Kapalı Kohort Çalışmalarının Bazı Varsayımsal Örnekleri – Epidemiyolojide Biyoistatistiksel Yöntemler – Biyoistatistikler – Epidemiyoloji – Biyoistatistikler Nedir? – İstatistik Fiyatları – Ücretli İstatistik
Önceki yazıda yer alan örneğe benzer şekilde, osteoporozu kafa karıştırıcı bir kaynak olarak görmek caziptir. Bununla birlikte, osteoporoz, kalsiyum eksikliği ve kalça kırıkları arasındaki nedensel yolda bir adım olduğu için burada durum farklıdır.
Sonuç olarak, osteoporoz, kalsiyum eksikliği ve kalça kırıkları arasında sahte bir risk ilişkisine neden olmaz, bunun yerine gerçek bir nedensel bağlantıyı açıklamaya yardımcı olur. Bu nedenle osteoporozu kafa karıştırıcı bir kaynak olarak görmüyoruz.
Herhangi bir matematiksel yapıda olduğu gibi, veri analizi amaçları için karıştırmanın işleyiş biçimi bir tanım meselesidir; ve göreceğimiz gibi farklı tanımlar mümkündür. Doğrulamanın tanımına varma süreci, daha sonra daha genel bir formülasyon verilebilecek temel özellikler için incelenen somut örneklerle tümevarımlı bir süreçtir.
Önceki varsayımsal çalışmalar, kafa karıştırıcı tanımın bir parçası olarak dahil edilmesi gereken bazı temel nitelikleri göstermektedir ve biz kavramı daha fazla araştırdıkça bu gerekliliklere bağlı kalınacaktır. Spesifik olarak, bir F değişkeninin kafa karıştırıcı bir kaynak (düzenleyici) olması için, F’nin aşağıdaki koşulları karşılamasını istiyoruz: F hastalık için bir risk faktörü olmalı ve F maruziyetle ilişkilendirilmelidir. Bu iki koşula, F’nin maruziyet ve hastalık arasındaki nedensel yolun parçası olmaması gerekliliğini ekliyoruz.
Kapalı Kohort Çalışmalarının Bazı Varsayımsal Örnekleri
Önceki bölümde gösterildiği gibi, tabakalaşma, epidemiyolojik verilerin analizinde, özellikle karıştırıcılarla bağlantılı olarak önemli bir rol oynar. Bu bölümde, risk farkı, risk oranı ve olasılık oranının kaba ve tabakalı 2 × 2 tablolarda nasıl davrandığına dair bir fikir geliştirmek için bir dizi varsayımsal kapalı kohort çalışmasını inceleyeceğiz.
Bu, kafa karıştırıcı tartışmalarda faydalı olacak bir analizi motive edecektir. Gerçek bir kohort çalışmasında, denekler bir popülasyondan rastgele örneklenir, bu işlem rastgele hataya neden olur. Bu bölümün geri kalanı için, popülasyonun tamamının kohorta dahil edildiğini ve her birey için hastalığın gelişmesine ilişkin sonucun önceden belirlendiğini (bilinmemekle birlikte) varsayarak rastgele hatayla ilgili sorunlardan kaçınmak uygundur.
Bu şekilde, önceki olasılıkçı (stokastik) yaklaşımı deterministik olanla değiştiririz. Açıkça söylemek gerekirse, artık olasılıklardan ziyade oranlar olarak Tablo 2.1 (b) ‘de π1 ve to2’ye atıfta bulunmalıyız çünkü artık stokastik bir bağlam yoktur. Bununla birlikte, açıklamanın basitliği için önceki terminolojiyi koruyacağız. Aşağıda, popülasyona atıfta bulunmaya devam edeceğiz, ancak şimdi onu takip sürecinin başlangıcındaki kohortla eşitleyeceğiz.
Tablo 2.2 (a) –2.2 (e), üç değişkenin olduğu kapalı kohort çalışmalarının örneklerini verir: maruziyet (E), hastalık (D) ve katmanlaştırıcı bir değişken, (F). Bir özelliğin varlığını belirtmek için E = 1, D = 1 ve F = 1’i ve yokluğunu belirtmek için E = 2, D = 2 ve F = 2’yi kullanırız. Burada, kitabın başka yerlerinde olduğu gibi, bir nokta • bir dizinin tüm değerlerinin toplamını belirtir. Tabakaya özgü tablolar olarak “F = 1” ve “F = 2” başlıklı tablolara, ham tablo olarak “F = •” başlıklı tabloya atıfta bulunuyoruz.
Ham tablo, tabakaya özgü tablolardan F üzerine çökerek, yani tabakalar üzerinden hücre hücre bazında toplanarak elde edilir. Tabloların alt başlıklarının yorumu kısa süre içinde netleşecektir.
Tablo 2.2 (a) ‘da, her bir etki ölçüsü için, tabakaya özgü değerler birbirine ve ham değere eşittir. Aslında, 2. tabakadaki girişler, hücre hücre 1. tabakadaki girişlerin iki katıdır. Tablo 2.2 (a) ‘daki verileri analiz ederken tabakalaşmayı korumak için çok az neden var gibi görünmektedir. Tablo 2.2 (b) ve 2.2 (c) ‘de, her etki ölçüsü için, katmana özgü değerler katman 1’den katman 2’ye yükselir. Her ham etki ölçümünün karşılık gelen katmana özgü değerler arasında yer aldığını gözlemleyin.
