statisticke metode u biomedicinskim istrazivanjima
TRANSCRIPT
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)