kap10 chance
DESCRIPTION
kap 10 fletcher chance slump hypotes estimation p-värde p-valueTRANSCRIPT
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”?