Standartlaştırılmış Etki Ölçüleri – Epidemiyolojide Biyoistatistiksel Yöntemler – Biyoistatistikler – Epidemiyoloji – Biyoistatistikler Nedir? – İstatistik Fiyatları – Ücretli İstatistik
Yine de, bilinmeyen bir karıştırıcının etkisi akılda tutulmalı ve bu nedenle nedensel diyagramlar uygun bir dikkatle yorumlanmalıdır.
Şimdi tek bir potansiyel karıştırıcı F’nin basit durumu üzerinde uzmanlaşıyoruz. Birden fazla potansiyel karıştırıcı içeren durum, eğer F’nin bir dizi potansiyel kurucu üzerinde tabakalaşarak oluştuğunu düşünürsek, mevcut tartışmanın kapsamına alınmıştır. F’nin çalışılan maruziyetten etkilenmediğini varsayıyoruz. Bu varsayımın başarısız olacağı bir örnek, daha önce sunulan hiperkolesterolemi ve miyokard enfarktüsü çalışmasında, F hipertansiyon olarak alınmıştır.
Yukarıda belirtildiği gibi hiperkolesterolemi, miyokardiyal enfarktüs için bir risk faktörü olan hipertansiyona yol açabilir. Risk faktörleri söz konusu maruziyetten etkilendiğinde, kafa karıştırıcı ve nedensellik analizi çok daha karmaşık hale gelir ve bu tartışmanın kapsamının ötesinde değerlendirmeler gerektirir.
F’nin maruziyetten etkilenmediği varsayıldığında, F’nin maruziyet ve hastalık arasındaki nedensel yolda olamayacağı sonucu çıkar. Bunun, Bölüm’de belirtilen koşullardan biri olduğunu hatırlayın 2.3.2 karıştırıcının uygun bir tanımının gerekliliği olarak ele alın.
Π1 ∗ j j. Tabakadaki karşı olgusal hastalık olasılığını ve p1 ∗ j’nin o tabakadaki karşı olgusal maruz kalmamış kohortun oranını göstermesine izin verin (j = 1,2, …, J).
Etki büyüklüğü hesaplama
SPSS etki büyüklüğü hesaplama
T testi etki büyüklüğü hesaplama
Cohen d hesaplama
Cohen d formülü
Eta kare etki büyüklüğü
Effect size calculator
ANOVA etki değeri
Şimdi, F’nin katmanlarında hiçbir kalıntı karıştırmanın olmadığını varsayıyoruz; yani, hepsi j için π1 ∗ j = π2j. Bu varsayım, güçlü cehalet varsayımı ile ilgilidir (Rosenbaum ve Rubin, 1983; Rosenbaum, 1984a). Holland’a (1989) göre, bu belki de randomize olmayan çalışmalardaki nedensel çıkarım tartışmalarında yapılan en önemli varsayım türüdür.
Yukarıda F’nin E’den etkilenmediği varsayılmıştır. Bu, maruz kalan kohort aslında maruz kalmamış olsaydı, F dağılımının değişmeyeceği anlamına gelir; yani, tüm j için p1 ∗ j = p1 j. Sonuç olarak, (2.4) ve (2.16) ‘dan, karıştırmama kriteri, π1 ∗ = π2 olarak ifade edilebilir (Wickramaratne ve Holford, 1987; Holland, 1989). Kimlik (2.17), risk farkı ve risk oranının ortalamasını garanti etmek için yeterli olduğu gösterilen kimlikler (2.7) ve (2.10) ile aynıdır.
Sonuç olarak, koşul (i) veya koşul (ii), π1 ∗ = π2’nin doğru olması için yeterlidir. Bu nedenle, F’nin E’den etkilenmemesi ve F’nin katmanları içinde hiçbir kalıntı karıştırmanın olmadığı varsayıldığında, aşağıdakiler F’nin karıştırmanın karşı olgusal tanımına göre bir karıştırıcı olması için gerekli koşullardır.
- 1. F, maruz kalmayan popülasyondaki hastalık için bir risk faktörüdür.
- 2. F, popülasyondaki maruziyet ile ilişkilidir.
Bunlar, çelişkinin çökebilirlik tanımı kullanılarak elde edilen risk farklılığı ve risk oranını karıştırmak için F’nin aynı gerekli koşullardır. Önemli bir gözlem, (2.16) ‘nın belirli bir etki ölçüsü belirtilmeden türetilmiş olmasıdır.
Bu, yukarıdaki 1 ve 2 numaralı koşulların olasılık oranının yanı sıra risk farkı ve risk oranına da uygulanabileceği anlamına gelir. Bu, karıştırmanın çökebilirlik tanımında bir kusur olarak tanımlanan olasılık oranıyla ilgili sorunu önler.
