Metody stosowane w planowaniu i przeprowadzaniu eksperymentów naukowych w badaniach biomedycznych
|
|
- Jacek Krupa
- 8 lat temu
- Przeglądów:
Transkrypt
1 Metody stosowane w planowaniu i przeprowadzaniu eksperymentów naukowych w badaniach biomedycznych Zakład Zaburzeń Krzepnięcia Krwi Katedry Diagnostyki Laboratoryjnej Uniwersytetu Medycznego w Łodzi cwatala@csk.umed.lodz.pl Cezary Watała
2 Badania naukowe w medycynie - rodzaje badań i ich charakterystyka
3 Badania naukowe w medycynie ze względu na charakter zbierania i analizy obserwacji wyróżniamy: badania pierwotne badania wtórne
4 Idea badań naukowych w medycynie niezależnie od rodzaju i sposobu czy schematu przeprowadzenia badania medycznego, jego celem jest zawsze ustalenie zależności między: ekspozycją na działanie czynnika sprawczego (przyczyną, risk factor) a pojawieniem się interesujących nas symptomów (chorobowych, zdrowieniowych, itp.) (skutkiem, outcome)
5 Badania naukowe w medycynie - podejście badacza metody obserwacyjne metody interwencyjne badacz obserwuje chorych bez podejmowania interwencji badacz celowo wprowadza procedurę lub zmienia zachowanie chorych
6 Badania naukowe w medycynie - poszukiwanie zależności Algorytm postępowania w różnych badaniach (przeprowadzaniu badania) jest różny w zależności od tego czy: znamy skutek (outcome) i staramy się dociec potencjalnej/możliwej przyczyny (określić co stanowi czynnik ryzyka obserwowanej zmiany) znamy ekspozycję (czynnik/i ryzyka) i obserwujemy pojawianie się interesujących nas symptomów (chorobowych, zdrowieniowych, itp.) (wystąpienie skutku)
7 Badanie pierwotne primary study, original study doświadczenie, podczas którego zbierane są dane dotyczące wpływu określonych procedur medycznych na wybrane punkty końcowe badania badania obserwacyjne badania interwencyjne (eksperymentalne)
8 Badania obserwacyjne polegają na biernej obserwacji grupy pacjentów wybranych z populacji badacz nie wpływa ani nie moduluje działania czynników sprawczych dane obserwacyjne mogą pochodzić z informacji zgromadzonych w bazach danych (badania retrospektywne) lub są zbierane na bieżąco w trakcie obserwacji (badania prospektywne)
9 Badania prospektywne Badania prospektywne to takie badania, w których śledzimy zachowanie się lub wystąpienie zmian określonych zmiennych po (jednokrotnym lub wielokrotnym) zadziałaniu czynnika modyfikującego (modulatora) Badania te mają formę aktywnej (badacz manipuluje działaniem czynnika) i dynamicznej (monitorowanie odbywa się w sposób ciągły) obserwacji
10 Badania retrospektywne Badania retrospektywne to takie badania, w których różnicujemy jak określona jednostka chorobowa (która pojawiła się kiedyś w przeszłości) wpływa na częstość wystąpienia interesujących nas modyfikacji zmiennej W badaniach tych spoglądamy wstecz i oceniamy jak status kliniczny który możemy traktować jako rodzaj modulatora wpływa na wartości zmiennej/zmiennych Celem obserwacji retrospektywnej jest estymacja czy i w jakim stopniu badane zmienne mogłyby dla nas być w przyszłości predyktorami wystąpienia choroby, tzn. czy samo rejestrowanie zmian wartości określonych parametrów może być dla nas wskazówką, że występuje określona jednostka chorobowa
11 Algorytm postępowania w badaniach retrospektywnych etap 1: wybierz przypadki kontrole etap 2: zmierz ekspozycję w przeszłości ekspozycja (+) ekspozycja (- ) ogółem a c a + c b d b + d
12 Algorytm - badania retrospektywne etap 3: etap 4: etap 5: p = [e(+)]/[e(+)+e(-) porównaj proporcje w grupach poddanych ekspozycji przypadki kontrole a/(a + c) vs. b/(b + d) oblicz iloraz szans (OR) OR = a/c : b/d oblicz proporcje przypadków przypisaną ekspozycji PC = [p*(or-1)][(p*(or-1)+1]
13 Algorytm postępowania w badaniach prospektywnych etap 1: wybierz osoby narażone na działanie czynnika osoby nie narażone na działanie czynnika etap 2: obserwuj stan zdrowia w obu grupach nowe zachorowania zdrowi ogółem a c a + c b d b + d
14 Algorytm - badania prospektywne etap 3: określ zapadalność w obu grupach osoby narażone na działanie czynnika osoby nie narażone na działanie czynnika Z eksp = a/(a + c) vs. Z nieeksp = b/(b + d) etap 4: oblicz ryzyko względne (RR) RR = Z eksp : Z nieeksp etap 5: oblicz ryzyko przypisane ekspozycji ARR = Z eksp - Z nieeksp
15 Badanie kliniczno-kontrolne kontrolne case-control control, case-referent study badanie (z reguły) retrospektywne, w którym porównujemy ekspozycję na działanie czynnika w grupie pacjentów oraz w grupie osób zdrowych na podstawie zgromadzonej wcześniej dokumentacji klinicznej grupy dobiera się na podstawie wystąpienia lub nie wystąpienia choroby (skutku) wyniki mogą być zafałszowane przez zmienne zakłócające (confounders) efektywne narzędzie badawcze w przypadku chorób rzadko występujących w populacji
16 Badanie kliniczno-kontrolne kontrolne zagnieżdżone nested case-control control study szczególne badanie kliniczno-kontrolne, w którym w kohorcie obserwowanej prospektywnie identyfikuje się wszystkie osoby, u których wystąpił punkt końcowy dla każdej z tych osób dobiera się z tej samej kohorty jedną lub więcej osób kontrolnych, u których punkt końcowy nie wystąpił ekspozycję (odsetek narażonych) porównuje się w obu grupach
17 Badanie kohortowe cohort study polega na określeniu prawdopodobieństwa wystąpienia obserwowanego schorzenia (zachorowalności) w grupie narażonych (kohorta badana) i nie narażonych (kohorta kontrolna) na działanie danego czynnika grupy dobiera się nie na podstawie wystąpienia choroby (skutku), lecz na podstawie zadziałania czynnika (ekspozycji) pozwala na oszacowanie związku pomiędzy działaniem badanego czynnika a pojawieniem się po określonym czasie obserwowanej choroby wyższy odsetek zachorowań lub zgonów w kohorcie badanej zdaje się potwierdzać związek pomiędzy badanym czynnikiem a wystąpieniem choroby
18 Badanie kohortowe korzyści i zalety w stosunku do metody retrospektywnej dokładniej i rzetelniej określają mierniki bezpośredniego ryzyka rozwoju choroby w populacji (współczynniki zapadalności, remisji, umieralności) w powiązaniu z zagrożeniami środowiskowymi ich wyniki są obarczone mniejszym błędem w pozyskiwaniu informacji o badanych czynnikach, gdyż kryteria i procedury pomiarowe i diagnostyczne można lepiej i ściślej ustalić i wystandaryzować umożliwiają ustalenie relacji badanych czynników ryzyka także w odniesieniu do innych chorób niż badana (badanie retrospektywne pozwala analizować tylko jedną wybraną chorobę)
19 Badanie kohortowe (prospektywne) - niedogodności i wady trudności organizacyjne i wyższe koszty duże grupy populacyjne, długi czas obserwacji konieczne zapewnienie tego samego standardu procedur diagnostycznych w toku długotrwałych obserwacji prospektywnych nieprzydatne (niepraktyczne) w badaniu rzadkich chorób, w przypadku niskiej zapadalności udział chorych obserwowanych maleje w czasie i zmniejsza się element losowości doboru grup (wartości parametrów u osób uczestniczących w badaniu w porównaniu do tych, którzy wypadli z badania
