Bet kurioje mokslinėje ir praktinėje eksperimento (apklausos) situacijoje tyrėjai gali tirti ne visus žmones (bendrąją populiaciją, populiaciją), o tik tam tikrą imtį. Pavyzdžiui, net jei tiriame palyginti nedidelę žmonių grupę, pavyzdžiui, sergančius tam tikra liga, vis tiek mažai tikėtina, kad turėsime atitinkamų išteklių ar poreikio ištirti kiekvieną pacientą. Vietoj to, įprasta tirti pavyzdį iš populiacijos, nes tai patogiau ir atima mažiau laiko. Jei taip, kaip žinoti, kad iš imties gauti rezultatai reprezentuoja visą grupę? Arba, naudojant profesionalią terminiją, galime būti tikri, kad mūsų tyrimas teisingai apibūdina visą gyventojų, mūsų naudojamas pavyzdys?

Norint atsakyti į šį klausimą, būtina nustatyti tyrimo rezultatų statistinį reikšmingumą. Statistinis reikšmingumas ( Reikšmingas lygis, sutrumpintai sign.), arba /7 reikšmingumo lygis (p lygis) - yra tikimybė, kad duotas rezultatas teisingai atspindi populiaciją, iš kurios buvo paimta tyrimo imtis. Atkreipkite dėmesį, kad tai tik tikimybė- Neįmanoma visiškai užtikrintai pasakyti, kad duotas tyrimas teisingai apibūdina visą populiaciją. Geriausiu atveju reikšmingumo lygis gali tik daryti išvadą, kad tai labai tikėtina. Taigi neišvengiamai kyla kitas klausimas: koks turi būti reikšmingumo lygis, kad duotas rezultatas būtų laikomas teisingu populiacijos apibūdinimu?

Pavyzdžiui, su kokia tikimybės verte esate pasirengęs pasakyti, kad tokių galimybių pakanka rizikuoti? Ką daryti, jei tikimybė yra 10 iš 100 arba 50 iš 100? O jeigu ši tikimybė didesnė? Ką apie šansus, pvz., 90 iš 100, 95 iš 100 arba 98 iš 100? Situacijai, susijusiai su rizika, toks pasirinkimas yra gana problemiškas, nes tai priklauso nuo asmeninių žmogaus savybių.

Psichologijoje tradiciškai manoma, kad 95 ar daugiau tikimybė iš 100 reiškia, kad rezultatų teisingumo tikimybė yra pakankamai didelė, kad juos būtų galima apibendrinti visai populiacijai. Šis skaičius buvo nustatytas mokslinės ir praktinės veiklos procese - nėra įstatymo, pagal kurį jis turėtų būti pasirinktas kaip orientyras (ir iš tikrųjų kituose moksluose kartais pasirenkamos kitos reikšmingumo lygio vertybės).

Psichologijoje ši tikimybė valdoma kiek neįprastai. Vietoj tikimybės, kad imtis atspindi visumą, tikimybė, kad imtis neatstovauja gyventojų. Kitaip tariant, tai yra tikimybė, kad pastebėtas ryšys ar skirtumai yra atsitiktiniai, o ne populiacijos savybė. Taigi, užuot sakę, kad yra 95 iš 100 tikimybė, kad tyrimo rezultatai yra teisingi, psichologai teigia, kad tikimybė, kad rezultatai yra neteisingi, yra 5 iš 100 (kaip 40 iš 100, reiškia, kad rezultatai yra teisingi). 60 iš 100 dėl jų neteisingumo). Tikimybės reikšmė kartais išreiškiama procentais, bet dažniau rašoma dešimtaine trupmena. Pavyzdžiui, 10 galimybių iš 100 išreiškiamos dešimtaine trupmena 0,1; 5 iš 100 parašyta kaip 0,05; 1 iš 100 – 0,01. Naudojant šią įrašymo formą, ribinė vertė yra 0,05. Kad rezultatas būtų laikomas teisingu, jo reikšmingumo lygis turi būti žemiaušis skaičius (atminkite, kad tai yra tikimybė, kad rezultatas negerai apibūdina populiaciją). Kad terminija išeitų iš kelio, pridurkime, kad „tikimybė, kad rezultatas bus neteisingas“ (kuris teisingiau vadinamas reikšmingumo lygis) dažniausiai žymimas lotyniška raide r. Eksperimentinių rezultatų aprašymuose paprastai yra apibendrintas teiginys, pavyzdžiui, „rezultatai buvo reikšmingi pasitikėjimo lygiu“. (p p) mažiau nei 0,05 (t. y. mažiau nei 5 %).

Taigi reikšmingumo lygis ( r) rodo tikimybę, kad rezultatai Ne atstovauti gyventojams. Tradiciškai psichologijoje manoma, kad rezultatai patikimai atspindi bendrą vaizdą, jei vertė r mažiau nei 0,05 (t. y. 5 proc.). Tačiau tai tik tikimybinis teiginys ir visai ne besąlyginė garantija. Kai kuriais atvejais ši išvada gali būti neteisinga. Tiesą sakant, galime apskaičiuoti, kaip dažnai tai gali nutikti, jei pažvelgsime į reikšmingumo lygio dydį. Kai reikšmingumo lygis yra 0,05, 5 iš 100 kartų rezultatai gali būti neteisingi. 11a iš pirmo žvilgsnio atrodo, kad tai nėra labai dažnas atvejis, bet jei gerai pagalvoji, tai 5 šansai iš 100 yra tokie patys kaip 1 iš 20. Kitaip tariant, kas 20 atvejų, rezultatas bus toks. neteisinga. Tokie šansai neatrodo itin palankūs, todėl tyrėjai turėtų saugotis įsipareigojimų pirmo tipo klaidos. Taip vadinama klaida, kuri įvyksta, kai mokslininkai mano, kad rado realių rezultatų, bet iš tikrųjų jų nėra. Priešinga klaida, kai mokslininkai mano, kad jie nerado rezultato, bet iš tikrųjų jo yra, vadinama antrojo tipo klaidos.

