Kapalı Kohort Verileri için Binom Yöntemleri – Epidemiyolojide Biyoistatistiksel Yöntemler – Biyoistatistikler – Epidemiyoloji – Biyoistatistikler Nedir? – İstatistik Fiyatları – Ücretli İstatistik
Hastalığa maruz kalan ve gerçekten hastalığı geliştiren a1 deneklerinden α1a1’e doğru şekilde hastalığa sahip olduğu teşhis edilir ve (1 – α1) a1 yanlış sınıflandırılır. Buna karşılık gelen bir yorum β1b1 ve (1 – β1) b1 için geçerlidir.
Benzer şekilde, α2 ve β2’yi, maruz kalmayan kohort için tanı duyarlılığını ve özgüllüğünü tanımlıyoruz ve Tablo 2.10 (b) ‘yi türetiyoruz. Tablo 2.10 (a) ve 2.10 (b) ‘nin en sağdaki sütunlarından, yanlış sınıflandırma varlığında kohort çalışması için gözlemlenen sayıları veren Tablo 2.11’i elde ederiz.
Duyarlılıklar ve spesifiklikler maruziyet durumuna bağlı olmadığında, yani α1 = α2 (= α) ve β1 = β2 (= β) olduğunda, yanlış sınıflandırmanın farklı olmadığı söylenir. Bu koşullar yerine getirilmediğinde, diferansiyel yanlış sınıflandırma terimi kullanılır.
Farksız durumda, gözlemlenen olasılık oranı OR ∗ payını ve paydasını genişletiyor, αβa2b1’i çarpanlarına ayırıyor ve ω1 = a1 / b1 ve ω2 = a2 / b2’ye dikkat ederek, OR> 1 olduğunu ve 0 <α <1 ve 0 <β <1 olduğunu varsayalım. Φ> 0 ve ψ> 0, (1 + φ + ψ) <(1 + φVEYA + ψ) ‘yi takip eder. Yani, (2.25) kullanarak, OR ∗> 1’in ancak ve ancak φ <1 ikinci eşitsizlik α + β> 1’e eşdeğerdir. Yanlış sınıflandırmaya o kadar yatkın olan bir teşhis süreci, α + β <1’in epidemiyolojik bir çalışmada kullanılması olası değildir. Yani pratikte genellikle OR ∗> 1 olur.
Bu, 1 <OR ∗ <OR vermek için (2.27) ile birleştirilebilir. Benzer şekilde, OR <1 olduğunda OR <OR ∗ <1 olduğunu buluruz. Bu, α + β> 1 olması koşuluyla, farklı olmayan yanlış sınıflandırmanın gözlemlenen olasılık oranını “boş” a, yani 1’e doğru yönlendirdiğini gösterir (Copeland ve ark. , 1977). Yanlış sınıflandırma farklı olduğunda, önyargının yönü hakkında böyle bir genel açıklama yapılamaz.
Daha önce olduğu gibi, π2, maruz kalmayan kohorttaki bir öznenin hastalığı gerçekten geliştirme olasılığı olsun. O zaman ω2 = π2 / (1 – π2) ve ω1 = ORω2 = ORπ2 / (1 – π2). (2.26) ‘daki ikame edersek, elimizde ve dolayısıyla OR ∗, α, β, π2 ve OR’nin bir fonksiyonudur. Tablo 2.12, seçilen α, β, π2 ve OR değerleri için OR / OR değerlerini verir.
Görülebileceği gibi, duyarlılık ve özgüllük oldukça yüksek olduğunda bile, farklı olmayan yanlış sınıflandırma, özellikle maruz kalmayan popülasyondaki hastalık olasılığı küçük olduğunda, gerçek olasılık oranının ciddi şekilde küçümsenmesine yol açabilir.
Yanlış sınıflandırmaya yatkın olduğu varsayılan hastalıktan ziyade maruziyet olması dışında, vaka kontrol çalışmaları için benzer bir analiz yapılabilir. Maruz kalma değişkeni polikotom olduğunda – yani ikiden fazla kategoriye sahipse – gözlemlenen olasılık oranları sıfırdan sapabilir veya hatta sıfırın diğer tarafında değerlere sahip olabilir.
Yanlış sınıflandırma, karıştırıcı değişkenleri de etkileyebilir. Bu gerçekleştiğinde, olasılık oranları sıfırdan uzaklaşabilir, sahte heterojenlik görünebilir ve gerçek heterojenlik maskelenebilir. Bu koşullar altında, karıştırmayı kontrol etmek için olağan yöntemler etkili değildir.
Kohort çalışmaları nedir
Vaka-kontrol ARAŞTIRMALARI Nedir
Kohort Nedir
Kohort nedir Tıp
Kohort araştırma makale örneği
Kesitsel araştırma nedir
Kohort etkisi nedir
Prospektif çalışma nedir
BU ÇALIŞMANIN KAPSAMI
Bu bölümü, bu kitabın kapsamı ve epidemiyolojide istatistiğin rolü üzerine birkaç yorumla sonlandırıyoruz. İstatistikçilerin, bilimsel bir araştırma alanı olarak epidemiyoloji üzerinde muazzam bir etkisinin olduğuna ve sahip olmaya devam ettiğine şüphe yoktur.