20 Badanie przekrojowe sectional study badanie, w którym związek między występowaniem określonej choroby (punktu końcowego) a ekspozycją na dany czynnik w populacji bada się w jednym punkcie czasowym (jednocześnie) są odmienne od badań kliniczno-kontrolnych (wychodzi się od punktu końcowego i wstecz ocenia ekspozycję) oraz badań kohortowych (wychodzi się od ekspozycji i prospektywnie ocenia występowanie punktu końcowego)
21 Badania eksperymentalne odbywają się z interwencją badacza, który moduluje włączanie testowanego czynnika mogą uwzględniać tylko te sposoby postępowania z pacjentem, co do których istnieje uzasadnione przypuszczenie, ze spowodują poprawę stanu zdrowia chorych w praktyce przeprowadzane są z zastosowaniem procedur randomizacji mają szczególne znaczenie przy ocenie szkodliwości interwencji medycznych
22 Badania kontrolowane clinical controlled trials Badanie eksperymentalne, w którym wpływ czynnika badanego na grupę badaną jest porównywany z grupą kontrolną, na którą dany czynnik nie działa Grupa kontrolna otrzymuje placebo lub lek, którego działanie jest już dobrze poznane (lek referencyjny, lek odniesienia) mogą być: - randomizowane - z pseudorandomizacją
23 Badania randomizowane randomized trials eksperymentalne badanie kliniczne, w którym rozdział pacjentów do grupy badanej i kontrolnej następuje na drodze losowego, w pełni przypadkowego przydziału pozwala to na podobny rozkład czynników zakłócających w obu porównywanych grupach i przez to uzyskanie jednorodnych (homogennych) grup pacjentów
24 Badanie krzyżowe cross-over over study doświadczenie, w którym każdy pacjent otrzymuje na przemian porównywane interwencje (np. lek A - lek B), w kolejności ustalonej na drodze losowania przy naprzemiennym stosowaniu dwóch rodzajów leczenia możliwy jest tzw. "efekt przeniesienia", polegający na przedłużonym działaniu preparatu, który już odstawiono, i modyfikacji odpowiedzi na drugi badany lek zniwelowaniu efektu przeniesienia służy tzw. "washout period", czyli okres przerwy pomiędzy porównywanymi interwencjami w celu eliminacji z organizmu działającej substancji aktywnej
25 Cele klinicznych badań zrandomizowanych (trials) udokumentować skuteczność kliniczną (Evidence of Efficacy) porównać skutecznośc, bezpieczeństwo oraz tolerancję (Comparative Efficacy and Safety) wykazać nadrzędność wobec innego leczenia (Evidence of Superiority) wykazać (bio)zgodność i równocenność wobec innego leczenia (Evidence of Equivalence or Noninferiority) wykazać zależność efektu od dawki (Evidence of Dose-response Relationship)
26 Określenie celu badania interwencyjnego formułowanie celu i zadania badawczego: określenie poziomu początkowego i końcowego doświadczenia czy bodziec (czynnik doświadczalny) wywołuje zmianę? co się stanie gdy na stan X zadziała czynnik Z? pytanie wartościowe o ile: można zmierzyć poziom wyjściowy i poziom końcowy
27 Czego oczekujemy? Założenia badawcze poziom początkowy (wyjściowy) czynnik (bodziec) doświadczalny poziom końcowy (skutek)
28 Planowanie badania interwencyjnego Model 2 niezależnych grup (Parallel Group Design) osoby badane w sposób przypadkowy przydzielane do grupy kontrolnej (placebo) lub grupy interwencyjnej (lek badany) Model krzyżowy (Crossover Design) pary placebo-lek tworzone zgodnie ze schematem zrównoważonej alokacji Model mieszany (Factorial Design) kilka schematów leczenia badane równolegle w różnych zestawieniach
29 Model doświadczenia w układzie ciągłym czynnik A działa inaczej niż czynnik B grupa kontrolna stan początkowy (wyjściowy) X1 czynnik A stan końcowy (skutek) X2 grupa badana X3 czynnik B X4 porównujemy różnice skutków X2 X1 oraz X4 X3
30 Model doświadczenia w układzie naprzemiennym założenie: czynnik A działa inaczej niż czynnik B stan początkowy (wyjściowy) stan końcowy (skutek) stan końcowy (skutek) pomiar stanu zdrowia czynnik 1 pomiar stanu zdrowia czynnik 2 pomiar stanu zdrowia porównujemy różnice skutków X2 X1 oraz X3 X1
31 Przydział zabiegów / procedur układy ciągłe dobór parami (2 zabiegi) bloki randomizowane (więcej niż 2 zabiegi) układy naprzemienne kwadraty łacińskie i grecko-łacińskie w zabiegach naprzemiennych
32 Eksperyment sekwencyjny nie zakłada z góry pożądanej liczebności próby trwa do chwili uzyskania dowodów do weryfikacji hipotezy badawczej
33 Rodzaje badań klinicznych - podsumowanie
34 Które metody badawcze są najbardziej wartościowe naukowo w badaniach medycznych? kontrolowane zrandomizowane badanie interwencyjne (RCT) kontrolowane badanie interwencyjne obserwacyjne badanie kohortowe (prospektywne) obserwacyjne badanie kliniczno-kontrolne (retrospektywne) inne badania
35 Po co dobieramy grupę kontrolną?
36 grupa kontrolna - co to takiego? grupa kontrolna to taka grupa osób włączonych do badania, która umożliwia przeprowadzenie dyskryminacji efektów obserwowanych jako skutek testowanego leczenia od innych efektów, wywoływanych przez pozostałe (nie kontrolowane) czynniki
37 grupa kontrolna towarzysząca - concurrent control group grupa wybrana z tej samej populacji co grupa badana, badana w tym samym czasie (równocześnie) i traktowana zgodnie z protokołem badania klinicznego dotyczącego wpływu testowanego leczenia
38 Rodzaje towarzyszących grup kontrolnych w badaniach klinicznych placebo (placebo concurrent control) wzgl. etyczne brak leczenia (no-treatment concurrent control) wzgl. etyczne rózne dawkowanie (dose-response concurrent control) inne skuteczne leczenie (active (positive) concurrent control) kontrola zewnętrzna (external control) spoza populacji badanej
39 Literatura uzupełniająca Wiesław Jędrychowski Zasady planowania i prowadzenia badań naukowych w medycynie, Wyd. Uniwersytetu Jagiellońskiego, Kraków, 2004 Hulley, S.B., Cummings, S.R., Browner, W.S., Grady, D., Hearst, N., Newman, T.B. Designing Clinical Research. 2 nd ed. Lippincott Williams & Wilkins, Philadelphia, 2001, ss. vii-336
40 Dobór zmiennych i punktów końcowych
41 Zmienne (variables( variables) - podstawowe pojęcia i terminy Zmienne (parametry, cechy) - wielkości, które mierzymy, kontrolujemy lub którymi manipulujemy w jakiś sposób w czasie badań. Możemy je klasyfikować do różnych kategorii zależnie od kryterium podziału
42 Rodzaje zmiennych zmienne niezależne takie zmienne, których wartości możemy dobierać i zmieniać w doświadczeniu (są to zmienne manipulowane przez badacza) zmienne zależne które mogą być jedynie mierzone lub rejestrowane przez badacza, nie ma on jednak wpływu na to jakie wartości przyjmują
43 Definicje zmiennych zmienne dyskretne, czyli takie które zmieniają się skokowo i mogą przyjmować jedynie określone wartości zbioru liczb całkowitych; wartości tych zmiennych nie muszą zmieniać się monotonicznie/porządkowo zmienne ciągłe, które przyjmują dowolne wartości z określonego przedziału zbioru liczb rzeczywistych; tworzą szeregi rosnące/malejące co wynika z tej charakterystyki?