Šios klaidos atsiranda dėl to, kad negalima atmesti galimybės, kad atlikta statistinė analizė. Klaidos tikimybė priklauso nuo rezultatų statistinio reikšmingumo lygio. Jau pažymėjome, kad norint, kad rezultatas būtų laikomas teisingu, reikšmingumo lygis turi būti mažesnis nei 0,05. Žinoma, kai kurie rezultatai yra žemesnio lygio, todėl neretai galima rasti net 0,001 (0,001 reikšmė rodo, kad rezultatų tikimybė yra 1 iš 1000). Kuo mažesnė p reikšmė, tuo labiau pasitikime rezultatų teisingumu.

Lentelėje 7.2 parodytas tradicinis reikšmingumo lygių aiškinimas apie statistinės išvados galimybę ir sprendimo dėl ryšio (skirtumų) buvimo pagrindimas.

7.2 lentelė

Psichologijoje naudojamas tradicinis reikšmingumo lygių aiškinimas

Remiantis praktinių tyrimų patirtimi, rekomenduojama: siekiant kuo labiau išvengti pirmojo ir antrojo tipo klaidų, darant svarbias išvadas, reikia priimti sprendimus dėl skirtumų (ryšių) buvimo, orientuojantis į lygį. r n ženklas.

Statistinis testas(Statistinis testas – tai statistinio reikšmingumo lygio nustatymo įrankis. Tai yra lemiama taisyklė, užtikrinanti, kad tikra hipotezė bus priimta, o klaidinga – atmesta su didele tikimybe.

Statistiniai kriterijai taip pat žymi tam tikro skaičiaus apskaičiavimo būdą ir patį skaičių. Visi kriterijai naudojami siekiant vieno pagrindinio tikslo: nustatyti reikšmingumo lygis jų analizuojami duomenys (t. y. tikimybė, kad duomenys atspindi tikrąjį poveikį, kuris teisingai atspindi populiaciją, iš kurios paimta imtis).

Kai kurie testai gali būti naudojami tik normaliai paskirstytiems duomenims (ir jei požymis matuojamas intervalų skalėje) – šie testai dažniausiai vadinami parametrinis. Naudodamiesi kitais kriterijais, galite analizuoti duomenis beveik bet kokiu platinimo dėsniu – jie vadinami neparametrinis.

Parametriniai kriterijai – tai kriterijai, kurie į skaičiavimo formulę įtraukia skirstinio parametrus, t.y. vidurkiai ir dispersijos (studento t testas, Fišerio F testas ir kt.).

Neparametriniai kriterijai – tai kriterijai, kurie neįtraukia pasiskirstymo parametrų į pasiskirstymo parametrų apskaičiavimo formulę ir yra pagrįsti veikimu su dažniais arba rangais (kriterijus K Rosenbaumo kriterijus U Manna – Vitnė

Pavyzdžiui, sakydami, kad skirtumų reikšmingumas buvo nustatytas pagal Stjudento t-testą, turime omenyje, kad Stjudento t-testo metodas buvo naudojamas empirinei reikšmei apskaičiuoti, kuri vėliau lyginama su lentelėje pateikta (kritine) reikšme.

Pagal empirinių (mūsų apskaičiuotą) ir kriterijaus (lentelės) verčių santykį galime spręsti, ar mūsų hipotezė pasitvirtina, ar paneigiama. Daugeliu atvejų, kad skirtumus pripažintume reikšmingais, būtina, kad kriterijaus empirinė vertė viršytų kritinę vertę, nors yra kriterijų (pavyzdžiui, Mann-Whitney testas arba ženklų testas). turime laikytis priešingos taisyklės.

Kai kuriais atvejais į kriterijaus skaičiavimo formulę įtraukiamas stebėjimų skaičius tiriamoje imtyje, žymimas kaip p. Naudodami specialią lentelę nustatome, kokį skirtumų statistinio reikšmingumo lygį atitinka duota empirinė reikšmė. Daugeliu atvejų ta pati empirinė kriterijaus reikšmė gali būti reikšminga arba nereikšminga, priklausomai nuo stebėjimų skaičiaus tiriamoje imtyje ( n ) arba iš vadinamųjų laisvės laipsnių skaičius , kuris žymimas kaip v (g>) arba kaip df (Kartais d).

Žinant n arba laisvės laipsnių skaičių, naudodami specialias lenteles (pagrindinės pateiktos 5 priede) galime nustatyti kritines kriterijaus reikšmes ir su jomis palyginti gautą empirinę reikšmę. Paprastai tai rašoma taip: „kai n = 22 kriterijaus kriterijaus reikšmės t St = 2.07" arba "at v (d) = 2 Studento testo kritinės vertės yra = 4,30" ir tt.

Paprastai pirmenybė vis tiek teikiama parametriniams kriterijams, ir mes laikomės šios pozicijos. Jie laikomi patikimesniais ir gali suteikti daugiau informacijos bei gilesnės analizės. Kalbant apie matematinių skaičiavimų sudėtingumą, naudojant kompiuterines programas šis sudėtingumas išnyksta (tačiau kai kurie kiti atrodo gana įveikiami).

• Šiame vadovėlyje statistikos problemos išsamiai nenagrinėjame
• hipotezės (nulis - R0 ir alternatyva - Hj) ir priimti statistiniai sprendimai, nes psichologijos studentai tai nagrinėja atskirai disciplinoje „Matematiniai metodai psichologijoje“. Be to, pažymėtina, kad rengiant tyrimo ataskaitą (kursinį ar diplominį darbą, publikaciją) statistinės hipotezės ir statistiniai sprendimai, kaip taisyklė, nėra pateikiami. Paprastai aprašant rezultatus nurodomas kriterijus, pateikiama reikiama aprašomoji statistika (viduriai, sigma, koreliacijos koeficientai ir kt.), kriterijų empirinės reikšmės, laisvės laipsniai ir būtinai p reikšmingumo lygis. . Tada dėl tikrinamos hipotezės suformuluojama prasminga išvada, nurodanti (dažniausiai nelygybės forma) pasiektą ar nepasiektą reikšmingumo lygį.

