Doc. dr Zoran MiloševićAss. mr sc. med. Irena Janković

Ass. mr sc. med. Miodrag StojanovićDr sc. med. Dragan Bogdanovic

Dr Aleksandra Topalović

U biomedicinskim istraživanjima deskriptivnom statistikom se prikazuju osnovni statistički parametri:

1. mere centralne tendencije (aritmetička sredina – Xsr, medijana – Me, modus – Mod)

2. mere varijabilnosti (varijansa – SD2, standardna devijacija – SD, standardna greška – SG, koeficijent varijacije – Cv)

Naučna hipoteza testira se analitičkom statistikom.

Postupak provere hipoteze svodi se na utvrđivanje ZNAČAJNOSTI (signifikantnosti) razlike između pretpostavljene (hipotetičke) vrednosti parametara osnovnog skupa i ocene datog parametra na osnovu informacija iz uzorka.

Test se zasniva na adekvatno odabranoj statističkoj metodologiji, tako da se Ho prihvata za određene vrednosti, a za ostale odbacuje.

Testovi značajnosti mogu biti:

1. parametrijski (kada su vrednosti ispitivanog obeležja date numerički) i

2. neparametrijski (kada su vrednosti ispitivanog obeležja date opisno ili se rangiraju)

Izbor statističkih testova zavisi od:

- vrsta obeležja (numeričko ili atributivno);- broja i veličine uzorka (mali ili veliki uzorci);- vrste rasporeda ( normalan ili ne – za brzu orjentaciju da li je Cv< ili > 30%);- snage i efikasnosti testa (parametrijski testovi imaju veću snagu od neparametrijskih).

Tabela za brzu orjentaciju izbora odgovarajućeg statističkog testa

Rezultati istraživanja se sistematizuju i prikazuju

tabelarno i grafički, a za statističku analizu koriste

se razni programski paketi (SPSS, Statcalc, Epi

Info, Edustat...).

Kako formirati bazu podataka?

U Excelu, gde je jedan pacijent u jednom redu, a u prvom redu su nazivi svake od kolona.

Napomena: obratiti pažnju da li je decimne brojeve potrebno odvajati zarezom ili tačkom zbog različitih postavki računara (da bi bili tretirani kao brojevi, a ne kao tekst)

Tako formirane baze podataka mogu se preneti u druge statističke programe.

Primer:

DESKRIPTIVNA STATISTIKA

mere centralne tendencije (aritmetička sredina – Xsr, medijana – Me, modus - Mod)

mere varijabilnosti (varijansa – SD2, standardna desvijacija – SD, standardna greška – SG, koeficijent varijacije – Cv)

Primer. Izračunati mere centralne tendencije i mere varijabilnosti za bilirubin kod 150 ispitivanih pacijenata Hirurške klinike u Nišu.

Iz menija izaberete: Analyse> Descriptive Statistics> Descriptives

U novom prozoru izaberemo traženu varijablu (šifriranu sa bilirub), (može i više varijabli) koja se nalazi sa leve strane i strelicom prebacimo u prostor za varijable sa desne strane.

Kliknemo na Options i otvori se novi prozor sa ponuđenim opcijama za mere centralne tendencije i varijabilnosti.

Izaberemo (obeležimo) parametre za izračunavanje.

Zatim kliknemo na Continue (zatvori se poslednji otvoreni prozor), OK i u Outputu dobijamo izračunate vrednosti.

Descriptive Statistics

150Valid N (listwise)

.1981.5247721.79987.873777.1748687.1540348.007.50150bilirub

Std. Error

StatisticStatisticStatisticStd. ErrorStatisticStatisticStatisticStatistic

Skewness

VarianceStd.

DeviationMeanMaximumMinimumN

ANALITIČKA STATISTIKAANALITIČKA STATISTIKA

Primenjuje se kada treba izračunati razliku u prosečnim vrednostima između dva nezavisna uzorka (numeričko obeležje, veliki nezavisni uzorci, >30 jedinica, mali nezavisni uzorci sa Cv<30%)

T test za dva nezavisna uzorka

Primer. Izračunati razliku prosečnih vrednosti bilirubina između muškaraca i žena kod 150 pacijenata.

Napomena: U bazi podataka pol je šifriran sa: 1-muškarci, 2-žene.

Iz menija izaberete: Analyze > Compare Means > Independent-Samples T TestIndependent-Samples T Test dialog box

Izaberemo varijablu sa vrednostima bilirubina. Posebno selektujemo grupnu varijablu, kliknemo na Define Groups da potvrdimo šifre grupa koje poredimo.

