Kohort Verileri için Olasılık Oranı Yöntemleri – Epidemiyolojide Biyoistatistiksel Yöntemler – Biyoistatistikler – Epidemiyoloji – Biyoistatistikler Nedir? – İstatistik Fiyatları – Ücretli İstatistik
Tabakalı Olmayan Kapalı Kohort Verileri için Olasılık Oranı Yöntemleri
Bölüm 2’de olasılık oranı, risk oranı ve risk farkının ölçüm özelliklerini karşılaştırdık. Bu etki ölçülerinden hiçbiri her bakımdan diğer ikisinden üstün bulunmamıştır. Bu bölümde, kapalı bir kohort çalışmasından verileri analiz etmek için olasılık oranı yöntemlerini tartışıyoruz.
Olasılık oranına öncelik vermenin nedeni, bu etki ölçüsü için risk oranı veya risk farkından daha geniş bir istatistiksel teknik yelpazesinin mevcut olmasıdır. Dolayısıyla, olasılık oranına ilk odaklanma, organizasyonel bir yaklaşımı yansıtır ve olasılık oranının, kapalı kohort verilerini analiz etmek için risk oranından veya risk farkından bir şekilde “daha iyi” olduğu anlamına gelmez.
Bununla birlikte, risk oranı ve risk farkı ile karşılaştırıldığında, olasılık oranına dayalı yöntemlerin diğer epidemiyolojik çalışma tasarımlarına daha kolay uygulandığı doğrudur. Bölüm 9’da gösterildiği gibi, kapalı kohort çalışmaları için olasılık oranı yöntemleri, sansürlenmiş hayatta kalma verilerini analiz etmek için kullanılabilir; ve Bölüm 11’de tartışıldığı gibi, bu aynı teknikler vaka kontrol ortamına uyarlanabilir.
Çoğunlukla, bu bölümdeki materyal, yöntemlerin bir yandan tam veya asimptotik, diğer yandan koşulsuz veya koşullu olmasına göre düzenlenmiştir. Bu dört geniş kategori üretir: tam koşulsuz, asimptotik koşulsuz, kesin koşullu ve asimptotik koşullu.
Tüm olasılık oranı yöntemleri bu şemaya tam olarak uymaz, ancak sınıflandırma yararlıdır. Her bir kategoride öncelikle üç konuya odaklanıyoruz: nokta tahmini, (güven) aralığı tahmini ve hipotez testi.
Belirli kategoriler için bu konulardan bazıları ele alınmayacaktır çünkü karşılık gelen yöntemler yaygın olarak kullanılmamaktadır veya açıklamaları bu çalışmanın kapsamı dışında bir matematiksel karmaşıklık düzeyi gerektirmektedir.
Kesin koşulsuz yöntemler, birkaç nedenden ötürü hiç dikkate alınmayacaktır: Yoğun bir şekilde hesaplamaya dayalı olabilirler; tarif edilecek diğer tekniklere göre eğer varsa çok az avantaj sunarlar; ve pratikte nadiren kullanılırlar.
Bölüm 4.1-4.5’te, maruziyetin ikili olduğu tablolar için olasılık oranı yöntemlerini tartışıyoruz ve Bölüm 4.6’da bir polikotom maruziyet değişkeni durumunu ele alıyoruz. Bu bölüm ve sonraki bölüm için genel referanslar Breslow ve Day (1980), Fleiss (1981), Sahai ve Khurshid (1996) ve Lachin (2000) ‘dir.
TEK 2 × 2 TABLO İÇİN ASEMPTOTİK KOŞULSUZ YÖNTEMLER
Bu bölümün yöntemleri, Bölüm 4.2’de koşullu yaklaşım tanıtıldıktan sonra anlaşılacak bir terim olan koşulsuz olarak anılacaktır. Tablo 2.1 (a) ‘ya benzer olan Tablo 4.1, maruziyetin iki yönlü olduğu kapalı bir kohort çalışması için gözlemlenen sayıları vermektedir.
Grubun, maruz kalmış ve maruz kalmamış kohortlara bölünmüş basit rastgele bir örnek olduğunu veya maruz kalan ve maruz kalmayan kohortların farklı basit rastgele örnekler olduğunu varsayıyoruz. Her iki durumda da r1 ve r2’yi bilinen sabitler olarak ele alırız.
R1 ve r2’yi sütun marjinal toplamları olarak ve m1 ve m2’yi satır marjinal toplamları olarak adlandırıyoruz. Bu dört miktar birlikte ele alındığında, marjinal toplamlar olarak adlandırılır. Bölüm 2.2.1’de olduğu gibi, maruz kalan ve maruz kalmayan kohortlarda hastalığın gelişiminin sırasıyla (π1, r1) ve (π2, r2) parametreleriyle A1 ve A2 binom rastgele değişkenleri tarafından yönetildiğini varsayıyoruz.