STATISTINIS PATIKIMUMAS

- anglų kalba patikimumas/pagrįstumas, statistinis; vokiečių kalba Patvirtintas, statistinis. Nuoseklumas, objektyvumas ir dviprasmiškumo trūkumas atliekant statistinį testą arba q.l. išmatavimų rinkinys. D. s. gali būti išbandytas pakartojant tą patį testą (arba klausimyną) su tuo pačiu dalyku, siekiant išsiaiškinti, ar gauti tokie patys rezultatai; arba lyginant skirtingas testo dalis, kurios turėtų matuoti tą patį objektą.

Antinazis. Sociologijos enciklopedija, 2009

Pažiūrėkite, kas yra „STATISTINIS PATIKIMUMAS“ kituose žodynuose:

STATISTINIS PATIKIMUMAS– Anglų kalba patikimumas/pagrįstumas, statistinis; vokiečių kalba Patvirtintas, statistinis. Nuoseklumas, objektyvumas ir dviprasmiškumo trūkumas atliekant statistinį testą arba q.l. išmatavimų rinkinys. D. s. galima patikrinti pakartojant tą patį testą (arba... Aiškinamasis sociologijos žodynas

Statistikoje reikšmė vadinama statistiškai reikšminga, jei tikimybė, kad ji atsitiks atsitiktinai ar dar ekstremalesnės reikšmės, yra maža. Čia kraštutinumu turime omenyje testo statistikos nukrypimo nuo nulinės hipotezės laipsnį. Skirtumas vadinamas... ...Wikipedia

Fizinis statistinio stabilumo reiškinys yra tas, kad didėjant imties dydžiui, atsitiktinio įvykio dažnis arba vidutinė fizinio dydžio vertė linksta į tam tikrą fiksuotą skaičių. Statistikos fenomenas... ... Vikipedija

SKIRTUMŲ PATIKIMUMAS (Panašumai)- analitinė statistinė procedūra skirtumų ar panašumų tarp imčių reikšmingumo lygiui nustatyti pagal tiriamus rodiklius (kintamuosius) ... Šiuolaikinis ugdymo procesas: pagrindinės sąvokos ir terminai

ATASKAITOS, STATISTINIAI Puikus apskaitos žodynas

ATASKAITOS, STATISTINIAI- valstybinio statistinio stebėjimo forma, kai atitinkamos institucijos iš įmonių (organizacijų ir įstaigų) gauna joms reikalingą informaciją teisiškai nustatytų ataskaitinių dokumentų (statistinių ataskaitų) forma... Didelis ekonomikos žodynas

Mokslas, tiriantis žmonių socialinio gyvenimo masinių reiškinių sisteminio stebėjimo metodus, skaitinių jų aprašymų sudarymą ir mokslišką šių aprašymų apdorojimą. Taigi teorinė statistika yra mokslas.... Enciklopedinis žodynas F.A. Brockhausas ir I.A. Efronas

Koreliacijos koeficientas- (Koreliacijos koeficientas) Koreliacijos koeficientas yra statistinis dviejų atsitiktinių dydžių priklausomybės rodiklis Koreliacijos koeficiento apibrėžimas, koreliacijos koeficientų rūšys, koreliacijos koeficiento savybės, skaičiavimas ir taikymas... ... Investuotojų enciklopedija

Statistika- (Statistika) Statistika yra bendras teorinis mokslas, tiriantis kiekybinius reiškinių ir procesų pokyčius. Valstybės statistika, statistikos paslaugos, Rosstat (Goskomstat), statistiniai duomenys, užklausų statistika, pardavimų statistika,... ... Investuotojų enciklopedija

Koreliacija- (Koreliacija) Koreliacija yra statistinis ryšys tarp dviejų ar daugiau atsitiktinių kintamųjų Koreliacijos samprata, koreliacijos tipai, koreliacijos koeficientas, koreliacijos analizė, kainų koreliacija, valiutų porų koreliacija Forex turinyje... ... Investuotojų enciklopedija

Knygos

• Matematikos ir matematikos moksliniai tyrimai: Mokinių tiriamosios veiklos metodinis rinkinys, Borzenko V.I.. Rinkinyje pristatomi metodiniai pokyčiai, taikomi organizuojant studentų tiriamąją veiklą. Pirmoji kolekcijos dalis skirta tyrimo metodo taikymui...

Jei nesielgsi, palata neduos jokios naudos. (Shota Rustaveli)

Pagrindiniai medicinos statistikos terminai ir sąvokos

Šiame straipsnyje pateiksime keletą pagrindinių statistikos sąvokų, kurios yra svarbios atliekant medicininius tyrimus. Sąlygos išsamiau aptariamos atitinkamuose straipsniuose.

Variacija

Apibrėžimas. Duomenų (atributų reikšmių) sklaidos laipsnis verčių diapazone

Tikimybė

Apibrėžimas. Tikimybė yra tam tikro įvykio tikimybės tam tikromis sąlygomis laipsnis.

Pavyzdys. Paaiškinkime termino apibrėžimą sakinyje „Pasigydymo tikimybė vartojant vaistą Arimidex yra 70%. Įvykis – „paciento pasveikimas“, būklė „pacientas vartoja Arimidex“, tikimybės laipsnis – 70% (grubiai tariant, iš 100 Arimidex vartojančių žmonių pasveiksta 70).

Kaupiamoji tikimybė

Apibrėžimas. Kaupiamoji tikimybė išgyventi laiku t yra tokia pati kaip tuo metu gyvų pacientų dalis.

Pavyzdys. Jei sakoma, kad suminė tikimybė išgyventi po penkerių metų gydymo kurso yra 0,7, tai reiškia, kad iš nagrinėjamos pacientų grupės 70% pradinio skaičiaus liko gyvi, o 30% mirė. Kitaip tariant, 30 iš šimto žmonių mirė per pirmuosius 5 metus.

