Registrace dat. Statistické zpracování výsledků průzkumu

Video: KV Avilov "Statistiky a statistické zpracování dat v biomedicínském výzkumu"

Získané údaje jsou zaznamenány v podobě extraktů z anamnézy, spirograms, dopplerograms, reovassogramme, fotky, videa, nahrávek na magnetických médiích, jednotlivé karty studie u pacientů s kombinovanou trauma.

Statistické zpracování výsledků průzkumu

Při srovnání průměrné hodnoty vybraných parametrů sledovaných skupin, které mají normální rozdělení byl použit odhad za použití Studentova t-testu nebo t-testu. Kritérium T-kontroluje se vyjadřuje jako poměr rozdílu k průměru vzorkových hodnot chyby rozdíl:

a M2 - vzorek znamenají hodnoty srovnatelné skupiny parametrů, a od - směrodatná odchylka rozdílu mezi vzorkem průměrů.

Vzhledem k tomu, v této studii jsme porovnávali, jak ravnochislennye a ne ravnochislennye vzorku směrodatná odchylka se vypočítá podle vzorce:

kde n1 a n2 - vzorky objem první a druhé srovnávací skupiny, resp.

Podle výpočtů v tabulce T-testu a počtu stupňů volnosti f = n1 + P2-2 určená hladina významnosti R. Hladina významnosti se stanoví za použití pravděpodobnost spolehlivosti. Důvěra pravděpodobnost je pravděpodobnost, že připouští dostatečné pro spolehlivé úsudku populační parametry na základě známých selektivních indikátorů. Typicky, v biomedicínském výzkumu, je postačující hodnota hladina spolehlivosti 95% nebo 0,95. Jinými slovy, nastavení populace spadá do intervalu odhadu konstruovány s použitím ukázkové středních hodnot s pravděpodobností větší než 95%. Pravděpodobnost pro výstup skutečné hodnoty parametru za hranicemi nepřesahuje p = 1 - 0,95 = 0,05, nebo 5%. To znamená, že rozdíl v průměrných hodnotách je potvrzeno v případě, že hladina významnosti P není větší než 0,05.

Statistické zpracování dat klinické studie použita metoda porovnávání podílu funkce ve dvou agregátech.

Testovali jsme nulovou hypotézu H0 rovnosti obecných akcií charakteristická H0: pl = p2. Pro tento účel byly odebrány dva nezávislé velikost vzorku ni a n2. Vybrané funkce jsou, v tomto pořadí, podíl wi = mi / nl a w2 = m2 / n2, kde ml a m2 - respektive počet prvků prvního a druhého vzorku, které mají vlastnost.

Při dostatečně vysoké nl a n2, selektivní podíl WL = ml / nl a W2 = m2 / n2 jsou přibližně normální rozdělení s matematický
Očekávání, nebo průměry, pl a p2 a odchylky

Když spravedlnost hypotéza H0:
pl = p2 = P rozdíl wl - W2 má normální rozdělení se střední M (W1-w2) = p-p = 0 a rozdílnost

proto statistika

To má normální rozdělení N (0-1).

Jak je známé hodnoty P zahrnuty do výrazu pro statistické t, se nejlepší odhad rovnající se selektivně mají funkci, pokud dva vzorky smíchány do jedné, to znamená,

Meze intervalu spolehlivosti je vybrána stejného pravidla jako v případě vzorku průměrů srovnání, tj, p = 0,95, s konkurenční hypotézy Hl. pokud t < t095, то гипотеза Н0 о равенстве долей признака принимается, если t > t095, то нулевая гипотеза отвергается и принимается конкурирующая гипотеза Hl, а доли признака считаются различными.

Pro porovnání dat z variačního řady parametrů pomocí korelační analýzy. korelace koncepce odráží vztah mezi parametry variační série. Jasně takový odkaz je snadné si představit, pokud se zobrazí hodnoty v souřadnicovém rovině jedné řadě podél horizontální osy a druhá - na ose y. V případě sériového zapojení bodě mezi parametry, celkový počet je roven počtu pozorování, vytvoří křivka (obvykle rovný), který zobrazuje korelačních parametrů.

V praxi se výzkumník zájem není v závislosti na jedné proměnné na jiném, a blízkost vztahu mezi sledovaných parametrů, které mohou být vyjádřeny pomocí jediného čísla. Tato funkce se nazývá korelační koeficient. V případě, že korelační analýza v úvahu dva variační řady jsou považovány za rovné v příčinné smyslu. Síla a závažnost lineárního vztahu mezi dvěma náhodných veličin X1 a X2, které mají normální rozdělení, obyčejně měří za použití Pearsonova korelačního koeficientu, který se vypočítá podle vzorce:

kde X1i a X2i - odpovídající hodnota parametru v pozorování-1, a X 1 a X2 - průměry série se skládá z n pozorování.

Velikost korelačního koeficientu je vždy uzavřen v -1 < r < 1 . Если r < 0, то это значит, что с увеличением в вариационном ряду наблюдаемых величин X1 соответствующие им значения X2 второго вариационного ряда в среднем уменьшаются. Если r > 0, то с увеличением
hodnoty parametru jako další parametr se zvyšuje v průměru. Pokud r = 0, znamená to, že parametry, X1 a X2 jsou zcela nezávislé.

Existuje-li r = l mezi parametry přímo úměrné funkční závislosti, že biomedicínský výzkum je velmi vzácné. Čím větší je absolutní hodnota korelačního koeficientu, obrazovka pro daného vzorku je větší než úroveň spolehlivosti, která odpovídá znak komunikačního skutečně získané korelačního koeficientu.

Vypočtený korelační koeficient je selektivní posouzení korelačního koeficientu obyvatel, a proto se jako každá náhodná hodnota má chybovou SR. Poměr vzorku korelačních koeficientů pro jejich kritéria chyb je test nulové hypotézy rovnosti nula korelačního koeficientu obecné populaci, nebo, v tomto pořadí, nezávislost náhodných veličin X1 a
X2

Počet stupňů volnosti pro zkušební kritéria je roven f = n - 2, hypotézy jsou testovány podle tabulek distribuce Student v souladu se zvolenou hladině významnosti. V případě, že vypočtená hodnota je stejná nebo vyšší než odpovídající hodnoty tabulky, nulová hypotéza zamítnuta.

Při malé množství vzorků (n < 30) расчет коэффициента корреляции по приведенным выше формулам дает заниженные оценки соответствующего параметра генеральной совокупности. В таком случае лучше применять z-преобразование Фишера:

Proměnná z nabývá hodnot v rozsahu od - do + nekonečna, distribuci velikosti přibližně normální. Pak kritérium spolehlivosti je index:

Distribučním Student tabulky pro zvolené hladině významnosti P a počtu stupňů volnosti f = N -2 kontrolovat nulovou hypotézu, že populace v tomto parametru je nula. Odmítnout hypotézu na zvolené hladině významnosti, pokud tz překročí odpovídající hodnotu uvedenou v tabulce.

Kachesov VA

Sdílet na sociálních sítích:

Podobné