Daha önce ele alınan hipotetik kohort çalışmalarındaki karıştırıcı ve etki modifikasyonunun incelemesine geri dönüyoruz. Kriter (2.17) temelinde, F’nin Tablo 2.2 (e) ‘de bir karıştırıcı olduğu (karşı olgusal tanıma göre) ancak Tablo 2.2 (d)’ de olmadığı kolayca doğrulanır. Tablo 2.2 (d) ‘de F’nin risk oranının bir etki düzenleyicisi olduğunu, ancak risk farkının veya olasılık oranının bir etki değiştiricisi olmadığını gözlemliyoruz.
Öte yandan, Tablo 2.2 (e) ‘de F, risk farkının ve olasılık oranının bir etki değiştiricisidir, ancak risk oranının bir etki değiştiricisi değildir. Bu, karıştırmanın (karşı-olgusal tanıma göre) ve etki modifikasyonunun, birbirinin varlığında veya yokluğunda ortaya çıkabilen farklı özellikler olduğunu gösterir.
Yalnızca iki katman olduğunda, (2.17) basitleştirir;
- p11π21 + p12π22 = p21π21 + p22π22. (2.18)
(2.18) ‘de p12 = 1 – p11 ve p22 = 1 – p21’i değiştirmek ve terimleri yeniden düzenlemek (π21 – π22) (p11 – p21) = 0’a yol açar. Bu özdeşlik ancak ve ancak π21 = π22 veya p11 = p21 ise doğrudur. . İkinci kimlikler tam olarak sırasıyla (i) ve (ii) koşullardır. Dolayısıyla, yalnızca iki katman olduğunda, (2.17), (i) ve (ii) koşullarını ima eder ve bunlarla ima edilir. Diğer bir deyişle, 1. ve 2. koşullar, ikili bir karıştırıcıyı tamamen karakterize eder. Tablo 2.2 (f) ‘de, F hastalık için bir risk faktörüdür ve F maruziyetle ilişkilidir, ancak yine de (2.17) karşılanmaktadır:
Bu, F’nin üç veya daha fazla tabakaya sahip olması durumunda, 1 ve 2 koşullarının her ikisi de karşılansa bile, F’nin bir karıştırıcı olmayabileceğini gösterir. Bu nedenle, üç veya daha fazla katman olduğunda, koşullar 1 ve 2 gereklidir, ancak karıştırmak için yeterli değildir.
Standartlaştırılmış Etki Ölçüleri
Aşağıdaki tartışma için, maruz kalan kohortta hastalık geliştiren deneklerin sayısı, gözlenen sayı olarak adlandırdığımız bir miktar olan O ile gösterilecektir. Yani, O = a1 • = π1r1 • var. (2.4) ve p1jr1 • = r1j’den,
Maruz kalmamış gerçek kohorttaki hastalık olasılığına bağlı olarak, maruz kalınan kohorttaki maruziyetin yokluğunda hastalığa yakalanması beklenen denek sayısı cE = π2r1’dir. Bu, ham beklenen sayı olarak adlandırdığımız bir miktar. (2.5) ‘den itibaren
Karşı olgusal maruz kalmamış kohorttaki hastalık olasılığına bağlı olarak, maruziyetin olmadığı durumlarda hastalığa yakalanması beklenen maruz kalan kohorttaki denek sayısı sE = π1 ∗ r1’dir, bu miktar standartlaştırılmış beklenen sayı olarak adlandırdığımız bir miktar. Karıştırıcı olmaması için kriter olan π2 = π1 c, cE = sE olarak ifade edilebilir.
F’nin tek potansiyel karıştırıcı olduğunu ve F’nin maruziyetten etkilenmediğini varsayın. Ayrıca F’nin (2.16) ‘dan ve p1 j r1 • = r1 j katmanlarında hiçbir kalıntı karışıklık olmadığını varsayalım.
SE’nin çalışma verilerinden tahmin edilebileceğini unutmayın. SRD’nin önceki bölümlerde RD ∗ ile gösterildiğine dikkat edin. F bir karıştırıcı olmadığında, cE = sE ve dolayısıyla ham ve standartlaştırılmış etki ölçüleri eşittir. F bir karıştırıcı olduğunda, standartlaştırılmış etki ölçüleri, F’ye bağlı kafa karıştırmayı kontrol ettikten sonra kohort için genel etki ölçütleri olarak düşünülebilir.
(2.23) ‘teki ikinci eşitlik, Bölüm 2.4.4’te oluşturulan kimliklerden kaynaklanmaktadır. Risk farkı, risk oranı ve olasılık oranı homojen olduğunda, (2.21) – (2.23) ‘ten sRD = δ, sRR = ρ olur.
ANOVA etki değeri Cohen d formülü Cohen d hesaplama Effect size calculator Eta kare etki büyüklüğü Etki büyüklüğü hesaplama SPSS etki büyüklüğü hesaplama T testi etki büyüklüğü hesaplama