44 Skale zmiennych nominalne takie, które mogą być mierzone jedynie w kategoriach zaklasyfikowania poszczególnych egzemplarzy do jednej z rozróżnialnych kategorii porządkowe takie, które pozwalają na rangowanie (ustawianie w określonym porządku) badanych elementów przedziałowe które pozwalają nie tylko szeregować (rangować) mierzone elementy lecz również mierzyć różnice wielkości pomiędzy nimi ilorazowe które są podobne do zmiennych przedziałowych, lecz charakteryzuje je ponadto istnienie punktu absolutnego zera skali
45 Pytania, zmienne i rodzaj analizy jakim analizom statystycznym poddajemy zmienne? interesują nas różnice/związki w aspekcie częstości zjawiska/procesu testy na liczebnościach: test chi 2, test dokładny Fishera interesują nas różnice/związki w aspekcie wartości parametru testy inferencyjne: testy inferencyjne: test t Studenta, test Manna- Whitneya, ANOVA...
46 Pomiary zmiennych precyzja jak dalece pomiary są powtarzalne w serii (powtarzalność) trafność jak dalece pomiar mierzy to co ma mierzyć (internal validity)
47 Precyzja (powtarzalność) jak oceniamy? porównując wartości pomiarów i sprawdzając ich powtarzalność w serii jakie ma znaczenie dla badania? zwiększa szanse wykrycia realnych różnic między grupami (moc statystyczną) jaka przyczyna braku? błędy losowe
48 Trafność (internal validity) jak oceniamy? porównując wartości pomiarów ze standardem/ uznanymi wartościami referencyjnymi jakie ma znaczenie dla badania? zwiększa wiarygodność wyników jaka przyczyna braku? jaka przyczyna braku? błędy systematyczne
49 Punkt końcowy - (critical) endpoint etap obserwacji lub epizod w badaniach klinicznych, na podstawie którego możemy zweryfikować korzystne lub niekorzystne działanie badanego czynnika przykłady punktów końcowych badania: zawał serca ustąpienie objawów choroby zgon zator naczyniowy istotna zmiana badanego parametru
50 Punkt końcowy jako kryterium dichotomizacji efektu badania punkty końcowe pierwszorzędowe - parametry kliniczne badania zawał serca ustąpienie objawów choroby zgon zator naczyniowy punkty końcowe drugorzędowe - parametry fizykochemiczne badania (surrogates) zmiana ciśnienia krwi wystąpienie załamka Q w EKG zmiana stężenia cholesterolu LDL
51 Populacja pacjentów populacja generalna ogólna zbiorowość, do której mają się odnosić wyniki badania, np. Europejczycy, Kaukazoidzi, itp. populacja docelowa zbiorowość, z której losujemy elementy do naszego badania i do której mają się odnosić jego wyniki, np. mieszkańcy Polski środkowej, jeśli badanie ma być przeprowadzone przez ośrodki badawcze w Polsce centralnej populacja źródłowa zbiorowość, z której losujemy elementy do naszego badania i która spełnia warunki badania, np. pacjenci z ChNS stosujący terapię przeciwpłytkową populacja zakwalifikowana do badań - dobrana populacja uczestnicząca w badaniach - badani
52 Literatura uzupełniająca Wiesław Jędrychowski Zasady planowania i prowadzenia badań naukowych w medycynie, Wyd. Uniwersytetu Jagiellońskiego, Kraków, 2004 Hulley, S.B., Cummings, S.R., Browner, W.S., Grady, D., Hearst, N., Newman, T.B. Designing Clinical Research. 2 nd ed. Lippincott Williams & Wilkins, Philadelphia, 2001, ss. vii-336 Andrzej Stanisz Przystępny kurs statystyki, tom 1 i 2, StatSoft, Kraków, 2006, 2007 Zar J. Biostatistical analysis. Simon & Schuster/A Viacom Company, Upper Saddle River, N.J., Prentice-Hall International, Inc., Watala C. Biostatystyka - wykorzystanie metod statystycznych w pracy badawczej w naukach biomedycznych. Bielsko-Biała: alfa- Medica Press, 2002
53 Testowanie hipotez statystycznych i błędy statystyczne
54 Błędy statystyczne błąd d statystyczny I rodzaju popełniamy popełniamy jeżeli eli odrzucamy hipotezę zerową, gdy jest ona prawdziwa błąd statystyczny II rodzaju popełniamy jeżeli eli nie odrzucamy hipotezy zerowej wtedy, gdy jest ona fałszywa
55 Kiedy popełniamy błędy statystyczne błąd statystyczny I rodzaju prawdopodobieństwo odrzucenia hipotezy zerowej, gdy jest ona prawdziwa błąd statystyczny II rodzaju prawdopodobieństwo przyjęcia hipotezy zerowej, gdy jest ona fałszywa
56 zasady wnioskowania statystycznego Hipoteza może e być odrzucona jedynie z określonym prawdopodobieństwem a nigdy z zupełną pewności cią Jeżeli eli nie mamy podstaw do zaprzeczenia hipotezy, to nie może e być ona odrzucona, ale nie oznacza to że e jest prawdziwa
57 hipotezy statystyczne testowanie typu RS i typu AS Reject-support (RS) testing odrzucenie H 0 potwierdza naszą teorię Accept-support (AS) testing przyjęcie H 0 potwierdza naszą teorię
58 testowanie hipotez statystycznych kompromis między wystarczająco wysoką mocą statystyczną a rozsądnie niską liczebnością próby w testowaniu typu RS nawet trywialne różnice między bardzo licznymi grupami wiodą do odrzucenia H 0, niezależnie od jej prawdziwości w testowaniu typu AS bardzo liczne grupy wiodą do tego samego, a zatem działają przeciwko teorii badacza
59 porównanie testowania RS i AS RS testing AS testing chcemy odrzucić H 0 chcemy przyjąć H 0 niski α niski β wysokie n korzystne wysokie n niekorzystne ważna wysoka moc testowania ważne niskie α
60 Literatura uzupełniająca Zar J. Biostatistical analysis. Simon & Schuster/A Viacom Company, Upper Saddle River, N.J., Prentice-Hall International, Inc., Hulley, S.B., Cummings, S.R., Browner, W.S., Grady, D., Hearst, N., Newman, T.B. Designing Clinical Research. 2 nd ed. Lippincott Williams & Wilkins, Philadelphia, 2001, ss. vii-336 Watala C. Sample size and significance somewhere between statistical power and judgment prostration. Arch Med Sci 2007; 3: Watala C. Biostatystyka - wykorzystanie metod statystycznych w pracy badawczej w naukach biomedycznych. Bielsko-Biała: alfa-medica Press, 2002.
