330 likes | 540 Views
STATISTIČAR. Tumačenje rezultata. Obrada podataka. Unos podataka. Prikupljanje podataka. Planiranje istraživanja. populacija. uzorak. CILJ ISTRAŽIVANJA. Opisati. Objasniti. Predvidjeti. Oruđe : STATISTIKA. Nezavršena osnovna škola 19%. Osnovna škola 22%. Više ili visoko
E N D
STATISTIČAR Tumačenje rezultata Obrada podataka Unospodataka Prikupljanjepodataka Planiranjeistraživanja
populacija uzorak CILJ ISTRAŽIVANJA Opisati Objasniti Predvidjeti Oruđe:STATISTIKA
Nezavršena osnovna škola19% Osnovna škola22% Više ili visoko obrazovanje 12% Srednja škola47% UZORAK Kakvo je stanje u populaciji? Nereprezentativan Reprezentativan Nereprezentativan
UZORAK Vrste uzoraka (načini uzimanja uzoraka) Slučajni Svaki član populacije ima jednaku vjerojatnost biti odabran (izvlačenje brojeva iz šešira, tablice slučajnih brojeva,računalni programi...) Sustavni Uzima se svaki n-ti član populacije Stratificirani Populacija se dijeli na “slojeve” pa se iz njih uzimajuslučajni uzorci Prigodni Podatci se uzimaju od ispitanika koje imamo “pri ruci”
UZORAK Veličina uzorka Željena preciznostmjerenja Varijabilnost mjerenepojave Snaga istraživanja – vjerojatnost pronalaženja razlike koja zaista i postoji u populaciji Pogrješke: alfa – pronašli smo statistički značajnu razliku, a razlike zapravo nema beta–nismo pronašli razliku, a razlika zapravo postoji
Uzorak randomizacija Kontrolna Eksperimentalna (1 ili više) OBLIKOVANJE SKUPINA
LJESTVICE MJERENJA NOMINALNA broj stoji umjesto imena (npr. spol – muški=0, žene=1) ORDINALNA brojevi označavaju redoslijed, ali ne znamo KOLIKE su razlike (npr. školske ocjene – 1, 2, 3, 4, 5) INTERVALNA imamo redoslijed i razlike ali brojčani odnosi ne označavaju odnose u mjerenoj pojavi jer nema apsolutne nule (npr. temperatura – 20ºC nije dvostruko toplije od 10ºC) OMJERNA brojčani odnosi označavaju odnose u mjerenoj pojavi jer postoji apsolutna nula (npr. dužina – 20 cm je dvostruko duže od 10 cm)
1. NOMINALNA Dominantna vrijednost, račun proporcija, χ2-test,Cramerov Fi, koeficijent kontingencije C 2. ORDINALNA Sve pod 1 + centralna vrijednost, koeficijent korelacije ρ (Ro),Tau, Theta i koeficijent W 3. INTERVALNA Sve pod 1 i 2 + aritmetička sredina, standardna devijacija,z-vrijednosti i koeficijent korelacije r (uključujući parcijalnu i multiplu korelaciju) 4. OMJERNA Sve pod 1, 2 i 3 + geometrijska sredina i koeficijent varijabilnosti V LJESTVICE MJERENJA-dopušteni postupci
Stupanj opeklina Dob Brojevi na majicama nogometaša Zbroj bodova na ljestvici stavova prema znanosti(najmanji mogući rezultat je 10, a najveći 50) Doza lijeka koji se daje pacijentu (izražena u mg) VJEŽBA ordinalna omjerna nominalna intervalna omjerna
Opis Usporedba Povezanost OBRADA PODATAKA: Kakvi su stavovi studenata medicine prema znanosti? Postoje li razlike u stavovima prema znanosti između studenata različitih godina? Postoji li povezanost između stavova prema znanosti prosjeka ocjena?
Dominantna vrijednost (Mode) -najčešći rezultatat- Raspon Središnja vrijednost (Median) -središnji rezultatat- Poluinterkvartilno raspršenje Aritmetička sredina (Mean)-prosjek- Standardna devijacija OPIS Raspodjela Srednje vrijednosti i raspšenja