Laikas iki renginio

Apibrėžimas. Laikas prieš įvykį yra laikas, išreikštas kai kuriais vienetais, praėjęs nuo tam tikro pradinio laiko momento iki kokio nors įvykio.

Paaiškinimas. Medicininių tyrimų laiko vienetai yra dienos, mėnesiai ir metai.

Tipiški pradinių laikų pavyzdžiai:

pradėti stebėti pacientą

chirurginis gydymas

Tipiški nagrinėjamų įvykių pavyzdžiai:

ligos progresavimas

atkryčio atsiradimas

paciento mirtis

Pavyzdys

Apibrėžimas. Atrankos būdu gauta populiacijos dalis.

Remiantis imties analizės rezultatais, daromos išvados apie visą populiaciją, kurios galioja tik tuo atveju, jei atranka buvo atsitiktinė. Kadangi praktiškai neįmanoma atrinkti atsitiktinai iš populiacijos, reikėtų stengtis užtikrinti, kad imtis būtų bent reprezentatyvi populiacijai.

Priklausomi ir nepriklausomi pavyzdžiai

Apibrėžimas. Pavyzdžiai, kuriuose tiriamieji buvo įdarbinti nepriklausomai vienas nuo kito. Alternatyva nepriklausomiems mėginiams yra priklausomi (sujungti, suporuoti) mėginiai.

Hipotezė

Dvipusės ir vienpusės hipotezės

Pirmiausia paaiškinkime termino hipotezė vartojimą statistikoje.

Daugumos tyrimų tikslas – patikrinti kokio nors teiginio teisingumą. Vaistų testavimo tikslas dažniausiai yra patikrinti hipotezę, kad vienas vaistas yra veiksmingesnis už kitą (pavyzdžiui, Arimidex yra veiksmingesnis už tamoksifeną).

Siekiant užtikrinti tyrimo griežtumą, tikrinamas teiginys išreiškiamas matematiškai. Pavyzdžiui, jei A yra Arimidex vartojančio paciento gyvenimo metų skaičius, o T yra tamoksifeno vartojančio paciento gyvenimo metų skaičius, tada tikrinama hipotezė gali būti parašyta kaip A>T.

Apibrėžimas. Hipotezė vadinama dvipuse, jei ji susideda iš dviejų dydžių lygybės.

Dvipusės hipotezės pavyzdys: A=T.

Apibrėžimas. Hipotezė vadinama vienpuse (vienpuse), jei ji susideda iš dviejų dydžių nelygybės.

Vienpusių hipotezių pavyzdžiai:

Dichotominiai (dvejetainiai) duomenys

Apibrėžimas. Duomenys išreikšti tik dviem galiojančiomis alternatyviomis reikšmėmis

Pavyzdys: pacientas „sveikas“ – „serga“. Edema "yra" - "ne".

Pasitikėjimo intervalas

Apibrėžimas. Kiekio pasikliautinasis intervalas yra intervalas aplink kiekio vertę, kurioje yra tikroji to kiekio vertė (su tam tikru patikimumo lygiu).

Pavyzdys. Tegul tiriamas kiekis yra pacientų skaičius per metus. Vidutiniškai jų skaičius yra 500, o 95% pasikliautinasis intervalas yra (350, 900). Tai reiškia, kad greičiausiai (95 proc. tikimybe) į kliniką per metus kreipsis ne mažiau kaip 350 ir ne daugiau kaip 900 žmonių.

Paskyrimas. Labai dažnai naudojama santrumpa: PI 95% yra pasikliautinasis intervalas, kurio patikimumo lygis yra 95%.

Patikimumas, statistinis reikšmingumas (P – lygis)

Apibrėžimas. Statistinis rezultato reikšmingumas yra pasitikėjimo jo „tiesa“ matas.

Bet kokie tyrimai atliekami remiantis tik dalimi objektų. Vaisto veiksmingumo tyrimas atliekamas ne pagal visus planetos pacientus, o tik su tam tikra pacientų grupe (visų pacientų analizės atlikti tiesiog neįmanoma).

Tarkime, kad atlikus analizę buvo padaryta tam tikra išvada (pavyzdžiui, Arimidex kaip tinkamo gydymo naudojimas yra 2 kartus veiksmingesnis nei tamoksifenas).

Reikia užduoti klausimą: „Kiek galite pasitikėti šiuo rezultatu?

Įsivaizduokite, kad atlikome tyrimą, pagrįstą tik dviem pacientais. Žinoma, šiuo atveju rezultatus reikia vertinti atsargiai. Jei buvo ištirtas didelis skaičius pacientų ("didelio skaičiaus" skaitinė reikšmė priklauso nuo situacijos), tada padarytomis išvadomis jau galima pasitikėti.

Taigi, pasitikėjimo laipsnį lemia p lygio reikšmė (p vertė).

Aukštesnis p lygis atitinka mažesnį rezultatų, gautų iš mėginio analizės, pasitikėjimo lygį. Pavyzdžiui, p lygis, lygus 0,05 (5%), rodo, kad iš tam tikros grupės analizės padaryta išvada yra tik atsitiktinis šių objektų požymis, kurio tikimybė yra tik 5%.

Kitaip tariant, su labai didele tikimybe (95%) išvada gali būti išplėsta į visus objektus.

Daugelis tyrimų mano, kad 5% yra priimtina p lygio vertė. Tai reiškia, kad jei, pavyzdžiui, p = 0,01, tada rezultatais galima pasitikėti, bet jei p = 0,06, tada negalite.

Studijuoti

Perspektyvinis tyrimas yra tyrimas, kurio metu mėginiai atrenkami pagal pradinį faktorių, o mėginiuose analizuojamas koks nors gautas veiksnys.

Retrospektyvus tyrimas yra tyrimas, kurio metu mėginiai atrenkami remiantis gautu faktoriumi, o mėginiuose analizuojamas koks nors pradinis faktorius.