61 Badania wtórne integrative research, secondary study meta-analizy przeglądy systematyczne analizy farmakoekonomiczne raporty oceny Technologii Medycznych (HTA, Health Technology Assessment)
62 Meta-analiza analiza Opracowanie oparte na danych klinicznych uzyskanych z pierwotnych badań klinicznych spełniających określone kryteria Badania kliniczne uzyskane dzięki pełnemu przeglądowi systematycznemu muszą zostać poddane ocenie wiarygodności, a następnie połączeniu ( agregacji ) danych klinicznych Celem meta-analizy jest zwiększenie precyzji i dokładności wyników dzięki połączeniu danych z kilku mniejszych badań pierwotnych
63 Meta-analiza analiza a przegląd systematyczny przegląd systematyczny - jakościowy przegląd wszystkich badań dotyczących tego samego pytania klinicznego (podobne punkty końcowe, badana populacja, interwencja), z użyciem odpowiednich metod zmniejszających błąd systematyczny; p.s. może obejmować metaanalizę metaanaliza - ilościowa synteza wyników wszystkich wiarygodnych badań dotyczących tego samego pytania klinicznego (podobne punkty końcowe lub oceniane zmienne, badana populacja, interwencja) za pomocą odpowiednich metod statystycznych; generuje standaryzowaną średnią różnic (SMD) lub ważoną średnią różnic (WMD)
64 Kryteria oceny meta-analiz analiz Czy pytanie kliniczne wystarczająco precyzyjnie określa pacjentów, interwencję i metody badania skuteczności interwencji? Czy selekcja badań oryginalnych była kompletna i zdeterminowana ich wiarygodnością? Jakie jest prawdopodobieństwo, że niektóre wiarygodne badania na interesujący nas temat zostały pominięte? Czy autorzy ocenili wiarygodność badań oryginalnych? Czy ocena badań oryginalnych była powtarzalna? Czy pozytywne skutki działania leku przewyższają jego działania uboczne?
65 Efektywność kliniczna badań jest wypadkową: skuteczności klinicznej - pozytywne skutki kliniczne zastosowanej procedury medycznej bezpieczeństwa stosowania terapii - potencjalnie negatywne skutki (działania niepożądane) zastosowanej procedury medycznej
66 Efektywność eksperymentalna efficacy wyniki kliniczne uzyskane w ściśle określonych wystandaryzowanych warunkach klinicznych, w badaniach randomizowanych odpowiada badaniu klinicznemu leków III fazy (badanie przedrejestracyjne) określenie efektywności eksperymentalnej jest celem randomizowanych badań klinicznych, w których porównuje się daną procedurę z placebo lub technologią referencyjną
67 Efektywność rzeczywista effectiveness wyniki kliniczne uzyskane w warunkach rzeczywistych (w codziennej praktyce klinicznej) odpowiada badaniu klinicznemu leków IV fazy (badanie porejestracyjne) badania efektywności rzeczywistej sprowadzają się przede wszystkim do zbierania danych na temat działań niepożądanych związanych ze stosowaniem określonej procedury
68 RANDOMIZACJA definicja: przypadkowy, losowy dobór badanych osób, obiektów, komórek
69 PRZYPADKOWOŚĆ (randomness( randomness) z definicji zakłada całkowity brak jakiejkolwiek schematyczności oraz możliwości przewidzenia wyniku chociaż rządzi się prawami teorii prawdopodobieństwa, w swojej definicji jest całkowitym zaprzeczeniem celów, jakie ta teoria sobie wyznacza
70 Prawdopodobieństwo a proporcja prawdopodobieństwo antycypowane a priori; może być obliczone jedynie dla przypadkowych sekwencji zdarzeń proporcja obliczana na podstawie obserwacji a posteriori ; może być obliczone zarówno dla przypadkowych jak i nieprzypadkowych sekwencji zdarzeń
71 RANDOMIZACJA Po co ją przeprowadzamy? w celu wyboru konkretnych osób/obiektów do badań w celu przyporządkowania badanych do odpowiedniej procedury diagnostycznej, doświadczalnej, leczniczej itp.
72 RANDOMIZACJA Po co ją przeprowadzamy? po to aby na podstawie zbadania wycinka dużej zbiorowości wypowiedzieć się obiektywnie i wiarygodnie na temat całej zbiorowości gwarancją takiej wiarygodności i obiektywności jest reprezentatywność próby badanej (jako wycinka ogólnej zbiorowości)
73 KORZYSĆI RANDOMIZACJI Pozwala na zminimalizowanie wpływu dwóch zagrożeń wiarygodności badania: obciążenie - bias wpływ zmiennych zakłócających - confounding variables (confounders)
74 OBCIĄŻENIE - bias definicja: Obciążenie jest rodzajem systematycznego błędu, który prowadzi do przekłamania wyniku testu lub zależności czynniki obciążenia mogą eliminować, zmniejszać lub wzmacniać rzeczywisty efekt
75 PRZYCZYNY OBCIĄŻENIA w badaniach populacyjnych dobór próby mieszkaniec Wąchocka może nie być dobrym przedstawicieli populacji Polski zbieranie informacji np. nieodpowiednio ułożone pytania kwestionariusza mogą prowadzić do różnych odpowiedzi; zdrowi ludzie częściej przemilczają spożycie alkoholu niż chorzy; błędna klasyfikacja przypadków do grup model badania follow-up ryzyko nieukończenia badania przez osoby chore jest większe niż w przypadku osób zdrowych
76 ZMIENNE ZAKŁÓCAJĄCE - confounders definicja: (w epidemiologii) cechy współwystępujące nie tylko z ekspozycją, ale także z badanym skutkiem zdrowotnym; nie mają udziału w analizowanym procesie patologicznym
77 ZMIENNA ZAKŁÓCAJĄCA - confounder jest dobrym predyktorem wystąpienia choroby nie jest rzeczywistym elementem zależności między działaniem czynnika (przyczyną) a wystąpieniem choroby (skutkiem) nierównomiernie rozmieszczona w każdej z porównywanych grup
78 RODZAJE RANDOMIZACJI prosta randomizacja simple randomization randomizacja ograniczona restricted randomization ma na celu uzyskanie zrównoważenia (dopasowania, matching) wielkości grup oraz ich charakterystyki
79 RANDOMIZACJA ORGANICZONA resticted randomization dokonuje się na drodze dwóch zasadniczych zabiegów: tworzenie bloków blocking tworzenie warstw stratification
80 Maskowanie próby - zaślepienie badań polega na ukryciu kodu alokacji procedury randomizacyjnej (a wiec przypisanej interwencji) przed: pacjentem - pojedyncza ślepa próba pacjentem oraz lekarzem prowadzącym badanie podwójnie ślepa próba pacjentem, lekarzem prowadzącym badanie oraz osobą zbierającą wyniki badań - potrójnie ślepa próba Maskowanie próby służy wyeliminowaniu tzw. "efektu placebo"
81 Placebo Procedura lub preparat bez istotnej wartości terapeutycznej Efekt placebo Korzystny skutek terapeutyczny uzyskiwany w sposób wykluczający wpływ substancji aktywnej na procesy metaboliczne lub fizjologiczne organizmu, np. poprawa samopoczucia zmniejszeniu objawów ocenianych subiektywnie (np. bólu) zmniejszeniu intensywności objawów choroby. Ma mechanizm psychologiczny lub psychosomatyczny.
