KONFOUNDING KONTROLÜ – Epidemiyolojide Biyoistatistiksel Yöntemler – Biyoistatistikler – Epidemiyoloji – Biyoistatistikler Nedir? – İstatistik Fiyatları – Ücretli İstatistik
İnme riski yaşla birlikte artar ve bu nedenle vaka ve kontrol örneklerinin ortalama yaşı, kontrollerin seçildiği inme olmayan popülasyonun ortalama yaşından daha büyük olacaktır. Hipertansiyon riski de yaşla birlikte artar ve sonuç olarak örneklenmiş kontrollerin inme geçirmeyen popülasyondaki bireylere göre hipertansiyona sahip olma olasılığı daha yüksektir, yani 2 ∗> φ2 olarak hesaplanır.
Sonuç olarak, çalışmadaki eşleşen çiftler, popülasyonda rastgele oluşan çiftlere göre hipertansiyonun varlığı veya yokluğu açısından daha sık uyumlu olacaktır. Bu nedenle, φ <φ0 ve bu nedenle, çoğu uygulamada, J0, çalışma için gereken eşleşen çiftlerin sayısının olduğundan az tahmin edilecektir.
Sadece ve ancak eşleşen değişkenler vaka ve kontrol örneklerindeki maruziyet ile ilişkili değilse θ = 1 olduğu gösterilebilir; eşdeğer olarak, ancak ve ancak Tablo 14.5 (b), Tablo 14.5 (c) olarak ifade edilebilirse. Örneğin, θ = 1 anlamına gelir.
ki bu φ11 için çözülebilir ve φ11 = φ1 ∗ φ2 ∗ verir. Θ paydasından görülebileceği gibi, φ arttıkça (azaldıkça), θ’da buna karşılık gelen bir azalma (artış) vardır. Önceki gözlemler, θ’yi vaka ve kontrol numunelerindeki uygunluğun (maruziyetin) bir ölçüsü olarak görüntülemek için bir mantık sağlar.
Θ ̸ = 1 için, bu uyumu açıklayan φ0’ın “düzeltilmiş” bir versiyonu (Fliess ve Levin, 1988) ‘dir, burada φ1 ve φ0 (14.6) ve (14.10) ile verilmektedir. Dolayısıyla, vaka kontrol çalışması için gereken eşleşen çiftlerin sayısına bakılır.
(14.6) ve (14.9) – (14.11) ‘den J1’in bir α, β, φ2, OR ve θ fonksiyonu olduğunu gözlemliyoruz. Uygulamada, φ2 ve OR’nin çalışma öncesi tahminleri genellikle belirtilebilir, ancak aynısı θ için söylenemez. Tablo 11.8’den θ tahmini yapılır.
Ancak, Tablo 11.8’deki gibi eşleşen çift verileri mevcutsa, φ, directly = [f (1,0) + f (0,1)] / J kullanılarak doğrudan tahmin edilebilir. Θ hakkındaki çalışma öncesi bilgiler sınırlı olduğunda, Fleiss ve Levin (1988) 2.5 gibi nispeten büyük bir θ in (14.11) değeri kullanılmasını önermektedir.
Şekil 14.1 (a) ve 14.1 (b), J0 / J1 grafiklerini 2 = .05 ve.5 için ve OR = 2and5 için,> 1 ile gösterildiği gibi gösterir, J0 / J1, θ ve dolayısıyla J0’ın sürekli azalan bir fonksiyonudur. θ 1’den büyük ölçüde farklı olduğunda J1’i ciddi şekilde küçümseyebilir.
Lachin (1992), (14.11) ‘in alternatif bir formülasyonunu verir ve eşleşen çift tasarımları için, Fleiss ve Levin (1988) ve Dupont (1988) yöntemlerinin benzer sonuçlar verdiğini gösterir. Dupont (1988), (1: M) eşleşmeli çalışmalar için bir örneklem büyüklüğü formülü verir, ancak eşleşen çiftler durumu dışında, hesaplamalar daha çok dahil edilir. Schlesselman’ı (1982, s. 168) takiben, (1: M) eşleşmesi için, vaka sayısı için yaklaşık bir örneklem büyüklüğü formülü farklıdır.
KONFOUNDING KONTROLÜ
Eşleştirilmiş çiftler tasarımı dışında, yukarıdaki örneklem büyüklüğü formülleri karıştırıcıları hesaba katmaz. Tabakalaşmaya izin veren numune büyüklüğü tahmin yöntemleri ve karıştırıcı kontrolün diğer formları tarif edilmiştir. Örneğin, bkz. Gail (1973), Munoz ve Rosner (1984), Wilson ve Gordon (1986), Woolson ve diğerleri. (1986), Self ve Mauritsen (1988), Lubin ve Gail (1990) ve Self vd. (1992). EGRET SIZ (1997), karıştırıcılar için ayarlama ile asimtotik numune boyutu hesaplamaları yapan bir yazılım paketidir.