Olasılık modelleri, temel metodolojik konuları açıklığa kavuşturmak için kullanılmış ve epidemiyolojik çalışma tasarımlarının özelliklerini barındırmak için yenilikçi istatistiksel teknikler geliştirilmiştir. İkincisinin örnekleri, vaka kontrol çalışmaları için lojistik regresyon ve kohort çalışmaları için Cox regresyonudur, ancak bunlar alıntı yapılabilecek birçok başarıdan sadece ikisidir.
Bu çalışma çoğunlukla epidemiyolojik verilere uygulanan istatistiksel yöntemlerin teknik yönleriyle ilgilenmektedir. Ancak, epidemiyolojide istatistiğin rolü incelenirken dikkate alınması gereken daha derin konular vardır. Bu bölüme epidemiyolojik çalışmalarda rastgele ve sistematik olmak üzere iki tür hata olduğunu gözlemleyerek başladık.
Epidemiyolojik bir çalışmada harcanan çabanın çoğu, sistematik hatanın minimumda tutulmasını sağlamaya adanmıştır. Bu tür bir hatanın ortadan kaldırıldığı ideal durumda, geriye sadece rastgele hata kalır. Bu koşullar altında, hipotez testleri ve güven aralıkları gibi çıkarımsal istatistiksel yöntemler uygundur.
Rastgele kontrollü denemelerin uzmanlaşmış ortamı dışında, sistematik hatanın, özellikle de kafa karıştırıcı olanın tatmin edici bir şekilde ele alındığından emin olmak zordur. Bu, çıkarımsal istatistiksel yöntemlerin epidemiyolojik araştırmadaki rolü hakkında önemli sorunları ortaya çıkarmaktadır.
Bu çalışmada, epidemiyolojik çalışmalardan elde edilen verileri analiz etmek için geliştirilmiş bir dizi regresyonsuz yöntemi inceledik. Gelişmiş istatistiksel paketlerin artan kullanılabilirliği ile artık karmaşık regresyon modellerine uymak ve bilgisayar çıktısı yığınları üretmek kolaydır. Bununla birlikte, ayrıntılı istatistiksel yöntemlerin kötü tasarlanmış bir çalışmayı ve yetersiz toplanmış verileri telafi edemeyeceğini hatırlamakta fayda var.
Regresyon tekniklerinin bir avantajı, araştırmacıyı verilerle, regresyon yöntemlerinin tipik olarak yapmadığı bir şekilde yakın temasa getirmeleridir. Buna ek olarak, regresyon muadillerine göre kavramsal olarak daha erişilebilirdir ve bu, istatistiksel yöntemlerde sınırlı bir geçmişe sahip olanlara veri analizinin sonuçlarını açıklarken yardımcı olan bir özelliktir.
Bu çalışmanın amaçlarından biri, hesaplama açısından uygun olan ve daha ayrıntılı bir regresyon analizinden önce epidemiyolojik verileri araştırmak için kullanılabilecek seçilmiş bir dizi regresyonsuz tekniği belirlemektir.
Tek Numune Kapalı Kohort Verileri için Binom Yöntemleri
Bölüm 2’de epidemiyolojide önemli olan bir dizi ölçüm konusu tartışılmıştır. Açıklama amaçlı olarak deterministik bir yaklaşım kullanıldı, böylece rastgele hatayı dikkate alma ihtiyacı ortadan kalktı. Şimdi stokastik ortama dönüyoruz ve kapalı bir kohort çalışmasından elde edilen verileri analiz etme yöntemlerini açıklıyoruz.
Bölüm 2.2.1’den, kapalı bir kohort çalışmasında deneklerin ya hastalığı geliştirdiğini ya da geliştirmediğini ve hastalığı geliştirmeyenlerin mutlaka aynı takip süresine sahip olduğunu hatırlayın. Bu en az karmaşık kohort tasarımıdır, ancak yine de bazı temel veri analizi yöntemlerini sunmak için uygun bir araç sağlar.
Bu bölümde, maruziyet kategorileri arasında karşılaştırma yapılmadan, kohortun bütünüyle ele alındığı tek bir örneği ele alıyoruz. Örneğin, 5 yıllık ölüm oranını tahmin etmek amacıyla bir grup kanser hastasının 5 yıl boyunca izlendiği bir kohort çalışmasından elde edilen verileri analiz etmek için aşağıdaki yöntemler kullanılabilir. Açıklanacak yöntemler, binom dağılımına dayanmaktadır. Burada π hastalığı geliştirme olasılığı, r kohorttaki bireylerin sayısı ve a, takip sırasında meydana gelen vakaların sayısıdır.
Kesitsel araştırma nedir Kohort araştırma makale örneği Kohort çalışmaları nedir Kohort etkisi nedir Kohort Nedir Kohort nedir Tıp Prospektif çalışma nedir Vaka-kontrol ARAŞTIRMALARI Nedir