DOĞRULAMAYA KARŞI YAKLAŞIM – Epidemiyolojide Biyoistatistiksel Yöntemler – Biyoistatistikler – Epidemiyoloji – Biyoistatistikler Nedir? – İstatistik Fiyatları – Ücretli İstatistik

0 (312) 276 75 93 @ İletişim İçin Mail Gönderin bestessayhomework@gmail.com - 7/24 hizmet vermekteyiz... @@@ Süreli, online, quiz türü sınavlarda yardımcı olmuyoruz. Teklif etmeyin. - Ödev Yaptırma, Proje Yaptırma, Tez Yaptırma, Makale Yaptırma, Essay Yaptırma, Literatür Taraması Yaptırma, Vaka İncelemesi Yaptırma, Research Paper Yaptırma, Akademik Makale Yaptırma, İntihal Oranı Düşürme, İstatistik Ödev Yaptırma, İstatistik Proje Yaptırma, İstatistik Tez Yaptırma, İstatistik Makale Yaptırma, İstatistik Essay Yaptırma, Edebiyat Ödev Yaptırma, Edebiyat Proje Yaptırma, Edebiyat Tez Yaptırma, İngilizce Ödev Yaptırma, İngilizce Proje Yaptırma, İngilizce Tez Yaptırma, İngilizce Makale Yaptırma, Her Dilde Ödev Yaptırma, Hukuk Ödev Yaptırma, Hukuk Proje Yaptırma, Hukuk Tez Yaptırma, Hukuk Makale Yaptırma, Hukuk Essay Yaptırma, Hukuk Soru Çözümü Yaptırma, Psikoloji Ödev Yaptırma, Psikoloji Proje Yaptırma, Psikoloji Tez Yaptırma, Psikoloji Makale Yaptırma, İnşaat Ödev Yaptırma, İnşaat Proje Yaptırma, İnşaat Tez Yaptırma, İnşaat Çizim Yaptırma, Matlab Yaptırma, Spss Yaptırma, Spss Analizi Yaptırmak İstiyorum, Ücretli Spss Analizi, İstatistik Ücretleri, Spss Nedir, Spss Danışmanlık, İstatistik Hizmeti, Spss Analizi ve Sonuçların Yorumlanması, Spss Ücretleri, Tez Yazdırma, Ödev Danışmanlığı, Ücretli Ödev Yaptırma, Endüstri Mühendisliği Ödev Yaptırma, Tez Yazdırma, Matlab Ödev Yaptırma, Tez Danışmanlığı, Makale Danışmanlığı, Dış Ticaret ödev YAPTIRMA, Makale YAZDIRMA siteleri, Parayla makale YAZDIRMA, Seo makale fiyatları, Sayfa başı yazı yazma ücreti, İngilizce makale yazdırma, Akademik makale YAZDIRMA, Makale Fiyatları 2022, Makale yazma, Blog Yazdırma, Blog Yazdırmak İstiyorum

DOĞRULAMAYA KARŞI YAKLAŞIM – Epidemiyolojide Biyoistatistiksel Yöntemler – Biyoistatistikler – Epidemiyoloji – Biyoistatistikler Nedir? – İstatistik Fiyatları – Ücretli İstatistik

22 Aralık 2020  İstatistiksel Veri Analizi Biyometrik ölçüm yöntemleri Biyometrik veri ne demek Confirmation Bias örnekleri Doğrulama yanlılığı Nedir Doğrulama yanlılığı örnek Fotoğraf biyometrik veri midir Hawthorne Araştırmaları amacı Kvkk biyometrik veri Nedir 0
DOĞRULAMAYA KARŞI YAKLAŞIM – Epidemiyolojide Biyoistatistiksel Yöntemler – Biyoistatistikler – Epidemiyoloji – Biyoistatistikler Nedir? – İstatistik Fiyatları – Ücretli İstatistik

DOĞRULAMAYA KARŞI YAKLAŞIM

 Kapalı Kohort Çalışmalarında Karıştırmanın Karşı-olgusal Tanımı

Bölüm 2.3.1’de nedensellik tartışmalarında karşı olgusal argümanlar fikrini ortaya koyduk. Karşı-olgusal yaklaşım, felsefe alanında iyice yerleşmiştir, ancak son zamanlarda istatistik ve epidemiyolojide yararlanılmıştır.