Pavyzdys. Pradinis veiksnys – jaunesnė/vyresnė nei 20 metų nėščia moteris. Dėl to vaikas yra lengvesnis/sunkesnis nei 2,5 kg. Analizuojame, ar vaiko svoris priklauso nuo mamos amžiaus.

Jei įdarbintume 2 pavyzdžius, kurių viena yra jaunesnė nei 20 metų motina, kita - vyresnės motinos, ir tada analizuojame vaikų masę kiekvienoje grupėje, tai yra perspektyvinis tyrimas.

Jeigu įdarbintume 2 pavyzdžius, viename - mamos, kurios pagimdė lengvesnius nei 2,5 kg vaikus, kitoje - sunkesnius, o tada analizuojame kiekvienos grupės mamų amžių, tai yra retrospektyvinis tyrimas (natūralu, kad toks tyrimas galima atlikti tik tada, kai eksperimentas baigtas, t. y. gimus visi vaikai).

Išėjimas

Apibrėžimas. Kliniškai reikšmingas reiškinys, laboratorinis rodiklis ar požymis, kuris tarnauja kaip tyrėją dominantis objektas. Atliekant klinikinius tyrimus, rezultatai yra terapinės ar prevencinės intervencijos veiksmingumo vertinimo kriterijai.

Klinikinė epidemiologija

Apibrėžimas. Mokslas, leidžiantis numatyti konkrečią kiekvieno konkretaus paciento baigtį, remiantis klinikinės ligos eigos tyrimu panašiais atvejais, naudojant griežtus mokslinius pacientų tyrimo metodus, kad būtų užtikrintas prognozių tikslumas.

Kohorta

Apibrėžimas. Tyrimo dalyvių grupė, kurią susiformavimo metu vienijo kažkokia bendra savybė ir studijavo ilgą laiką.

Kontrolė

Istorinė kontrolė

Apibrėžimas. Kontrolinė grupė buvo suformuota ir ištirta laikotarpiu prieš tyrimą.

Lygiagretus valdymas

Apibrėžimas. Kontrolinė grupė susidarė kartu su pagrindinės grupės formavimu.

Koreliacija

Apibrėžimas. Statistinis ryšys tarp dviejų charakteristikų (kiekybinės arba eilės), parodantis, kad didesnė vienos charakteristikos reikšmė tam tikrais atvejais atitinka didesnę – esant teigiamai (tiesioginei) koreliacijai – kitos charakteristikos reikšmę arba mažesnę. reikšmė – esant neigiamai (atvirkščiai) koreliacijai.

Pavyzdys. Nustatyta reikšminga koreliacija tarp trombocitų ir leukocitų kiekio paciento kraujyje. Koreliacijos koeficientas yra 0,76.

Rizikos koeficientas (RR)

Apibrėžimas. Rizikos koeficientas yra tam tikro („blogo“) įvykio tikimybės pirmajai objektų grupei ir to paties įvykio tikimybės antrajai objektų grupei santykis.

Pavyzdys. Jei nerūkančiųjų tikimybė susirgti plaučių vėžiu yra 20%, o rūkančiųjų – 100%, tai CR bus lygus penktadaliui. Šiame pavyzdyje pirmoji objektų grupė yra nerūkantieji, antroji grupė – rūkaliai, o plaučių vėžio atsiradimas laikomas „blogu“ įvykiu.

Akivaizdu, kad:

1) jei KR = 1, tai tikimybė, kad įvykis įvyks grupėse, yra vienoda

2) jei KP>1, tai įvykis dažniau įvyksta su pirmos grupės objektais nei iš antrosios

3) jeigu KR<1, то событие чаще происходит с объектами из второй группы, чем из первой

Metaanalizė

Apibrėžimas. SU statistinė analizė, kuri apibendrina kelių tyrimų, tiriančių tą pačią problemą, rezultatus (dažniausiai gydymo, profilaktikos, diagnostikos metodų efektyvumą). Sujungus tyrimus gaunama didesnė analizės imtis ir didesnė kombinuotų tyrimų statistinė galia. Naudojamas siekiant padidinti įrodymus arba pasitikėjimą išvada apie tiriamo metodo veiksmingumą.

Kaplan-Meier metodas (Kaplan-Meier daugiklio įverčiai)

Šį metodą išrado statistikai E. L. Kaplanas ir Paulas Meyeris.

Metodas naudojamas įvairiems dydžiams, susijusiems su paciento stebėjimo laiku, apskaičiuoti. Tokių kiekių pavyzdžiai:

tikimybė pasveikti per vienerius metus vartojant vaistą

atkryčio tikimybė po operacijos per trejus metus po operacijos

kumuliacinė penkerių metų išgyvenimo tikimybė pacientams, sergantiems prostatos vėžiu po organo amputacijos

Paaiškinkime Kaplan-Meier metodo pranašumus.

„Įprastinės“ analizės (nenaudojant Kaplan-Meier metodo) verčių reikšmės apskaičiuojamos padalijus nagrinėjamą laiko intervalą į intervalus.

Pavyzdžiui, jei tiriame paciento mirties tikimybę per 5 metus, tai laiko intervalą galima suskirstyti į 5 dalis (mažiau nei 1 metai, 1-2 metai, 2-3 metai, 3-4 metai, 4- 5 metai), taigi ir 10 (po šešis mėnesius) arba kitam intervalų skaičiui. Skirtingų skaidinių rezultatai bus skirtingi.

Pasirinkti tinkamiausią skaidinį nėra lengva užduotis.

Vertybių įverčiai, gauti naudojant Kaplan-Meier metodą, nepriklauso nuo stebėjimo laiko padalijimo į intervalus, o priklauso tik nuo kiekvieno paciento gyvenimo trukmės.

Todėl tyrėjui lengviau atlikti analizę, o rezultatai dažnai būna geresni už „įprastinės“ analizės rezultatus.

Kaplan-Meier kreivė yra išgyvenimo kreivės grafikas, gautas naudojant Kaplan-Meier metodą.