= 3 9 9 = 3 M=3 C=2 SREDNJE VRIJEDNOSTI 1+2+2+3+3+3+4+4+5 M=C 1+2+2+2+2+3+3+4+8
RASPODJELA PODATAKA C=4 C=4
151 VRIJEDNOSTI KOJE SE JAKO RAZLIKUJU Pažnja! Možda je pogrješka, a možda neistražena pojava!
NORMALNA RASPODJELA Testiranje normaliteta raspodjele: Kolmogorov-Smirnov test parametri
DRUGE RASPODJELE Asimetrična udesno Asimetrična ulijevo Stožasta Spljoštena Bimodalna
Aritmetička sredina i standardna devijacija Parametrijska statistika Središnja/dominantna vrijednost i interkvartilno raspršenje/totalni raspon Neparametrijska statistika
ZBOG POGRJEŠKE MJERENJA DOBIVENI REZULTATI UVIJEK SU SAMO PROCJENA STANJA U POPULACIJI RASPON POUZDANOSTI (CONFIDENCE INTERVAL) RASPON U KOJEM SE, UZ ODREĐENU SIGURNOST (95%, 99%), NALAZI “PRAVI” REZULTAT U POPULACIJI Npr. M=20, 95%CI 18-24 C=76, 99%CI 69-85
ŠTO ZNAČI “STATISTIČKI ZNAČAJNO”? p<0.05 – 95% sigurnosti da dobivenarazlika/povezanost nije posljedica slučaja p<0.01 – 99% sigurnosti da dobivenarazlika/povezanost nije posljedica slučaja PRIKAZ p-vrijednosti– tri decimalna mjesta Npr. p=0.024 p=0.007 p<0.001
PRIMJER Rezultati randomiziranog kontroliranog pokusapokazuju da je novi lijek u pokusnoj skupiniprosječno smanjio dijastolički tlaks 99 mmHg na 96 mmHg, p<0.001 Statistički značajno, ali ne i klinički!
SAMO POKUSOMMOŽEMO UTVRDITIUZROČNOST!!! POVEZANOST NE ZNAČI I UZROČNOST Korelacija između stavova prema znanostii slušanja kolegija “Uvod u znanstveni rad u medicini”iznosi ρ=0.84, p<0.001 Studenti koji su slušali kolegij vjerojatnoimaju pozitivnije stavove prema znanosti Slušanje kolegija utječe na stvaranje pozitivnijihstavova prema znanosti Slušanje kolegija utječe na stvaranje pozitivnijihstavova prema znanosti
BIOSTATISTICS INSTRUCTIONAL MANUALhttp://www.sjsu.edu/faculty/gerstman/StatPrimer/ ELEMENTARY CONCEPTS IN STATISTICS http://www.statsoftinc.com/textbook/esc.html ONLINE STATISTICS TEXTBOOKhttp://www2.chass.ncsu.edu/garson/pa765/statnote.htm POWER CALCULATIONhttp://calculators.stat.ucla.edu/powercalc/
RAZGOVARAJTE SA STATISTIČARIMA, I ONI SU LJUDI! i... PAŽLJIVO PLANIRAJTE! SUSTAVNO OBRAĐUJTE! ODGOVORNO TUMAČITE!
Procjena veličine uzorka “Koliki uzorak mi treba?” često pitanje važno pitanje odgovor nije sasvim jednostavan grafički način procjene veličine uzorka – Altmanov nomogram
na temelju razlike koju smatramo relevantnom možemo izračunati standardiziranu razliku koja ovisi o vrsti podataka (kontinuirani/kvantitativni ili kategorijski/kvalitativni) • za kategorijske varijable: • SR=δ/√p(1-p) , pri čemu je: δ=p1-p2 (razlika u proporcijama) • p=(p1+p2)/2 (prosječna proporcija) • za kontinuirane varijable: • SR=δ/σ0, pri čemu je: δ – klinički relevantna razlika • σ0 – očekivana standardna devijacija Procjena veličine uzorka potrebna 3 parametra (klinički) relevantna razlika razina značajnosti (0.05, 0.01) snaga
SR=δ/√p(1-p) , pri čemu je: δ=p1-p2 (razlika u proporcijama) • p=(p1+p2)/2 (prosječna proporcija) Procjena veličine uzorka – primjer 1 kategorijske varijable Ispitujemo novi antibiotik. Dosad korišteni lijek učinkovit je u 40% slučajeva, a novi, da bi se isplatio mora biti učinkovit u barem 60% slučajeva. Koliko ispitanika trebamo da bismo, uz dvosmjernu značajnost od 0.05 i snagu od 80%, provjerili takvu razliku u učinkovitosti lijekova? SR=(0.6-0.4)/0.5=04.
Procjena veličine uzorka – primjer 1 kategorijske varijable Koliki uzorak biste trebali da je sve isto, samo uz značajnost od 0.01?
Procjena veličine uzorka – primjer 2 kontinuirane varijable Koliki uzorak je potreban da bi se, uz dvosmjernu značajnost od 0.05 i 80% snage, provjerila razlika u razini kolesterola od 1.0 mmol/l između aritmetičkih sredina dviju skupina ispitanika? Očekujemo podjednaku standardnu devijaciju u obje skupine od 3.0 mmol/l. • SR=δ/σ0, pri čemu je: δ – klinički relevantna razlika • σ0 – očekivana standardna devijacija SR=1/3=0.333
Procjena veličine uzorka – primjer 2 kontinuirane varijable 150 po skupini
Procjena veličine uzorka – zaključno • u procjenu veličine uzorka treba uključiti i očekivano osipanje ispitanika • npr. dodati 20-30% za istraživanja koja će duže trajati • zaokružite na cijeli broj • veličina uzorka jest važna, ali ne znači ništa ako uzorak nije dobro odabran