82 Istotność statystyczna badania klinicznego Metody służące sprawdzeniu, czy różnica w wynikach klinicznych otrzymana po zakończeniu okresu obserwacji badania jest w rzeczywistości związana z działaniem badanej interwencji czy też jest dziełem przypadku prawdopodobieństwo (p) przedział ufności (CI)
83 Istotność kliniczna i statystyczna podobieństwa i różnice istotność statystyczna dotyczy wpływu czynnika losowego na wynik badania analiza statystyczna odnosi się do grupy obiektów, postępowanie kliniczne do indywidualnych pacjentów wnioskowanie statystyczne wymaga dostatecznej liczby obserwacji, decyzje lekarskie podejmowane są przy niewystarczającej liczbie danych są z natury probablistyczne, nie odnoszą się do konkretnych pacjentów analiza statystyczna wymaga wykonania pomiarów, postępowanie lekarskie opiera się często na doświadczeniu i wyczuciu (nie wszystko da się zmierzyć) pojęcia normy statystycznej i klinicznej nie są tożsame
84 Literatura uzupełniająca Stephen B. Hulley, Steven R, Cummings, Warren S. Browner, Deborah Grady, Norman Hearst, Thomas B. Newman. Designing Clinical Research. LWW, A Wolters Kluwer Co., Philadelphia, 2001 Thomas A. Lang, Michelle Secic. How to report statistics in medicine. Annotated Guidelines for Authors, Editors, and Reviewers. ACP, Philadelphia, 1997 Andrzej Stanisz Przystępny kurs statystyki, tom 1 i 2, StatSoft, Kraków, 2006, 2007
85 Literatura uzupełniająca James E. De Muth - Basic statistics and pharmaceutical statistical applications, New York, Marcel Dekker, 1999 Watala C. How to plan an experiment. I. Randomization: current fad or (ever)lasting fashion? Arch Med Sci 2006; 2: Watala C. Biostatystyka - wykorzystanie metod statystycznych w pracy badawczej w naukach biomedycznych. Bielsko-Biała: alfa-medica Press, 2002.
statystyka badania epidemiologiczne
statystyka badania epidemiologiczne Epidemiologia Epi = wśród Demos = lud Logos = nauka Epidemiologia to nauka zajmująca się badaniem rozprzestrzenienia i uwarunkowań chorób u ludzi, wykorzystująca tą
Bardziej szczegółowoMetodologia poznania naukowego. Ochrona własności intelektualnej
Metodologia poznania naukowego. Ochrona własności intelektualnej Odpowiedzialny za przedmiot: prof. dr hab. Cezary Watała Rodzaje badań naukowych Zakład Zaburzeń Krzepnięcia Krwi KDL Uniwersytetu Medycznego
Bardziej szczegółowoProjektowanie badań i interpretacja wyników okiem biostatystyka. Warszawa, 15 marca 2016, Anna Marcisz
Projektowanie badań i interpretacja wyników okiem biostatystyka Warszawa, 15 marca 2016, Anna Marcisz Agenda Część I Cel badań - hipotezy badawcze/statystyczne Wielkość próby potrzebna do badania Jak odczytywać
Bardziej szczegółowoPopulacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu
Bardziej szczegółowoBadania epidemiologiczne - blaski i cienie Epidemiological research - the bad with the good
Badania epidemiologiczne - blaski i cienie Epidemiological research - the bad with the good Dr Andrzej Szpakow Kierownik katedry Medycyny Sportowej i Rehabilitacji Uniwersytet Państwowy im. Janki Kupały
Bardziej szczegółowoEBM w farmakoterapii
EBM w farmakoterapii Dr Przemysław Niewiński Katedra i Zakład Farmakologii Klinicznej AM we Wrocławiu Katedra i Zakład Farmakologii Klinicznej AM Wrocław EBM Evidence Based Medicine (EBM) "praktyka medyczna
Bardziej szczegółowoRodzaje badań klinicznych. Zespół EBM Klinika Pediatrii Warszawski Uniwersytet Medyczny
Rodzaje badań klinicznych Zespół EBM Klinika Pediatrii Warszawski Uniwersytet Medyczny Dwie fundamentalne zasady EBM Zasada 1 Dane z badań naukowych nie wystarczają do podejmowania decyzji klinicznych
Bardziej szczegółowoWykład 2: Tworzenie danych
Wykład 2: Tworzenie danych Plan: Statystyka opisowa a wnioskowanie statystyczne Badania obserwacyjne a eksperyment Planowanie eksperymentu, randomizacja Próbkowanie z populacji Rozkłady próbkowe Wstępna/opisowa
Bardziej szczegółowoOpis zakładanych efektów kształcenia na studiach podyplomowych WIEDZA
Opis zakładanych efektów kształcenia na studiach podyplomowych Nazwa studiów: BIOSTATYSTYKA PRAKTYCZNE ASPEKTY STATYSTYKI W BADANIACH MEDYCZNYCH Typ studiów: doskonalące Symbol Efekty kształcenia dla studiów
Bardziej szczegółowoEksperyment jako metoda badawcza
Metodologia badań naukowych - wykład 4 Eksperyment jako metoda badawcza Zmienne w eksperymencie Własności badania eksperymentalnego Kontrolowanie zmienych niezależnych. Plany eksperymentalne i quasi-eksperymentalne
Bardziej szczegółowoStatystyka i Analiza Danych
Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania analizy wariancji w opracowywaniu wyników badań empirycznych Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki -
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela
Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem
Bardziej szczegółowoPodstawy epidemiologii
Podstawy epidemiologii Epidemiologia - Epi = na Demos = lud Logos = nauka Epidemiologia to nauka zajmująca się badaniem rozprzestrzeniania i uwarunkowań chorób u ludzi, wykorzystująca tę wiedzę do ograniczenia
Bardziej szczegółowoPrzykład 1. (A. Łomnicki)
Plan wykładu: 1. Wariancje wewnątrz grup i między grupami do czego prowadzi ich ocena 2. Rozkład F 3. Analiza wariancji jako metoda badań założenia, etapy postępowania 4. Dwie klasyfikacje a dwa modele
Bardziej szczegółowoKARTA PRZEDMIOTU/SYLABUS
KARTA PRZEDMIOTU/SYLABUS Wydział Kierunek studiów Jednostka organizacyjna prowadząca kierunek Poziom kształcenia Forma studiów Profil kształcenia Jednostka organizacyjna prowadząca przedmiot Moduł / Przedmiot
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoW1. Wprowadzenie. Statystyka opisowa
W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład
Bardziej szczegółowoWeryfikacja przypuszczeń odnoszących się do określonego poziomu cechy w zbiorowości (grupach) lub jej rozkładu w populacji generalnej,
Szacownie nieznanych wartości parametrów (średniej arytmetycznej, odchylenia standardowego, itd.) w populacji generalnej na postawie wartości tych miar otrzymanych w próbie (punktowa, przedziałowa) Weryfikacja
Bardziej szczegółowoWeryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoTestowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
Bardziej szczegółowoBadania obserwacyjne w ocenie bezpieczeństwa leków This gentle murmur it could be stings of remorse
Badania obserwacyjne w ocenie bezpieczeństwa leków This gentle murmur it could be stings of remorse Magdalena Władysiuk 1. Pharmacovigilance: Co to jest pharmacovigilance? Podstawowe założenia systemu
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoNIEZALEŻNOŚĆ i ZALEŻNOŚĆ między cechami Test chi-kwadrat, OR, RR
NIEZALEŻNOŚĆ i ZALEŻNOŚĆ między cechami Test chi-kwadrat, OR, RR M Zalewska Zakład Profilaktyki ZagrożeńŚrodowiskowych i Alergologii Analiza niezależności zmiennych jakościowych (test niezależności Chi-kwadrat)
Bardziej szczegółowoRÓWNOWAŻNOŚĆ METOD BADAWCZYCH
RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych
Bardziej szczegółowoZadania ze statystyki cz. 8 I rok socjologii. Zadanie 1.