Cox modelis

Šį modelį išrado seras Davidas Roxby Coxas (g. 1924 m.), garsus anglų statistikas, daugiau nei 300 straipsnių ir knygų autorius.

Cox modelis naudojamas tais atvejais, kai išgyvenamumo analizėje tiriami kiekiai priklauso nuo laiko funkcijų. Pavyzdžiui, atkryčio tikimybė po t metų (t=1,2,...) gali priklausyti nuo laiko log(t) logaritmo.

Svarbus Cox pasiūlyto metodo privalumas yra šio metodo pritaikomumas daugelyje situacijų (modelis nenustato griežtų apribojimų tikimybių skirstinio pobūdžiui ar formai).

Remiantis Cox modeliu, galima atlikti analizę (vadinamą Cox analize), kurios rezultatas yra rizikos koeficiento reikšmė ir rizikos koeficiento pasikliautinasis intervalas.

Neparametriniai statistiniai metodai

Apibrėžimas. Klasė statistinių metodų, kurie pirmiausia naudojami kiekybiniams duomenims, kurie nesudaro normalaus skirstinio, analizuoti, taip pat kokybinių duomenų analizei.

Pavyzdys. Norėdami nustatyti pacientų sistolinio spaudimo skirtumų reikšmę, priklausomai nuo gydymo tipo, naudosime neparametrinį Mann-Whitney testą.

Ženklas (kintamasis)

Apibrėžimas. X tyrimo objekto (stebėjimo) charakteristikos. Yra kokybinės ir kiekybinės charakteristikos.

Randomizavimas

Apibrėžimas. Tyrimo objektų atsitiktinio paskirstymo į pagrindinę ir kontrolinę grupes metodas, naudojant specialias priemones (lenteles arba atsitiktinių skaičių skaitiklius, monetų metimus ir kitus metodus, kaip atsitiktinai priskirti grupės numerį įtrauktam stebėjimui). Atsitiktinis nustatymas sumažina skirtumus tarp grupių pagal žinomas ir nežinomas savybes, kurios gali turėti įtakos tiriamam rezultatui.

Rizika

Atributika- papildoma nepalankaus rezultato (pavyzdžiui, ligos) rizika dėl tam tikros tyrimo objekto savybės (rizikos faktoriaus). Tai dalis rizikos susirgti liga, kuri yra susijusi, paaiškinama ir gali būti pašalinta, jei rizikos veiksnys pašalinamas.

Santykinė rizika- vienos grupės nepalankios būklės rizikos ir kitos grupės šios būklės rizikos santykis. Naudojamas prospektyviniuose ir stebėjimo tyrimuose, kai grupės sudaromos iš anksto, o tiriama būklė dar nepasireiškė.

Slenkantis egzaminas

Apibrėžimas. Metodas statistinio modelio stabilumui, patikimumui, našumui (galiojimui) patikrinti nuosekliai pašalinant stebėjimus ir perskaičiuojant modelį. Kuo panašesni modeliai, tuo modelis yra stabilesnis ir patikimesnis.

Renginys

Apibrėžimas. Tyrimo metu pastebėtas klinikinis rezultatas, pvz., komplikacijų atsiradimas, atkrytis, pasveikimas arba mirtis.

Stratifikacija

Apibrėžimas. M atrankos metodas, kai visų dalyvių, atitinkančių įtraukimo į tyrimą kriterijus, populiacija pirmiausia suskirstoma į grupes (sluoksnius) pagal vieną ar daugiau savybių (dažniausiai lytį, amžių), kurios gali turėti įtakos dominančiam rezultatui, o vėliau – į kiekvieną iš šių grupių (sluoksnio) dalyviai yra įdarbinami nepriklausomai į eksperimentines ir kontrolines grupes. Tai leidžia tyrėjui subalansuoti svarbias eksperimentinės ir kontrolinės grupių charakteristikas.

Nenumatytų atvejų lentelė

Apibrėžimas. Stebėjimų absoliučių dažnių (skaičių) lentelė, kurios stulpeliai atitinka vienos charakteristikos reikšmes, o eilutės - kitos charakteristikos reikšmes (jei yra dvimatė nenumatytų atvejų lentelė). Absoliutaus dažnio reikšmės yra ląstelėse, esančiose eilučių ir stulpelių sankirtoje.

Pateiksime nenumatytų atvejų lentelės pavyzdį. Aneurizmos operacija atlikta 194 pacientams. Yra žinomas edemos sunkumas pacientams prieš operaciją.

Taigi iš 26 pacientų be edemos 20 pacientų išgyveno po operacijos, 6 pacientai mirė. Iš 42 pacientų, kuriems buvo vidutinio sunkumo edema, 27 pacientai išgyveno, 15 mirė ir kt.

Chi kvadrato testas nenumatytų atvejų lentelėms

Norint nustatyti vieno ženklo skirtumų, priklausančių nuo kito, reikšmingumą (patikimumą) (pavyzdžiui, operacijos rezultatą priklausomai nuo edemos sunkumo), nenumatytų atvejų lentelėms naudojamas chi kvadrato testas:

Tikimybė

Tegu kurio nors įvykio tikimybė lygi p. Tada tikimybė, kad įvykis neįvyks, yra 1 p.

Pavyzdžiui, jei tikimybė, kad pacientas liks gyvas po penkerių metų, yra 0,8 (80 %), tai tikimybė, kad per šį laikotarpį jis mirs, yra 0,2 (20 %).

Apibrėžimas. Tikimybė yra tikimybės, kad įvykis įvyks, ir tikimybės, kad įvykis neįvyks, santykis.

Pavyzdys. Mūsų pavyzdyje (apie pacientą) tikimybė yra 4, nes 0,8/0,2=4

Taigi, pasveikimo tikimybė yra 4 kartus didesnė už mirties tikimybę.

Kiekio vertės aiškinimas.

1) Jei Tikimybė=1, tai įvykio tikimybė lygi tikimybei, kad įvykis neįvyks;

2) jei Tikimybė >1, tai įvykio tikimybė yra didesnė už tikimybę, kad įvykis neįvyks;

3) jei yra galimybė<1, то вероятность наступления события меньше вероятности того, что событие не произойдёт.