Definišete grupe u dialog boxu za numeričke varijable

Kliknete Continue > OK

U Outputu dobijete rezultate

10.0093977.5324084.0333602.00

9.96191

94.5069489.2344901.00bilirub

Std. Error MeanStd. DeviationMeanNpol

Group Statistics

Independent Samples Test

33.11800-22.715714.121885.20111.713141.643.368 Equal variances not assumed

34.22798-23.825714.688805.20111.724148.354.2341.425Equal variances assumed

bilirub

LowerUpperLowerUpperLowerUpperLowerUpperLower

95% Confidence Interval of the

Difference

Std. Error Differenc

eMean

DifferenceSig. (2-tailed)dftSig.F

t-test for Equality of MeansLevene's Test for

Equality of Variances

Zaključak:

Nije postojala signifikantna razlika u prosečnoj vrednosti bilirubina između muškaraca i žena (t=0,368, p=0,713)(t=0,368, p=0,713).

T test za dva zavisna uzorka

Primenjuje se kada treba izračunati razliku u prosečnim vrednostima između dva zavisna uzorka, tj. kod jedne iste grupe ispitanika pre i posle merenja (numeričko obeležje, veliki uzorci - >30 jedinica, ili mali uzorci sa Cv<30%)

Primer. Izračunati razliku u prosečnoj vrednosti triglicerida (TG) kod 142 bolesnika pre i posle terapije statinima.

Iz menija izaberete: Analyze > Compare Means > Paired-Samples T Test

Paired-Samples T Test dialog box

Selektujete prvu varijablu (tgpre) i to je Variable1.

Zatim selektujete drugu varijablu (tgposle) i to je Variable 2.

Klinknete na strelicu da prebacite par u listu Paired Variables.

Paired Samples Statistics

Mean N Std. DeviationStd. Error

Mean

Pair 1 tgpre2.2346 142 .50720

.04256

tgposle 2.0880 142 .62692 .05261

Paired Samples Correlations

N Correlation Sig.

Pair 1 tgpre & tgposle142 .559 .000

Zaključak:

Postojala je signifikantna razlika u nivou triglicerida pre i posle terapije statinima 142 bolesnice (P<1x106).

Koristi se za izračunavanje razlika u prosečnim vrednostima između dva nezavisna uzorka (numeričko obeležje, mali nezavisni uzorci sa Cv>30%)

Mann Whithey test

Iz menija izaberete:

Analyze > Nonparametric Tests > 2 Independent Samples

Two-Independent-Samples Tests dialog box

Selektujete jednu ili više numeričkih varijabli.

Selektujete grupnu varijablu, kliknete na Define Groups (kao kod t testa za nezavisne uzorke).

U outputu dobijate sledeće rezultate:

Upišete šifru za grupu 1 i 2.

Kliknete Continue > OK

Zaključak:

Postojala je signifikantna razlika u prosečnoj vrednosti između dve grupe (Z=-2.72, p=0,005)

Wilcoxon-ov test

Koristi se za izračunavanje razlika vrednosti između dva zavisna uzorka (numeričko obeležje, mali zavisni uzorci sa Cv>30%)

Primer.

Ispitivan je nivo masti u serumu kod 27 žena pre i posle dijete. Da li je postojala značajna razlika u nivou masti pre i posle dijete?

Iz menija izaberete:Analyze > Nonparametric Tests >2 Related Samples

Two-Related-Samples Tests dialog box

Selektujete jedan ili više parova varijabli.

Kliknete na svaku od varijabli.

Prva varijabla pojaviće se u Current Selections group kao Variable 1, a druga kao Variable 2.

Kliknete da dugme sa strelicom da pomerite par u Test Pair(s) List.

Možete selektovati više parova varijabli.

U outputu će se pojaviti rezultati:

NMean Rank

Sum of Ranks

mastposle – mastpre

Negative Ranks

3(a) 8.6726.00

Positive Ranks

9(b) 5.7852.00

Ties15(c)

Total 27

RANKS

a mastposle < mastpreb mastposle > mastprec mastposle = mastpre

mastposle -

mastpre

Z -1.071(a)

Asymp. Sig. (2-tailed) .284

Test Statistics(b)

a Based on negative ranks.b Wilcoxon Signed Ranks Test

Zaključak:

Nije postojala signifikantna razlika u prosečnoj visini masti pre i posle dijete

(z=-1,071, p=0,284)

Χ2 test

Koristimo kada treba ispitati povezanost između učestalosti istraživanih atributivnih obeležja.