Zadania ze statystyki cz. 8 I rok socjologii Zadanie 1. W potocznej opinii pokutuje przekonanie, że lepsi z matematyki są chłopcy niż dziewczęta. Chcąc zweryfikować tę opinię, przeprowadzono badanie w
Bardziej szczegółowoMetodologia badań psychologicznych
Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Psychologia jako nauka empiryczna Wprowadzenie pojęć Wykład 5 Cele badań naukowych 1. Opis- (funkcja deskryptywna) procedura definiowania
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoP: Czy studiujący i niestudiujący preferują inne sklepy internetowe?
2 Test niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia czy pomiędzy zmiennymi istnieje związek/zależność. Stosujemy go w sytuacji, kiedy zmienna zależna mierzona jest na skali
Bardziej szczegółowoKARTA KURSU. Kod Punktacja ECTS* 1
KARTA KURSU Nazwa Nazwa w j. ang. Wprowadzenie do statystyki Introduction to statistics Kod Punktacja ECTS* 1 Koordynator Prof. dr hab. Jerzy Wołek Zespół dydaktyczny Prof. dr hab. Jerzy Wołek doktoranci
Bardziej szczegółowoStatystyka matematyczna dla leśników
Statystyka matematyczna dla leśników Wydział Leśny Kierunek leśnictwo Studia Stacjonarne I Stopnia Rok akademicki 03/04 Wykład 5 Testy statystyczne Ogólne zasady testowania hipotez statystycznych, rodzaje
Bardziej szczegółowoTesty nieparametryczne
Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów
Bardziej szczegółowoBIOSTATYSTYKA KARTA PRZEDMIOTU. 1. Nazwa przedmiotu. 2. Numer kodowy COM03c. 3. Język, w którym prowadzone są zajęcia polski. 4. Typ kursu obowiązkowy
Projekt OPERACJA SUKCES unikatowy model kształcenia na Wydziale Lekarskim Uniwersytetu Medycznego w Łodzi odpowiedzią na potrzeby gospodarki opartej na wiedzy współfinansowany ze środków Europejskiego
Bardziej szczegółowoALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH
1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Wnioskowanie statystyczne dla zmiennych numerycznych Porównywanie dwóch średnich Boot-strapping Analiza
Bardziej szczegółowo166 Wstęp do statystyki matematycznej
166 Wstęp do statystyki matematycznej Etap trzeci realizacji procesu analizy danych statystycznych w zasadzie powinien rozwiązać nasz zasadniczy problem związany z identyfikacją cechy populacji generalnej
Bardziej szczegółowoW2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne.
W2. Zmienne losowe i ich rozkłady. Wnioskowanie statystyczne. dr hab. Jerzy Nakielski Katedra Biofizyki i Morfogenezy Roślin Plan wykładu: 1. Etapy wnioskowania statystycznego 2. Hipotezy statystyczne,
Bardziej szczegółowoWykład 3 Hipotezy statystyczne
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej) Hipoteza zerowa (H 0 ) jest hipoteza
Bardziej szczegółowoMetody badań w naukach ekonomicznych
Metody badań w naukach ekonomicznych Tomasz Poskrobko Metodyka badań naukowych Metody badań ilościowe jakościowe eksperymentalne Metody badań ilościowe jakościowe eksperymentalne Metody ilościowe metody
Bardziej szczegółowoWyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności
Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności Statystyka indukcyjna pozwala kontrolować i oszacować ryzyko popełnienia błędu statystycznego
Bardziej szczegółowoBadania obserwacyjne 1
Badania obserwacyjne 1 Chorobowość Chorobowość (ang. prevalence rate) liczba chorych w danej chwili na konkretną chorobę w określonej grupie mieszkańców (np. na 100 tys. mieszkańców). Współczynnik ten
Bardziej szczegółowoStatystyka od podstaw Janina Jóźwiak, Jarosław Podgórski
Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej
Bardziej szczegółowoPoziom istotności i granica rozsądku - problem porównań wielokrotnych w badaniach naukowych
Poziom istotności i granica rozsądku - problem porównań wielokrotnych w badaniach naukowych dr Dariusz Danel Instytut Immunologii i Terapii Doświadczalnej Polskiej Akademii Nauk Zastosowania statystyki
Bardziej szczegółowoTestowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
Bardziej szczegółowoPragmatyczne badania III fazy w procesie decyzyjnym projekt GET REAL. Mateusz Nikodem
Pragmatyczne badania III fazy w procesie decyzyjnym projekt GET REAL Mateusz Nikodem > WP 2 To provide different possible options of designs for preauthorization studies to assess Relative Effectiveness
Bardziej szczegółowoSLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE
SUM - WLK 2011 WYKŁAD PIĄTY: BIOSTATYSTYKA C.D. Prof. dr hab. med. Jan E. Zejda! UWAGA! SLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE TREŚĆ WYKŁADU Dokumentowanie efektu (analiza danych
Bardziej szczegółowoKARTA KURSU. (do zastosowania w roku akademickim 2015/16) Kod Punktacja ECTS* 3. Dr hab. Tadeusz Sozański
KARTA KURSU (do zastosowania w roku akademickim 2015/16) Nazwa Statystyka 2 Nazwa w j. ang. Statistics 2 Kod Punktacja ECTS* 3 Koordynator Dr hab. Tadeusz Sozański (koordynator, konwersatorium) Zespół
Bardziej szczegółowoWeryfikacja przypuszczeń odnoszących się do określonego poziomu cechy w zbiorowości (grupach) lub jej rozkładu w populacji generalnej,
Szacownie nieznanych wartości parametrów (średniej arytmetycznej, odchylenia standardowego, itd.) w populacji generalnej na postawie wartości tych miar otrzymanych w próbie (estymacja punktowa, przedziałowa)
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów
STATYSTYKA MATEMATYCZNA WYKŁAD 4 Testowanie hipotez Estymacja parametrów WSTĘP 1. Testowanie hipotez Błędy związane z testowaniem hipotez Etapy testowana hipotez Testowanie wielokrotne 2. Estymacja parametrów
Bardziej szczegółowoFarmakoekonomika podstawy. Paweł Petryszyn Katedra i Zakład Farmakologii Klinicznej UM we Wrocławiu
Farmakoekonomika podstawy Paweł Petryszyn Katedra i Zakład Farmakologii Klinicznej UM we Wrocławiu Dyrektywa przejrzystości z 1988 r. Obowiązek uzasadniania podjętych decyzji dotyczących cen i refundacji
Bardziej szczegółowoWykład 10 Zrandomizowany plan blokowy
Wykład 10 Zrandomizowany plan blokowy Staramy się kontrolować efekty zróżnicowania badanych jednostek eksperymentalnych poprzez zapewnienie ich ``jednorodności wewnątrz każdej grupy zabiegowej. Dzielimy
Bardziej szczegółowoAnaliza wariancji - ANOVA
Analiza wariancji - ANOVA Analiza wariancji jest metodą pozwalającą na podział zmienności zaobserwowanej wśród wyników eksperymentalnych na oddzielne części. Każdą z tych części możemy przypisać oddzielnemu
Bardziej szczegółowoMETODOLOGIA BADAŃ HUMANISTYCZNYCH METODYKA NAUCZANIA JĘZYKA OBCEGO CZ.II
METODOLOGIA BADAŃ HUMANISTYCZNYCH METODYKA NAUCZANIA JĘZYKA OBCEGO CZ.II Podział zmiennych Zmienne zależne zmienne, które są przedmiotem badania, których związki z innymi zmiennymi chcemy określić Zmienne
Bardziej szczegółowoZadania ze statystyki cz.8. Zadanie 1.