Šansų santykis

Apibrėžimas.Šansų santykis yra pirmosios objektų grupės ir antrosios objektų grupės šansų santykis.

Pavyzdys. Tarkime, kad tiek vyrai, tiek moterys yra gydomi.

Tikimybė, kad vyras po penkerių metų liks gyvas, yra 0,6 (60%); tikimybė, kad per šį laikotarpį jis mirs, yra 0,4 (40%).

Panašios tikimybės moterims yra 0,8 ir 0,2.

Šansų santykis šiame pavyzdyje yra

Kiekio vertės aiškinimas.

1) Jei šansų santykis = 1, tada pirmos grupės tikimybė yra lygi antros grupės tikimybei

2) Jei šansų santykis yra >1, tada pirmos grupės tikimybė yra didesnė nei antrosios grupės tikimybė

3) Jei šansų santykis<1, то шанс для первой группы меньше шанса для второй группы

Panagrinėkime tipišką statistinių metodų taikymo medicinoje pavyzdį. Vaisto kūrėjai teigia, kad jis padidina diurezę proporcingai vartojamai dozei. Norėdami patikrinti šią hipotezę, jie penkiems savanoriams duoda skirtingas vaisto dozes.

Remiantis stebėjimo rezultatais, brėžiamas diurezės ir dozės grafikas (1.2A pav.). Priklausomybė matoma plika akimi. Mokslininkai sveikina vieni kitus su atradimu, o pasaulį – su nauju diuretiku.

Tiesą sakant, duomenys leidžia patikimai teigti, kad šiems penkiems savanoriams buvo pastebėta nuo dozės priklausoma diurezė. Tai, kad ši priklausomybė pasireikš visiems žmonėms, kurie vartoja vaistą, yra tik prielaida.
ZY

Su

gyvenimą Negalima sakyti, kad tai nepagrįsta – kitaip, kam daryti eksperimentus?

Tačiau vaistas buvo parduodamas. Vis daugiau žmonių jį vartoja tikėdamiesi padidinti šlapimo kiekį. Taigi ką mes matome? Matome 1.2B paveikslą, kuris rodo, kad nėra jokio ryšio tarp vaisto dozės ir diurezės. Juodi apskritimai rodo pradinio tyrimo duomenis. Statistika turi metodų, leidžiančių įvertinti tikimybę gauti tokią „nereprezentatyvią“ ir, tiesą sakant, painią imtį. Pasirodo, nesant ryšio tarp diurezės ir vaisto dozės, atsirandanti „priklausomybė“ būtų stebima maždaug 5 iš 1000 eksperimentų. Taigi šiuo atveju tyrėjams tiesiog nepasisekė. Net jei jie būtų naudoję pažangiausius statistikos metodus, tai vis tiek nebūtų sutrukdę suklysti.

Pateikėme šį fiktyvų, bet visai nenutolusį nuo tikrovės pavyzdį, kad nepabrėžtume nenaudingumo
statistiką. Jis kalba apie ką kita, apie jos išvadų tikimybę. Taikydami statistinį metodą, negauname galutinės tiesos, o tik konkrečios prielaidos tikimybės įvertinimą. Be to, kiekvienas statistinis metodas yra pagrįstas savo matematiniu modeliu ir jo rezultatai yra teisingi tiek, kiek šis modelis atitinka tikrovę.

Daugiau tema PATIKIMUMAS IR STATISTINĖ REIKŠMĖ:

1. Statistiškai reikšmingi gyvenimo kokybės rodiklių skirtumai
2. Statistinė populiacija. Apskaitos ypatybės. Nuolatinio ir atrankinio tyrimo samprata. Reikalavimai statistiniams duomenims ir apskaitos bei atskaitomybės dokumentų naudojimui
3. SANTRAUKA. TONOMETRO INDIKACIJŲ PATIKIMUMO TYRIMAS MATUOTI AKIES SLĖGIĄ PER AKIES VOKĄ 2018, 2018 m.

Pagrindiniai bet kokio ryšio tarp kintamųjų bruožai.

Galime pastebėti dvi paprasčiausias ryšio tarp kintamųjų savybes: (a) ryšio dydį ir (b) ryšio patikimumą.

- Didumas . Priklausomybės dydį lengviau suprasti ir išmatuoti nei patikimumą. Pvz., Jei bet kurio mėginio vyro baltųjų kraujo kūnelių skaičius (WCC) buvo didesnis nei bet kurios moters, tuomet galima sakyti, kad ryšys tarp dviejų kintamųjų (lyties ir WCC) yra labai didelis. Kitaip tariant, galite numatyti vieno kintamojo reikšmes iš kito reikšmių.

- Patikimumas („tiesa“). Tarpusavio priklausomybės patikimumas yra mažiau intuityvi sąvoka nei priklausomybės dydis, tačiau ji yra nepaprastai svarbi. Ryšio patikimumas yra tiesiogiai susijęs su tam tikros imties, kurios pagrindu daromos išvados, reprezentatyvumu. Kitaip tariant, patikimumas reiškia, kokia tikimybė, kad ryšys bus atrastas iš naujo (kitaip tariant, patvirtintas) naudojant duomenis iš kitos imties, paimtos iš tos pačios populiacijos.

Reikia atsiminti, kad galutinis tikslas beveik niekada nėra tirti šios konkrečios vertybių imties; imtis yra įdomi tik tiek, kiek ji suteikia informacijos apie visą populiaciją. Jei tyrimas atitinka tam tikrus konkrečius kriterijus, tada rastų ryšių tarp imties kintamųjų patikimumą galima kiekybiškai įvertinti ir pateikti naudojant standartinį statistinį matą.

Priklausomybės dydis ir patikimumas yra dvi skirtingos priklausomybės tarp kintamųjų charakteristikos. Tačiau negalima teigti, kad jie yra visiškai nepriklausomi. Kuo didesnis ryšio (ryšio) dydis tarp kintamųjų įprasto dydžio imtyje, tuo jis patikimesnis (žr. kitą skyrių).

