v. p=0.23 Confidence interval CI Paraméter helyének lehetséges értékei Mennyire bízhatunk benne (pl: 95%)

Biostatisztikai ismeretekkel Saját munkánk kritikus értékelése Egységes nyelv Klinikai tanulmányok végzése Közlemények értékelése Betegek haszna

A klinikai kutatás Fele játék fele gyötrelem Romhányi György