Zadania ze statystyki cz.8. Zadanie 1. Wykonano pewien eksperyment skuteczności działania pewnej reklamy na zmianę postawy. Wylosowano 10 osobową próbę studentów, których poproszono o ocenę pewnego produktu,
Bardziej szczegółowoOdchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi
Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1
Bardziej szczegółowoWarszawa, dnia 11 kwietnia 2012 r. Poz. 388 ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia 2 kwietnia 2012 r.
DZIENNIK USTAW RZECZYPOSPOLITEJ POLSKIEJ Warszawa, dnia 11 kwietnia 2012 r. Poz. 388 ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia 2 kwietnia 2012 r. w sprawie minimalnych wymagań, jakie muszą spełniać analizy
Bardziej szczegółowoWnioskowanie statystyczne Weryfikacja hipotez. Statystyka
Wnioskowanie statystyczne Weryfikacja hipotez Statystyka Co nazywamy hipotezą Każde stwierdzenie o parametrach rozkładu lub rozkładzie zmiennej losowej w populacji nazywać będziemy hipotezą statystyczną
Bardziej szczegółowoAkupunktura Trudności w projektowaniu badań klinicznych
Akupunktura Trudności w projektowaniu badań klinicznych AKUPUNKTURA TRUDNOŚCI W PROJEKTOWANIU BADAŃ KLINICZNYCH Bartosz Chmielnicki słowa kluczowe: Akupunktura, metodologia, medycyna oparta na faktach,
Bardziej szczegółowoTeoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.
Teoria błędów Wskutek niedoskonałości przyrządów, jak również niedoskonałości organów zmysłów wszystkie pomiary są dokonywane z określonym stopniem dokładności. Nie otrzymujemy prawidłowych wartości mierzonej
Bardziej szczegółowoTestowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25
Testowanie hipotez Marcin Zajenkowski Marcin Zajenkowski () Testowanie hipotez 1 / 25 Testowanie hipotez Aby porównać ze sobą dwie statystyki z próby stosuje się testy istotności. Mówią one o tym czy uzyskane
Bardziej szczegółowoCopyright by Wydawnictwo Naukowe Scholar, Warszawa 2000, 2008
Redaktor: Alicja Zagrodzka Korekta: Krystyna Chludzińska Projekt okładki: Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2000, 2008 ISBN 978-83-7383-296-1 Wydawnictwo Naukowe Scholar
Bardziej szczegółowoWyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności
Wyniki badań reprezentatywnych są zawsze stwierdzeniami hipotetycznymi, o określonych granicach niepewności Statystyka indukcyjna pozwala kontrolować i oszacować ryzyko popełnienia błędu statystycznego
Bardziej szczegółowoCz. II. Metodologia prowadzonych badań. Rozdz. 1. Cele badawcze. Rozdz. 2. Metody i narzędzia badawcze. Celem badawczym niniejszego projektu jest:
Cz. II. Metodologia prowadzonych badań Rozdz. 1. Cele badawcze Celem badawczym niniejszego projektu jest: 1. Analiza zachowań zdrowotnych, składających się na styl życia Wrocławian: aktywność fizyczna,
Bardziej szczegółowoSTATYSTYKA wykład 8. Wnioskowanie. Weryfikacja hipotez. Wanda Olech
TATYTYKA wykład 8 Wnioskowanie Weryfikacja hipotez Wanda Olech Co nazywamy hipotezą Każde stwierdzenie o parametrach rozkładu lub rozkładzie zmiennej losowej w populacji nazywać będziemy hipotezą statystyczną
Bardziej szczegółowodr hab. Dariusz Piwczyński, prof. nadzw. UTP
dr hab. Dariusz Piwczyński, prof. nadzw. UTP Cechy jakościowe są to cechy, których jednoznaczne i oczywiste scharakteryzowanie za pomocą liczb jest niemożliwe lub bardzo utrudnione. nominalna porządek
Bardziej szczegółowoWYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH
WYKŁAD 8 TESTOWANIE HIPOTEZ STATYSTYCZNYCH Było: Estymacja parametrów rozkładu teoretycznego punktowa przedziałowa Przykład. Cecha X masa owocu pewnej odmiany. ZałoŜenie: cecha X ma w populacji rozkład
Bardziej szczegółowoLABORATORIUM Z FIZYKI
LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI I PRACOWNIA FIZYCZNA C w Gliwicach Gliwice, ul. Konarskiego 22, pokoje 52-54 Regulamin pracowni i organizacja zajęć Sprawozdanie (strona tytułowa, karta pomiarowa)
Bardziej szczegółowoWeryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1
Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie
Bardziej szczegółowoCzego się nie dowiemy z NHST? Efekt size, stupid!1. Null Hypothesis Significance Testing
Czego się nie dowiemy z NHST? Null Hypothesis Significance Testing Statistical significance testing retards the growth of scientific knowledge; it never makes a positive contribution Schmidt and Hunter
Bardziej szczegółowoAneks II. Niniejsza Charakterystyka Produktu Leczniczego oraz ulotka dla pacjenta stanowią wynik procedury arbitrażowej.
Aneks II Zmiany dotyczące odpowiednich punktów Charakterystyki Produktu Leczniczego oraz ulotki dla pacjenta przedstawione przez Europejską Agencję Leków (EMA) Niniejsza Charakterystyka Produktu Leczniczego
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoStatystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
Bardziej szczegółowoWYKŁAD TRZECI: OCENA ZWIĄZK PRZYCZYNOWO-SKUTKOWYCH W EPIDEMIOLOGII
SUM - WLK 2011 WYKŁAD TRZECI: OCENA ZWIĄZK ZKÓW PRZYCZYNOWO-SKUTKOWYCH W EPIDEMIOLOGII Prof. dr hab. med. Jan E. Zejda! UWAGA! SLAJDY WYBRANE I ZMODYFIKOWANE POD KĄTEM PREZENTACJI W INTERNECIE TREŚĆ WYKŁADU
Bardziej szczegółowoPrawdopodobieństwo i rozkład normalny cd.