Statistinis rezultato reikšmingumas (p lygis) yra įvertintas pasitikėjimo jo „tiesa“ (imties reprezentatyvumo prasme) matas. Techniškai kalbant, p lygis yra matas, kuris kinta mažėjančia tvarka atsižvelgiant į rezultato patikimumą. Aukštesnis p lygis atitinka mažesnį imtyje rastų kintamųjų ryšio patikimumo lygį. Būtent, p lygis reiškia klaidos tikimybę, susijusią su stebimo rezultato pasiskirstymu visai populiacijai.

Pavyzdžiui, p lygis = 0,05(t. y. 1/20) rodo, kad yra 5 % tikimybė, kad imtyje rastų kintamųjų ryšys yra tik atsitiktinė imties ypatybė. Daugelyje tyrimų p-lygis 0,05 laikomas „priimtina paklaidos riba“.

Jokiu būdu negalima išvengti savivalės sprendžiant, koks reikšmingumo lygis iš tikrųjų turėtų būti laikomas „reikšmingu“. Tam tikro reikšmingumo lygio, kurį viršijus rezultatai atmetami kaip klaidingi, pasirinkimas yra gana savavališkas.

Praktikoje galutinis sprendimas dažniausiai priklauso nuo to, ar rezultatas buvo prognozuojamas a priori (t. y. prieš atliekant eksperimentą), ar aptiktas a posteriori dėl daugybės analizių ir palyginimų, atliktų su įvairiais duomenimis, taip pat nuo studijų krypties tradicija.

Paprastai daugelyje laukų p 0,05 rezultatas yra priimtina statistinio reikšmingumo riba, tačiau atminkite, kad šis lygis vis tiek apima gana didelę paklaidą (5 %).

Rezultatai, esantys reikšmingais p 0,01 lygyje, paprastai laikomi statistiškai reikšmingais, o rezultatai, esantys p 0,005 arba p 0,00 lygiu, paprastai laikomi statistiškai reikšmingais. 001 kaip labai reikšmingas. Tačiau reikia suprasti, kad toks reikšmingumo lygių klasifikavimas yra gana savavališkas ir tėra neformalus susitarimas, priimtas remiantis praktine patirtimi. tam tikroje studijų srityje.

Akivaizdu, kad kuo didesnis surinktų duomenų visumos analizių skaičius, tuo daugiau reikšmingų (pasirinktu lygmeniu) rezultatų bus atrasta visiškai atsitiktinai.

Kai kurie statistiniai metodai, kurie apima daug palyginimų ir todėl turi didelę galimybę pakartoti tokio tipo klaidas, atlieka specialų viso palyginimų skaičiaus koregavimą arba koregavimą. Tačiau daugelis statistinių metodų (ypač paprasti žvalgomosios duomenų analizės metodai) nepasiūlo jokio būdo išspręsti šią problemą.

Jei ryšys tarp kintamųjų yra „objektyviai“ silpnas, nėra kito būdo tokį ryšį patikrinti, išskyrus didelės imties tyrimą. Net jei imtis yra visiškai reprezentatyvi, poveikis nebus statistiškai reikšmingas, jei imtis yra maža. Panašiai, jei ryšys „objektyviai“ yra labai stiprus, jis gali būti aptiktas labai reikšmingai net labai mažoje imtyje.

Kuo silpnesnis ryšys tarp kintamųjų, tuo didesnis imties dydis, reikalingas norint jį prasmingai aptikti.

Daug įvairių santykių matai tarp kintamųjų. Tam tikros priemonės pasirinkimas konkrečiame tyrime priklauso nuo kintamųjų skaičiaus, naudojamų matavimo skalių, ryšių pobūdžio ir kt.

Tačiau dauguma šių priemonių vadovaujasi bendruoju principu: jais bandoma įvertinti stebimą ryšį, lyginant jį su „maksimaliu įmanomu ryšiu“ tarp aptariamų kintamųjų. Techniškai kalbant, įprastas būdas atlikti tokius įvertinimus yra pažvelgti į tai, kaip kintamųjų reikšmės kinta, ir tada apskaičiuoti, kiek viso galimo svyravimų galima paaiškinti „bendrais“ („bendrais“) svyravimais. du (ar daugiau) kintamųjų.

Reikšmė daugiausia priklauso nuo imties dydžio. Kaip jau buvo paaiškinta, labai didelėse imtyse net labai silpni kintamųjų ryšiai bus reikšmingi, o mažose imtyse net labai stiprūs ryšiai nėra patikimi.

Taigi, norint nustatyti statistinio reikšmingumo lygį, reikia funkcijos, kuri atspindėtų ryšį tarp kiekvieno imties dydžio kintamųjų ryšio „dydžio“ ir „reikšmingumo“.

Tokia funkcija tiksliai nurodytų „kaip tikimybė gauti tam tikros vertės (ar daugiau) priklausomybę tam tikro dydžio imtyje, darant prielaidą, kad populiacijoje tokios priklausomybės nėra“. Kitaip tariant, ši funkcija suteiktų reikšmingumo lygį
(p lygis), taigi ir tikimybė klaidingai atmesti prielaidą, kad populiacijoje šios priklausomybės nėra.

Tokia „alternatyvi“ hipotezė (kad populiacijoje nėra ryšio) paprastai vadinama nulinė hipotezė.

Būtų idealu, jei funkcija, apskaičiuojanti paklaidos tikimybę, būtų tiesinė ir skirtinguose imčių dydžiuose turėtų skirtingą nuolydį. Deja, ši funkcija yra daug sudėtingesnė ir ne visada lygiai tokia pati. Tačiau daugeliu atvejų jo forma yra žinoma ir gali būti naudojama reikšmingumo lygiams nustatyti tiriant tam tikro dydžio mėginius. Dauguma šių funkcijų yra susietos su paskirstymo klase, vadinama normalus .