Kohort çalışması nedir
Vaka-kontrol çalışması
Kohort Nedir
Kohort araştırma makale örneği
Kohort nedir Tıp
Kesitsel çalışma nedir
Retrospektif çalışma Nedir
Prospektif çalışma nedir
Bir etki ölçümünün katmana özgü değerlerinin bir kısmı veya tamamı farklı olduğunda (F katmanlarına göre) bu fenomeni aşağıdaki eşzamanlı ifadelerden herhangi birini kullanarak tanımlarız: Etki ölçüsü heterojendir (F katmanları arasında), F bir etki değiştiricidir (etki ölçüsüdür) ve E ile F arasında bir etkileşim vardır. Bu ifadeler sonraki tartışmalarda birbirinin yerine kullanılacaktır.
Bir etki ölçüsünün heterojen olup olmadığına ilişkin kararın yalnızca katmana özgü değerlere dayandığına ve ham değeri içermediğine dikkat edin. E ve F ikiye bölündüğünde, söz konusu etki ölçümlerinin her biri için, ancak ve ancak E, F-D ilişkisinin bir etki değiştiricisi ise, F’nin E-D ilişkisinin bir etki değiştiricisi olduğu gösterilebilir. Bu, efekt modifikasyonunun E ve F arasında simetrik bir ilişki olduğu anlamına gelir.
Risk oranı için bu sonucun bir gösterimi için Bölüm 2.5.6’ya bakın. Heterojenlik olmadığında – yani, etki ölçümünün tüm katmana özgü değerleri eşit olduğunda – homojenlik olduğunu söyleriz. Tablo 2.2 (d) ‘de risk oranının etki değişikliği vardır, ancak risk farkı veya olasılık oranı yoktur. Bu, etki değişikliğinin mevcut olup olmadığına ilişkin kararın, söz konusu etkinin ölçüsüne bağlı olduğunu göstermektedir.
Şaşırtıcı bir şekilde, basit bir etki ölçüsünün, tabakaya özgü değerlerin herhangi birinden daha büyük veya daha az olması mümkündür, bu, Simpson’ın para-dox’u olarak adlandırılan bir fenomendir (Simpson, 1951). Tablo 2.2 (e) ‘de, her üç etki ölçüsü de Simpson’ın paradoksunu sergilemektedir. Burada ham değerler yalnızca tabakaya özgü değerlerin aralığının dışında kalmaz, aynı zamanda her durumda zıt risk ilişkisine işaret eder. Tablo 2.2 (d) ‘deki olasılık oranı, Simpson’ın paradoksunu da sergilemektedir; bu bulgu, etki değişikliği olmadığı düşünüldüğünde çok daha çarpıcıdır.
DOĞRULAMAYA UYGUNLUK YAKLAŞIMI
Kapalı Kohort Çalışmalarında Ortalama Olabilirlik ve Kesin Daraltılabilirlik
Bu bölümde, katmanlaştırıcı F değişkeninin J ≥ 2 kategorilerine sahip olduğu katmanlanmış 2 × 2 tablolarda risk farkı, risk oranı ve olasılık oranının bir analizini gerçekleştiriyoruz. Bu analizin sonuçları, Tablo 2.2 (a) – 2.2 (e) ‘deki ampirik bulgulara, özellikle de Simpson paradoksunun nedenine ilişkin içgörü sağlar.
Belirli bir etki ölçüsü için, M’nin ham değeri göstermesine izin verin, μ j, j’inci tabakaya özgü değeri (j = 1,2, …, J) göstersin ve μmin ve μmax minimum ve maksimum değerler olsun μ j. Μmin ≤ M ≤ μmaks’ı sağlayan koşulların belirlenmesi ile özellikle ilgileniyoruz; yani, Simpson’ın paradoksunun olmayacağını garanti eden koşullar vardır.
Bazı ağırlık kümeleri için μj’nin ağırlıklı ortalaması olarak ifade edilebiliyorsa M’nin ortalanabilir olduğu söylenir (belirli bir tabakalaşma için). Şimdi, M’nin ancak ve ancak μmin ≤ M ma μmax ise ortalanabilir olduğunu gösteriyoruz. Bunun bir doğal sonucu, eğer M ortalanabilir ise, Simpson’ın paradoksu yoktur. M’nin ortalanabilir olduğunu varsayalım.
Aynı şekilde, M ≤ μmax ve dolayısıyla μmin ≤ M ≤ μmax. Tersine, μmin ≤ M ≤ μmax olduğunu varsayalım. İki durumu düşünmemiz gerekiyor. M, tabakaya özgü değerlerden birine eşitse, meselaμj, letwj = 1 ve burada ana ağırlık sekalı 0 olarak ayarlayın. Aksi takdirde, M kesinlikle katmana özgü değerlerin ikisi arasında yer alır, örneğin μj ve μj + 1.Bu durumda letwj bethe (benzersiz) çözümtoM = wjμj + (1 − wj) μj + 1, letwj + 1 = 1 − wj ve kalan ağırlıkları 0’a eşitleyin. Her iki durumda da M, μ j’nin ağırlıklı ortalaması olarak ifade edilebilir; yani, M ortalanabilir.
