Chance, kap 10Ludvigsson (från Fletcher)

2 sätt att tackla slumpen

• hypotes-testning: p-värde

• estimation: uppskatta det sanna värdet

Falskt-positivaFalskt-negativa (resultat)

Sann skillnad

Ja Nej

Slutsats på basen av stat. test

signifik. korrekt typ 1 fel (alfa)

icke-sign. typ 2 fel (beta)

korrekt

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

Reject Fail to reject

Olika statistiska test

Obser

ved

Expe

cted

Chi-2:summan av observerade/

förväntade 2

Chi-2-test

• X2 = summa (observerade - förväntade)2

• Förväntade

60 7 6242 6 4897 13 110

55* 7 62

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

Punktestimatkonfidensintervall

• 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 trial3 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. ArtisStora antal patienter...

Mutlipla jämförelserfyra 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”?