# # Prawdopodobieństwo i rozkład normalny cd. Michał Daszykowski, Ivana Stanimirova Instytut Chemii Uniwersytet Śląski w Katowicach Ul. Szkolna 9 40-006 Katowice E-mail: www: mdaszyk@us.edu.pl istanimi@us.edu.pl
Bardziej szczegółowo1. TESTY PSYCHOLOGICZNE
1. TESTY PSYCHOLOGICZNE 1. pojęcie testu psychologicznego 2. zastosowanie 3. podstawowe wymogi (standaryzacja, obiektywność, rzetelność, trafność, normalizacja) 4. cecha psychologiczna w ujęciu psychologicznym
Bardziej szczegółowoWSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno
WSTĘP DO REGRESJI LOGISTYCZNEJ Dr Wioleta Drobik-Czwarno REGRESJA LOGISTYCZNA Zmienna zależna jest zmienną dychotomiczną (dwustanową) przyjmuje dwie wartości, najczęściej 0 i 1 Zmienną zależną może być:
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoStatystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )
Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2
STATYSTYKA I DOŚWIADCZALNICTWO Wykład Parametry przedziałowe rozkładów ciągłych określane na podstawie próby (przedziały ufności) Przedział ufności dla średniej s X t( α;n 1),X + t( α;n 1) n s n t (α;
Bardziej szczegółowoTestowanie hipotez statystycznych
Temat Testowanie hipotez statystycznych Kody znaków: Ŝółte wyróŝnienie nowe pojęcie pomarańczowy uwaga kursywa komentarz 1 Zagadnienia omawiane na zajęciach 1. Idea i pojęcia teorii testowania hipotez
Bardziej szczegółowoPropensity Score Matching
Zajęcia 2 Plan dzisiejszych zajęć 1 Doświadczenia Idealne doświadczenie Nie-idealne doświadczenia 2 Idealne doświadczenie Nie-idealne doświadczenia Plan idealnego doświadczenia (eksperymentu) Plan doświadczenia
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
STATYSTYKA WNIOSKOWANIE STATYSTYCZNE ESTYMACJA oszacowanie z pewną dokładnością wartości opisującej rozkład badanej cechy statystycznej. WERYFIKACJA HIPOTEZ sprawdzanie słuszności przypuszczeń dotyczących
Bardziej szczegółowo), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0
Testowanie hipotez Każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy nazywamy hipotezą statystyczną. Hipoteza określająca jedynie wartości nieznanych parametrów liczbowych badanej cechy
Bardziej szczegółowoZapadalność (epidemiologia)
Chorobowość Chorobowość (ang. prevalence rate) liczba chorych w danej chwili na konkretną chorobę w określonej grupie mieszkańców (np. na 100 tys. mieszkańców). Współczynnik ten obejmuje zarówno osoby
Bardziej szczegółowoElementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej
Elementy statystyki opisowej, podstawowe pojęcia statystyki matematycznej Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Bardziej szczegółowoRegresja logistyczna (LOGISTIC)
Zmienna zależna: Wybór opcji zachodniej w polityce zagranicznej (kodowana jako tak, 0 nie) Zmienne niezależne: wiedza o Unii Europejskiej (WIEDZA), zamieszkiwanie w regionie zachodnim (ZACH) lub wschodnim
Bardziej szczegółowoStatystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Bardziej szczegółowoVI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15
VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady
Bardziej szczegółowoweryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja) założenie: znany rozkład populacji (wykorzystuje się dystrybuantę)
PODSTAWY STATYSTYKI 1. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Bardziej szczegółowoZagadnienia: wprowadzenie podstawowe pojęcia. Doświadczalnictwo. Anna Rajfura
Zagadnienia: wprowadzenie podstawowe pojęcia Doświadczalnictwo 1 Termin doświadczalnictwo Doświadczalnictwo planowanie doświadczeń oraz analiza danych doświadczalnych z użyciem metod statystycznych. Doświadczalnictwo
Bardziej szczegółowoSTATYSTYCZNE ASPEKTY PLANOWANIA I ANALIZY WYNIKÓW BADAŃ EMPIRYCZNYCH W MEDYCYNIE
STATYSTYCZNE ASPEKTY PLANOWANIA I ANALIZY WYNIKÓW BADAŃ EMPIRYCZNYCH W MEDYCYNIE Janusz Wątroba, StatSoft Polska Sp. z o.o. Chyba w żadnej innej dziedzinie badań empirycznych umiejętne zaplanowanie, przeprowadzenie
Bardziej szczegółowoLABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI
LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI WERYFIKACJA HIPOTEZ Hipoteza statystyczna jakiekolwiek przypuszczenie dotyczące populacji generalnej- jej poszczególnych
Bardziej szczegółowoWykład 4: Wnioskowanie statystyczne. Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA
Wykład 4: Wnioskowanie statystyczne Podstawowe informacje oraz implementacja przykładowego testu w programie STATISTICA Idea wnioskowania statystycznego Celem analizy statystycznej nie jest zwykle tylko
Bardziej szczegółowoEwaluacja w polityce społecznej
Ewaluacja w polityce społecznej Dane i badania w kontekście ewaluacji metody ilościowe Dr hab. Ryszard Szarfenberg Instytut Polityki Społecznej UW rszarf.ips.uw.edu.pl/ewalps/dzienne/ Rok akademicki 2017/2018
Bardziej szczegółowoVII WYKŁAD STATYSTYKA. 30/04/2014 B8 sala 0.10B Godz. 15:15
VII WYKŁAD STATYSTYKA 30/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 7 (c.d) WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności,
Bardziej szczegółowoWalidacja metod analitycznych Raport z walidacji
Walidacja metod analitycznych Raport z walidacji Małgorzata Jakubowska Katedra Chemii Analitycznej WIMiC AGH Walidacja metod analitycznych (według ISO) to proces ustalania parametrów charakteryzujących
Bardziej szczegółowoSTANDARDY I KRYTERIA OCENY JAKOŚCI PROGRAMÓW PROMOCJI ZDROWIA I PROFILAKTYKI W RAMACH SYSTEMU REKOMENDACJI
STANDARDY I KRYTERIA OCENY JAKOŚCI PROGRAMÓW PROMOCJI ZDROWIA I PROFILAKTYKI W RAMACH SYSTEMU REKOMENDACJI 1. Ogólne dane o programie Nazwa własna Autorzy programu Organizacja/ instytucja odpowiedzialna
Bardziej szczegółowoSzkice rozwiązań z R:
Szkice rozwiązań z R: Zadanie 1. Założono doświadczenie farmakologiczne. Obserwowano przyrost wagi ciała (przyrost [gram]) przy zadanych dawkach trzech preparatów (dawka.a, dawka.b, dawka.c). Obiektami
Bardziej szczegółowoSpis treści 3 SPIS TREŚCI
Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe
Bardziej szczegółowoDane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą w oddzielnej kolumnie.
STATISTICA INSTRUKCJA - 1 I. Wprowadzanie danych Podstawowe / Nowy / Arkusz Dane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą
Bardziej szczegółowo