Bölüm 2.2.1’de tartışıldığı gibi, deneklerin hastalığın gelişimi ile ilgili olarak bağımsız davrandıkları varsayılmaktadır. Bunu, A1 ve A2’nin bağımsız olduğu ve dolayısıyla bunların ortak olasılık fonksiyonunun, bireysel olasılık fonksiyonlarının ürünü olduğu izler.
Sıfır hücre sorununa başka yaklaşımlar da mevcuttur. Sıfır olsun ya da olmasın tüm iç hücrelere eklendiğinde ORu’nun daha az önyargılı olduğu gösterilebilir. Ancak, Bölüm 3’te olduğu gibi, bu uygulama burada izlenmeyecektir.
Kohort çalışması nedir
Kohort araştırma makale örneği
Vaka-kontrol Araştırmaları
Kesitsel araştırma nedir
Kohort Nedir
Atfedilen Risk Nedir
Kohort nedir Tıp
Rölatif risk Nedir
Log-Odds Oran Dönüşümü
Log-olasılık oranı logu (OR), kapalı kohort çalışmalarından elde edilen verilerin analizinde önemli bir rol oynar. Koşulsuz maksimum olasılık olduğu gösterilebilir. log (OR) tahmini logdur (ORu). Gösterim kolaylığı için bazen yazıyoruz
log (ORu) yerine ORu’yu günlüğe kaydedin. Bölüm 3.2.2’de yapılan gözlemlere göre, ωˆ daha çok çarpık olabilirken, log (ωˆ) genellikle az çok simetriktir.
Bu nedenle, ORu = ωˆ 1 / ωˆ 2’nin oldukça çarpık olması ve log (ORu) = log (ωˆ 1) – log (ωˆ 2) ‘nin genellikle nispeten simetrik olması şaşırtıcı değildir. Bunu örneklerle açıklıyoruz. (Π1, r1) = (.4,10) ve (π2, r2) = (.2, 25) parametreli iki terimli dağılımları düşünün. O halde ORu = [a1 (25 – a2)] / [a2 (10 – a1)] ve log (ORu) = log [a1 (25 – a2)] – log [a2 (10 – a1)] olur.
ORu’nun örnek uzayı 9,34 × 10−4’ten 1071’e kadar uzanır, ancak dağılım olasılık oranlarıyla aşırı derecede çarpıktır. Olasılığın% 95,6’sını oluşturan 12,25’ten küçük veya eşit. Şekil 4.1 (a) 1, büyüklükler eksenlerde gösterilmemiştir çünkü esas olarak dağılım şekilleriyle ilgileniyoruz. Şekil 4.1 (a) için veri noktaları, kesilmiş örnek uzayını eşit aralıklarla 10 aralığa bölerek ve ardından her aralıktaki olasılık öğelerini toplayarak oluşturulmuştur.
Log (ORu) dağılımı Şekil 4.1 (b) ‘de gösterilmektedir. Yatay eksen solda kesildi ve ağda, her iki durumda da% 1’lik bir kuyruk olasılığına karşılık gelir. Olabildiğince görülebileceği gibi, log (ORu), ORu’dan çok daha simetriktir ve bu nedenle, normal yaklaşımlarına göre, hesaplamaların ORu yerine log (ORu) bazında yapılması tercih edilir.
Şekil 4.2 (a) ve 4.2 (b), (π1, r1) = (.4, 25) ve (π2, r2) = (.2, 50) parametreli binom dağılımlarına dayalı ORu ve log (ORu) dağılımlarını göstermektedir. ).
Her iki binom dağılımının da ortalaması 10 olmasına rağmen, ORu oldukça çarpıktır, OR, log (ORu) ise nispeten simetriktir. Bunun gibi ampirik kanıtlara dayalı olarak, log (ORu), bileşen binom dağılımlarının araçlarının 5 veya daha fazla olması koşuluyla makul ölçüde simetrik olmalıdır, oysa ORu’nun simetrik olmasını sağlamak için çok daha büyük araçlar gereklidir.
Pearson İlişkilendirme Testi
earson’un ilişkilendirme testinin olasılık oranıyla belirli bir bağlantısı yoktur, bu da risk oranı ve risk farkına dayalı analizler için eşit derecede geçerlidir. Burada kolaylık sağlamak amacıyla tanıtıldı. Maruz kalan ve maruz kalmayan kohortlarda hastalık olasılığı aynı olduğunda, yani π1 = when2 olduğunda, maruziyet ve hastalık arasında bir ilişki olmadığını söylüyoruz. İlişkisiz H0: π1 = π2 hipotezi altında, beklenen sayılar tanımlanır.
Atfedilen Risk Nedir Kesitsel araştırma nedir Kohort araştırma makale örneği Kohort çalışması nedir Kohort Nedir Kohort nedir Tıp Rölatif risk Nedir Vaka-kontrol Araştırmaları