Iz menija se izabere:

Analyze > Descriptive Statistics > Crosstabs

Iz menija se izabere:

Analyze > Descriptive Statistics > Crosstabs

Otvoriće se novi prozor

Nakon toga kliknete na opciju Statistics

otvoriće se novi prozor gde čekirate Hi kvadrat test

U novom prozoru selektujete varijable čiju povezanost ispitujete – jednu prebacujete u red, a drugu u kolonu.

Kliknete na Continue > OK,

i dobićete rezultate u Outputu:

pol * dijamet2 Crosstabulation

dijamet2Total

1.00 2.00 1.00

pol 1.0053 65

118

2.00 42 41 83

Total 95 106 201

Count

Chi-Square Tests

Value dfAsymp. Sig.

(2-sided)

Exact Sig.

(2-sided)Exact Sig. (1-sided)

Pearson Chi-Square .632(b) 1 .427

Continuity Correction(a)

.425 1 .515

Likelihood Ratio .632 1 .427

Fisher's Exact Test .474 .257

Linear-by-Linear Association

.629 1 .428

N of Valid Cases 201 a Computed only for a 2x2 tableb 0 cells (.0%) have expected count less than 5. The minimum expected count is 39.23.

Zaključak:

Nije postojala značajna razlika između ispitivanih obeležja (χ2 = 0,632, p = 0,427).

Ukoliko su uzorci <200 jedinica radi se Mantel Haenszel-ov test sa Yates-ovom korekcijom (u Statcalc Epi Info programu)

Ukoliko jedna od vrednosti u ,,ćeliji” tabela kontigencije <5 jedinica radi se Fisher-ov test (u Statcalc Epi Info programu)

Ako je jedna od vrednosti u ,,ćeliji” tabela kontigencije =0, radi se Kolmogorov Smirnov test ( u SPSS –u za testiranje normalnosti distribucije)

Mc Nemar-ov test

je u stvari χ2 test za dva zavisna uzorka.

Primer.

Uzorak od 50 bolesnika lečen je standardnom, a zatim novom terapijom. Rezultati lečenja sa obe terapije prikazani su u tabeli:

Nova terapijaNova terapija

Standardna terapijaStandardna terapija ukupnoukupno

stanjestanje poboljšanopoboljšano nepromenjenonepromenjeno

poboljšanopoboljšano 2020 1515 3535

nepromenjenonepromenjeno 55 1010 1515

ukupnoukupno 2525 2525 5050

Iz menija izaberete:Analyze > Nonparametric Tests >2 Related Samples

Two-Related-Samples Tests dialog box

Selektujete jedan ili više parova varijabli. Kliknete na svaku od varijabli.

Prva varijabla pojaviće se u Current Selections group kao Variable 1, a druga kao Variable 2.

Kliknete da dugme sa strelicom da pomerite par u Test Pair(s) List.

Zaključak: Utvrđena je statistički značajna razlika između rezultata lečenja standardnom i novom terapijom, pa možemo tvrditi da postoji povezanost između primenjene terapije i ishoda lečenja bolesnika (χ2 = 4,05, p<0,05).

ANOVA

Koristimo kada treba uporediti prosečne vrednosti između više od dva nezavisna uzorka.

U meniju izaberete: Analyze > Compare Means > One-Way ANOVA...

One-Way ANOVA dialog box

U Dependent list ubacujete zavisnu varijablu koju ispitujete (npr. Telesnu težinu bolesnika svih ispitivanih grupa), a u Factor ubacujete varijablu sa šiframa grupa koje ispitujete (npr. Varijablu u kojoj su 1, 2, 3 i 4, a označavaju broj ispitivane grupe)

ANOVA nam ukazuje samo da li se grupe ponašaju kao da potiču iz istog osnovnog skupa ili ne. Da bi utvrdili da li između vrednosti po grupama postoji značajna razlika, a ako postoji i između kojih grupa se javlja, radi se post hock (sledbena) analiza. Ako je kod ANOVA-e izračunato p bilo <0,05, čekira se neki od testova u Equal variances not assumed. Ako je kod ANOVA-e p bilo >0,05, čekira se neki od testova u Equal variances assumed. U Outputu su značajne razlike obeležene sa *.Izbor post hoc testova je veliki i prvenstveno zavisi od oblasti medicine kojom se bavite (KONSULTUJ NAUČNU LITERATURU!).