Aşağıda, karşı olgusalları kullanarak bir uydurmanın tanımını sunuyoruz. Aşağıdaki tartışma, keyfi bir parametre ve keyfi bir etki ölçüsü olarak ifade edilebilir, ancak somutluk için, hastalık olasılığı ve risk farkına odaklanıyoruz.

Yukarıda kullanılan notasyonla devam edersek, π1 maruz kalan kohortta hastalık olasılığı olsun, maruz kalmayan kohortta karşılık gelen olasılık π2 olsun ve RD = π1 – π2 risk farkı olsun. Amacının belirli bir maruziyetin belirli bir hastalık için risk faktörü olup olmadığını belirlemek olduğu kapalı bir kohort çalışmasını düşünün.

Bu amaçla, maruz kalan ve görmeyen kohortlar belirli bir süre takip edilir ve risk farkı tahmin edilir. Çalışmaya maruz kalmamış kohortun dahil edilmesinin nedeni, maruz kalan kohort için bir karşılaştırma grubuna sahip olmaktır. Şaşırtıcı olmayan bir şekilde, maruz kalmamış kohortun seçilme şekli, kohort çalışmasının başarısı için çok önemlidir.

Maruz kalan kohortun her bir üyesi için, maruz kalan kişide maruz kalmamış olsaydı gözlenebilecek olan maruziyet ve hastalık arasındaki risk ilişkisini sergileyen, karşı olgusal maruz kalmamış birey olarak adlandırılan bir bireyi hayal edebiliriz. Maruz kalan kohortun her bir üyesi için bir karşı-olgusal maruz kalmamış bireyler grubunu bir araya getirerek, karşı-olgusal maruz kalmamış kohort olarak anılacak olanı elde ederiz.

Karşı-olgusal maruz kalmayan kohort hayali bir bireyler grubudur, ancak böyle bir kohort mevcut olsaydı, ideal karşılaştırma grubunu oluştururdu. Π1 ∗, karşı olgusal maruz kalmamış kohortta hastalık olasılığını göstersin ve maruz kalan kohortu karşı olgusal maruz kalmamış kohortla karşılaştıran risk farkı RD = π1 – π1 ∗ olsun. Karşılaştırma gruplarını karıştırmamak için, maruz kalmamış kohorta gerçek maruz kalmamış kohort olarak atıfta bulunacağız.

İdeal koşullar altında, gerçek ve karşı olgusal maruz kalmayan kohortlardaki hastalık olasılığı eşit olacaktır – yani, π2 = π1 – bu durumda RD = RD have olacaktır. Karşı-olgusal tanıma göre, 2 ̸ = π1 ∗ olduğunda kafa karıştırıcı mevcuttur. Bu durumda risk farkının (ve diğer etki ölçütlerinin) karıştırıldığı söylenir.

Karıştırmanın olmaması için, gerçek maruz kalmamış kohortun karşı olgusal maruz kalmamış kohort ile uzaktan bile benzer olması gerekli değildir, sadece π2 = π1 ∗ kimliğinin karşılanması gerekir. Örneğin, bir grup kadın prostat kanseri hastalarında tüm nedenlere bağlı ölüm oranlarının araştırılmasında gerçek maruz kalmamış kohort olarak hizmet edebilir.

Bu karşılaştırma grubundaki ölüm olasılığının, karşı olgusal maruz kalmayan kohorttaki ölüm olasılığına eşit olması koşuluyla, risk farkı temelsiz olacaktır. Bu, kafa karıştırmanın karşı-olgusal tanımıyla ilgili çok önemli bir noktayı göstermektedir: Bireysel düzeydeki süreçlere hiçbir atıfta bulunmadan, toplam düzeydeki nüfus özelliklerine dayanmaktadır.

Doğrulama yanlılığı Nedir
Hawthorne Araştırmaları amacı
Doğrulama yanlılığı örnek
Biyometrik veri ne demek
Confirmation Bias örnekleri
Kvkk biyometrik veri Nedir
Fotoğraf biyometrik veri midir
Biyometrik ölçüm yöntemleri

Bireysel risk açısından epidemiyolojik bulguları yorumlarken bu ayrım önemlidir. Karıştırmanın karşı-olgusal tanımı yararlı bir yapıdır, ancak karşı-olgusal maruz kalmamış kohortun hayali olması gibi bariz bir dezavantaja sahiptir. Bununla birlikte, belirli koşullar altında, karşı olgusal maruz kalmayan kohort makul bir şekilde yaklaştırılabilir.