Örnek 14.6 (Östrojen – Endometriyal Kanser) Örnek 11.3’ün eşleşen çiftler çalışmasını düşünün. Planlama aşamasında, en az 3 kadar küçük bir VEYA değerinin tespit edilmesinin istendiğini varsayalım. Α = .05 ve β = .20 ile.
Uyumsuz çiftlerin gerçek sayısı 50 idi. Tablo 11.10’daki verilere göre, φ2 ∗ = 19/183 = .104 ve θ = 4.82. Örnekleme uğruna φ2 = .05 olduğunu varsayalım. Yukarıdaki formüllerden, φ0 = .173 ve φ = .129. Dolayısıyla, çalışma için gereken toplam eşleşen çift sayısı J1 = 29 / .129 = 224 olacaktır. Eşleşen çiftlerin gerçek sayısı 183’tü.
Confounding variable nedir
Confound ne demek
Confounding variable example
Confounder ne demek
Confounding ne demek
Examples of confounding variables
GÜÇ
Uygulamada, önerilen bir çalışma için mümkün olan maksimum örnek büyüklüğünün araştırmacının kontrolü dışındaki faktörlerle belirlenmesi olağandışı değildir. Örneğin, mali hususlar veya deneklerin mevcudiyeti, kaydedilebilecek deneklerin sayısına bir tavan koyabilir veya çalışma mevcut verilerin analizini içerebilir. Bu gibi durumlarda, soru, verilen örneklem büyüklüğünün “tespit etmeye değer bir farkı” tespit edecek kadar büyük olup olmadığı sorusu ortaya çıkar.
Tanım olarak, false, yanlış olduğunda boş hipotezi reddetmeme olasılığıdır. Sonuç olarak, güç olarak adlandırılan 1 – β, yanlış olduğunda boş hipotezi reddetme olasılığıdır. Başka bir deyişle, güç, tespit edilmek için oradayken “tespit etmeye değer bir fark” tespit etme olasılığıdır.
Açıkçası, güç istatistiksel testlerin bir özelliğidir; ancak, güç ve örneklem büyüklüğü arasındaki yakın bağlantı nedeniyle, bir çalışmanın gücünden bahsetmek olağandır. Bir çalışma tasarlanırken, genellikle en az% 80’lik bir güce sahip olmak istenir. Yukarıda ele alınan örneklem büyüklüğü formülleri, belirli değişkenleri içeren kimliklerdir.
Örneğin, (14.8) altı büyüklük m1, α, β, ρ, φ2 ve OR arasındaki matematiksel bir ilişkiyi ifade eder. Beş tanesi belirlendikten sonra altıncı otomatik olarak belirlenir. Bir vaka kontrol çalışmasının planlandığını ve vaka sayısının m1 olarak sabitlendiğini varsayalım. Şimdi, 1 – β için (14.8) ‘i çözerek çalışmanın gücü için bir formül elde ediyoruz.
Z standart normal olsun ve (z) = P (Z ≤ z) tanımlayın. Zγ tanımından, P (Z ≥ zγ) = γ ve böylece (zγ) = P (Z ≤ zγ) = 1 – P (Z ≥ zγ) = 1 – γ. Örneğin, (1,96) = 1 – 0,025 = 0,975. (14.8) ‘in her iki tarafının karekökünü almalıyız. Pratikte, α ve β her zaman 0,5’ten küçüktür ve bu nedenle zα / 2 ve zβ 0’dan büyüktür.
Bu nedenle, (14.8) ‘in payının karekökü, büyük parantez içindeki terimdir. Bununla birlikte, φ1 – φ2’nin işareti OR’un 1’den büyük veya küçük olmasına bağlıdır. Paydanın karekökü | |1 – φ2 | şeklinde yazılabilir, ,1 – φ2 mutlak değeri. Zβ için çözme (14.8) verir.
Örnek 14.7 100 vaka ve 200 kontrol (ρ = 2) ile bir vaka kontrol çalışmasının yürütüleceğini varsayalım. Her zamanki gibi, α = .05 olsun ve çalışma öncesi tahminlerin φ2 = .10 ve OR = 2 olduğunu varsayalım. (14.13) ‘e göre güç% 52; yani, olasılık oranının gerçek değeri 2 olduğunda boş hipotez H0: OR = 1’in reddedilme olasılığı% 52’dir. Şekil 14.2, OR’nin bir fonksiyonu olarak 1 – β grafiğini gösterir. OR 0,16’dan küçük veya 2,58’den büyük olmadığı sürece güç% 80’in altındadır.
Confound ne demek Confounder ne demek Confounding ne demek Confounding variable example Confounding variable nedir Examples of confounding variables