Friedman- ov test

Kada treba izračunati da li postoji značajna promena vrednosti numeričkog obeležja jedne grupe u različitim vremenskim intervalima – dva i više merenja (znači više zavisnih grupa) koristimo ovaj test.

Primer.

Da li je signifikantna promena vrednosti obima struka 142 bolesnice na početku ispitivanja, posle šest meseci i posle godinu dana?

U meniju izaberete:

Analyze > Nonparametrics tests > K Related samples

U meniju izaberete:

Analyze > Nonparametrics tests > K Related samples

Pojaviće se novi prozor.

U njemu ćete čekirati Friedmanov test, a varijable u posmatranim merenjima prebaciti u desni okvir.

Kliknete na OK I dobićete rezultate u outputu..

1.70obimg

2.08obims

2.22obim

Mean Rank

.000Asymp. Sig.

2df

63.955Chi-Square

142N

Ranks Test Statistics(a)

a Friedman Test

Da bi se ispitalo između koja dva merenja je postojala

signifikantna razlika, radi se post hock analiza – t test ili

Wilkoksonov test.

(ne postoji gotova opcija u SPSS-u za post hock analizu kod Friedmanovog

testa kao kod ANOVA-e, već morate sami da radite odgovarajući test)

Zaključak:

U ispitivanom periodu od godinu dana postojala je značajna promena obima struka ispitanica (χ2Friedman = 63,955, p<1x10-6).

ANOVA for repeated measures linear model

Indikacija: kada treba ispitati razliku u prosečnim vrednostima dve i više grupa u više ponovljenih merenja sa jednom zavisnom promenljivom

U prvu kolonu unosi se subjektivni faktor (u ovom slučaju obeležen sa C I I), a svaka naredna kolona je vrednost u merenjima u različitim vremenskim intervalima.

Tada selektujete u meniju:

Analyze -> General Linear Models -> Repeated Measures

U sledećem dijalog boxu definišete broj merenja:

U sledećem dijalog boxu obeležite i prebacite varijable u različitim nivoima merenja, a u between-subjects factors(s) ubacite varijablu sa kodovima (C i I):

Pritisnete OK i rezultati će biti prikazani.

Kruskal-Walis-ov test(ANOVA za atributivna obeležja ili rangove)

Indikacija: kada treba izračunati da li postoji značajna razlika između više od dve nezavisne grupe, a obeležja su data atributivno ili rangirana

U meniju selektujete:Analyze > Nonparametric Tests >K Independent Samples...

Tests for Several Independent Samples dialog box

Selektujete grupnu varijablu (koja sadrži šifre različitih ispitivanih grupa, npr. 1, 2 i 3)

Zatim definišete rangove grupne varijable

Selektujete grupnu varijablu i kliknete Define Range da obeležite minimum i maximum vrednosti grupne varijable - dobićete sledeće rezultate u outputu

Zaključak:

Postojala je značajna razlika u satima… između tri grupe (χ2KW =25,061, p<1x10-6)

KOHRANOV TESTIndikacija: kada imamo više od dva zavisna uzorka, tj. rangirane vrednosti posmatramo u više različitih vremenskih intervala

U SPSS-u se radi isto kao Friedman-ov test, samo što se čekira Cohran-ov test

U meniju izaberete: Analyze > Nonparametrics tests > K Related samples

KORELACIONA ANALIZA

Koristi se kada treba ispitati da li postoji korelacija između zavisno i nezavisno promenljive, tj. da li porastom vrednosti jedne druga raste (pozitivna korelacija) ili pada (negativna korelacija)

Izaberete u meniju: Analyse > Correlate > Bivariate

Izaberete u meniju:Analyse > Correlate > Bivariate

Dobijate novi prozor gde čekirate Pirsonov koeficijent i prebacite u desni okvir dve varijable čiju korelaciju ispitujete (može i više varijabli)

Kliknete na OK i dobijete rezultate u outputu.

Correlations bmd tskor

bmd Pearson Correlation1

.956(**)

Sig. (2-tailed) .000

N 142 142

tskor Pearson Correlation.956(**)

1

Sig. (2-tailed).000

N 142 142

** Correlation is significant at the 0.01 level (2-tailed).

Zaključak:

Postoji pozitivna korelacija

između BMD i tscor-a

(r=0,956, p>1X10-6).