Örneğin, kronik ağrısı olan hastalarda yeni bir analjeziğin plasebo ile karşılaştırıldığı çapraz tasarımlı randomize kontrollü bir çalışmayı düşünün. Bu tasarıma göre, denekler analjezik (maruziyet) veya plasebo almak üzere rastgele atanır ve ilk gözlem döneminden sonra diğer tedaviye geçirilir (çaprazlanır).

Analjeziğin kısa etkili olduğunu ve bu ilacı ilk alan deneklerde bulaşma etkisi olmadığını varsayalım. Bu durumda, karşı olgusal maruz kalmayan kohort, plasebo üzerindeyken tüm çalışma kohortu tarafından yakından tahmin edilir. Başka bir örnek olarak, bir kimyasal üretim tesisinde çalışan bir grup işçinin yanlışlıkla toksik bir maddeye maruz kaldığını varsayalım.

Maruz kalmanın kaza eseri niteliği nedeniyle, maruz kalan işçilerin kazaya karışmayanlardan herhangi bir sistematik şekilde farklı olmadığını varsaymak mantıklı olabilir. Eğer öyleyse, maruz kalmamış işçilerin rastgele bir örneği, karşı-olgusal maruz kalmamış kohorta tatmin edici bir yaklaşım sağlayacaktır.

Çoğu epidemiyolojik araştırmada, gerçek maruz kalmamış kohort, yukarıdaki örneklerde olduğu gibi karşı olgusal maruz kalmamış kohortla yakından karşılaştırılamaz. Dahası, belirli durumlarda, karşı olgusal, maruz kalmamış bir kohortun var olabileceğini hayal etmek bile zordur. Örneğin, etnik geçmişin hastalığın gelişimi üzerindeki etkisini incelemek istediğimizi varsayalım.

Etnik köken genetik, sosyoekonomik durum ve bireyin diğer temel özellikleriyle yakından ilişkili olduğu için, karşı olgusal, maruz kalmamış bir kohortu düşünmek neredeyse imkansızdır. Bu sınırlamalara rağmen, karışıklığa karşı karşı-olgusal yaklaşım, nedensellik ve risk hakkındaki düşüncelerimizi organize etmek için yararlı bir çerçeve sağlar.

Nüfus Riski Modeli

Şimdi Grönland ve Robins (1986) nedeniyle bir nüfus riski modeli düşünüyoruz. Maruz kalan ve (gerçek) maruz kalmayan kohortlarda Tablo 2.5’te gösterildiği gibi dört tür birey olduğunu varsayalım. Tanım gereği, maruz kalmanın “ölüme mahkum” veya “bağışık” olanlar üzerinde hiçbir etkisi yoktur ve “duyarlı” kişilerde maruz kalma “nedensel” veya “önleyici” dir.

Dört tipin her birine göre maruz kalan ve maruz kalmayan kohortların dağılımları Tablo 2.5’te verilmiştir; burada, tanım gereği p1 + p2 + p3 + p4 = 1 veq1 + q2 + q3 + q4 = 1.Intheexposedcohort, sadece tip 1 ve tip 2 denekler hastalığı geliştirecektir ve bu nedenle hastalık olasılığı π1 = p1 + p2’dir. Maruz kalmayan kohortta karşılık gelen olasılık π2 = q1 + q3’tür. Yani RD = (p1 + p2) – (q1 + q3).

Karşı olgusal maruz kalmayan kohortta hastalık olasılığı π1 ∗ = p1 + p3 ve dolayısıyla RD ∗ = (p1 + p2) – (p1 + p3) = p2 – p3’tür. Tanım olarak, RD yalnızca π1 ∗ = π2 ise, yani p1 + p3 = q1 + q3, bu durumda RD = RD ∗ = p2 – p3 ise bağlantısız olacaktır.

P1 + p3 = q1 + q3 kimliğinin karşılanması için bireysel kimliklerin p1 = q1 ve p3 = q3 tutmasının gerekli olmadığına dikkat edin. Karıştırmanın olmaması için gereken tek şey, net etkilerin tip 1 ve tip 3 deneklerden oluşan alt gruplarda aynı olmasıdır.

Bu, kafa karıştırmanın bireyler düzeyinde değil, nüfus düzeyinde belirlendiğini daha önce belirttiğimiz noktayı göstermektedir.

 

Bir cevap yazın

E-posta hesabınız yayımlanmayacak.