SPEARMAN-OV KOEFICIJENT RANGA KORELACIJE

Koristimo kada je potrebno izračunati jačinu korelacije između zavisno I nezavisno promenljive koje se rangiraju (operacije se ne izvode iz numeričkih vrednosti)

Ima manju moć od Pirsonovog koeficijenta proste linearne korelacije

U SPSS-u se izvodi na isti način kao Pirsonov, samo što se obeleži Spirmanov koeficijent u Dialog boxu.

LOGISTIČKA REGRESIONA ANALIZA

Koristimo kada imamo jednu zavisno promenljivu koja je dihotomna (najčešće: bolestan-zdrav) i nezavisno promenljive koje utiču na rizik javljanja nepovoljnog modaliteta zavisno promenljive.

Izračunavaju se vrednosti aproksimativnog relativnog rizika (Odd ratio – OR) i granice njihovih 95% intervala poverenja.

Kada su obe vrednosti granica 95%IP veće od 1, rizik za pojavu nepovoljnog modaliteta je značajan.

Kada su obe vrednosti granica 95%IP manje od 1, nezavisno promenljiva predstavlja značajan protektivni faktor.

Kada je donja granica manja od 1, a gornja veća, nezavisno promenljiva nije statistički značajan faktor.

Multivarijantna logistička regresiona analiza se sprovodi

nakon univarijantne, a u model se uključuju samo oni faktori

koji su se u univarijantnoj analizi pokazali kao značajni.

U meniju se izabere: Analyse > Regression > Binary logistic

Univarijantna logistička regresija (jedna nezavisno promenljiva) se može se izračunavati u Statcalc Epi Info programu (preko χ2 testa), kada je nezavisno promenljiva takođe dihotomna, kao i zavisno promenljiva.

Kada je nezavisno promenljiva kontinuirana numerička varijabla ili kada je atributivna, ali sa više od dva modaliteta, koristimo SPSS program i to opciju Binary logistic regression.

U meniju se izabere: Analyse > Regression > Binary logistic

U Dependent se unosi zavisno promenljiva koja mora biti dihotoma. U Covariates se unose nezavisno promenljive koje mogu biti numeričke ili atributivne.

Kod Method-a se izabere tip modela. Enter metod je bezuslovan, odnosno u modelu zadržava sve nezavisno promenljive. Backward metod u modelu zadržava samo značajne faktore.

Ukoliko je nezavisno promenljiva atributivna, ulazimo u opciju Categorical i tu promenljivu prebacujemo u desni prozor. Potrebno je definisati i modalitet tog obeležja u odnosu na koji se procenjuje rizik (First ili Last).

Nakon izabiranja Options i otvaranja novog prozora, treba čekirati CI for Exp (B) 95%, At last step i Include constant in model

Kliknete na OK dobijete rezultate koji pokazuju koliko koji factor utiče na pojavu bolesti. U Outputu Exp B predstavlja Odss ratio.

Npr. Rezultati univarijantne logističke regresione analize

varijable Odds ratio 95% CI Odds ratio

p

pol 1.130 0.540 – 2.390 0.860

holecistitis 3.060 0.910 – 11.260 0.044*

holangitis 12.500 4.880 – 32.000 1x106***

pankreatitis 1.420 0.390 – 5.640 0.773

dispepsija 1.200 0.550 – 2.640 0.756

ikterus 147.000 20.010 – 3010.850

1x106***

dijametar 506.560 82.770 – 4188.180

1x106***

starost 1.930 0.910 – 4.070 0.089

UZ verifikovana choledocholitiaza

- - 0.052

Opasna kalkuloza 367.000 64.140 – 2966.46

1x106***

bilirubin 21.360 6.610 – 76.470 1x106***

ALP 24.570 8.910 – 70.750 1x106***

AST 16.630 6.390 – 44.740 1x106***

ALT 49.610 15.770 – 165.940

1x106***

LDH 3.210 0.820 – 14.580 0.107

GGH 3.040 1.410 – 6.580 0.003**

Zatim se izdvajaju signifikantni prediktori i radi se multivarijantna logistička regresija.

Ako ima više od 7 faktora (nezavisno promenljivih) svrstavaju se u klinički logične blokove

Prema rezultatima univarijantne logističke regresije, kao nezavisni

faktori rizika za pojavu choledocholitiaze definisani su holecistitis,

holangitis, ikterus, dijametar, opasna kalkuloza, bilirubin, ALP,

AST, ALT i GGT.

Formiramo dva klinički logična bloka:

U prvi blok uključimo: holecistitis, holangitis, ikterus, dijametar i

opasnu kalkulozu,

A u drugi blok uključimo: bilirubin, ALP, AST, ALT i GGT.

Prema rezultatima multivarijantne logističke regresije, kao najvažniji faktori rizika za pojavu choledocholitiaze iz ovog bloka izdvojili su se dijametar i opasna kalkuloza.

Povećanje dijametra žučne kesice za jednu mernu jedinicu (cm) povećava rizik nastanka choledocholitiaze 5.307 (1.078-26.122) puta.

Pacijentkinje sa kalkulozom žučne kese imaju 10.712 (1.606-71.478) puta veći rizik za nastanak kalkuloze u holedokusu.

Cox&Snell-ov i Nagelkerke-ov koeficijent determinacije određuju procenat sa kojim model objašnjava uticaj nezavisno promenljivih na zavisno promenljivu

Npr. Tabela. Rezultati multivarijantne logističke regresione analize bloka koji čine holecistitis, holangitis, ikterus, dijametar i opasna kalkuloza

varijable Odds ratio 95% CI Odds ratio p

dijametar 5.307 1.078 – 26.122 0.040*

Opasna kalkuloza 10.712 1.606 – 71.478 0.014*

MULTINOMINALNA LOGISTIČKA REGRESIONA ANALIZA

Indikacija: Kada imamo jednu zavisno promenljivu i više nezavisnih (prediktora) u čijem prisustvu je rizik za pojavu bolesti veći onoliko puta kolika je vrednost Odd ratio.

U meniju se izabere: Analyse > Regression > Multinomal logistic

U meniju se izabere: Analyse > Regression > Multinomal logistic

postupak je sličan kao kod binarne logističke regresione analize

KLASTER ANALIZA

Metod multivarijacione analize koji se koristi za grupisanje objekata u grupe, tako da su objekti unutar grupa slični među sobom, dok se između grupa znatno razlikuju.

ANALIZE PREŽIVLJAVANJAKaplan Meier i logrank test

Analiziraju vreme koje će proteći pre nego što negi događaj nastupi. Ovaj događaj može biti smrt ili smrt od neke određene bolesti i zbog toga se analize ovakvih podataka nazivaju analize preživljavanja.

Kaplan Majerov test ispituje verovatnoću preživljavanja (nastupanja nekog događaja) u određenom vremenskom periodu. Logrank test ispituje da li je značajna razlika u preživljavanju između te dve grupe.

Kako uneti podatke u bazu?U prvu kolonu uneti koja je grupa, u drugu vreme, a u treću ishod, npr. 0-mrtav, 1-živ

SENZITIVNOST I SPECIFIČNOST

SENZITIVNOST = tačno pozitivni/tačno pozitivni+lažno negativni

SPEČIFIČNOST = tačno negativni/lažno pozitivni+tačno negativni

+PV = tačno pozitivni/ tačno pozitivni +lažno pozitivni

-PV = tačno negativni/ lažno negativni+ tačno negativni

Osetljivost – ako je pacijent bolestan, osetljivost pokazuje verovatnoću da će ta metoda da pokaže da je pacijent stvarno bolestanSpecifičnost – Pokazuje koliko je metoda sposobna da dijagnostifikuje tu bolest+PV – prediktivna vrednost pozitivnog testa – ako je pacijent testiran nekim testom i pozitivan je i +PV je 95%, to znači da je šansa da je stvarno + 95 a da je – je 5%.- PV - -prediktivna vrednost negativnog testa – ako je pacijent negativan na testu i –PV je 95% znači da je sansa da je on stvarni – 95%, a 5% da je mozda i +

Sa zlatnim pravilom kao tačnim poredimo neku metodu

U SPSS-u se kriva crta kao ROC

Iz menija se izabere: Analyze > ROC Curve...

ROC Curve dialog box

ROC Curve Options dialog box

META ANALIZE

Integrisanje svih objavljenih rezultata istraživanja

nekog problema i stvaranje zaključaka iz ukupnih

rezultata.

Ranije je takva integrativna studija ponekada ukazivala

na neku zakonitost koja nije mogla biti ustanovljena u

pojedinačnim istraživanjima.

Danas meta analize služe za utvrđivanje:

1. razlike među studijama - Hadžisov g (kada želimo

saznati koja studija ima značajniji učinak)

Kod dve studije sa različitim uzorcima i različitim t

vrednostima možemo pomoću obrasca za Hadžisov g

pokazati značajnost razlike

2. podudarnosti među studijama (možemo proveriti da li

dve studije doprinose objašnjenju iste pojave ili deluju

opozitno)