Presentation laddar. Vänta.

Presentation laddar. Vänta.

Medicinsk statistik III Läkarprogrammet, Termin 5 HT 2013 Jonas Björk E-post:

Liknande presentationer


En presentation över ämnet: "Medicinsk statistik III Läkarprogrammet, Termin 5 HT 2013 Jonas Björk E-post:"— Presentationens avskrift:

1 Medicinsk statistik III Läkarprogrammet, Termin 5 HT 2013 Jonas Björk E-post:

2 Medicinsk statistik III Mer om statistik för binära utfall –Kapitel 12 Dimensionering av studier –Statistisk styrka (power) –En grupp, två grupper –Kontinuerliga och binära utfall –Avsnitt 6.4, 8.4 och 10.4 Tolkning av p-värden –Statistiska vs. diagnostiska test –Avsnitt 9.2 Kapitel 12 Avsnitt 6.4, 8.4, 9.2 och 10.4 Webbplats

3 Binära utfall Sjuk / frisk Positiv / negativ Reaktion / ingen reaktion... Dikotomiseringar 1. Binära utfall

4 Dikotomiseringar Kontinuerliga data –CRP > 15 –Systoliskt blodtryck >160 mmHg Ordinaldata (data endast möjliga att rangordna) Ex. Klassning av allergisk reaktion +++, ++(+), ++, +(+), +, (+), ?, - Information kastas bort – väsentlig eller ovidkommande? 1. Binära utfall

5 Binära utfall - Exempel Alarm om glutenallergi bland barn Bland skolbarn i åk 6 år fann man att 212 (2,9%) var glutenintoleranta 1. Hur stor är den statistiska felmarginalen 2. Kan vi vara ”säkra” på att den verkliga andelen glutenintoleranta är över 2%? 1. Binära utfall

6 Konfidensintervall (KI) kring en uppskattad andel Om a  5 och (n – a)  5 kan konfidensintervallet beräknas på följande sätt (asymptotisk = ungefärlig metod): Prevalens q =a / n = 0,029 = 2,9% n = 7 207, a = 212 positiva 95% konfidensgrad  c = 1,96, SE = Medelfel (Standard error) Felmarginal ± 0,4% 95% KI: 2,5 - 3,3% 1. Binära utfall

7 Uppskatta en andel Hur stor ska studien vara? Anta att vi vill skatta en andel q, t.ex. en prevalens eller risk Hur stor studien bör vara bestäms av –Andelen q (okänd för oss, men vi kan kanske gissa) –Önskad felmarginal F Utnyttja formel för 95% KI, lös ut n: 2. Dimensioneringsberäkningar - en grupp I boken finns motsvarande formel för ett medelvärde (formel 6.3)

8 Jämförelse av två andelar Differens q 1 – q 2 -Ex. prevalensdifferens, riskdifferens Kvot q 1 / q 2 -Ex. prevalenskvot, riskkvot (RR = relativ risk) Oddskvot OR =  1 /  2 Odds  1 = q 1 / (1 – q 1 ),  2 = q 2 / (1 – q 2 ) Två separata (oberoende) grupper: q 1 = a 1 / n 1, q 2 = a 2 / n 2 1. Binära utfall

9 Jämförelser av andelar Randomiserad studie av tamoxifen, strålbehandling och återfall av bröstcancer under fem års uppföljning Sjukdomsfri överlevnad i grupp 1:q 1 = 357 / 686  0,52 = 52% Sjukdomsfri överlevnad i grupp 1:q 2 = 276 / 689  0,40 = 40% Vad kan vi säga om skillnaden i sjukdomsfri överlevnad (eller i återfallsrisk)? 1. Binära utfall (Overgaard et al. 1999)

10 Differens mellan två andelar Randomiserad studie av tamoxifen, strålbehandling och återfall av bröstcancer bland kvinnor Riskdifferens RD (absolut riskreduktion) = 357/ 686 – 276 / 689  0,12 = 12 fler sjukdomsfria per 100 behandlade Om a 1  5, (n 1 – a 1 )  5, a 2  5 och (n 2 – a 2 )  5 kan ett 95% KI för RD bildas som 7 – 17 fler per Binära utfall Medelfel

11 Antal som behöver behandlas NNT = Numbers Needed to Treat NNT = 1 / RD  1 / 0,12  8,3 vilket innebär att ungefär 8 (8,3) patienter behöver behandlas med kombinationsbehandlingen för att förhindra ett återfall i genomsnitt 95% KI för RD: 0,12 ± 0,052, dvs. 0,068 till 0,172 95% KI för NNT: 6 till 15 patienter behöver behandlas för att förhindra ett återfall i genomsnitt Från föregående problem: Riskdifferens RD = 357 / 689 – 276 / 686  0,12 = 12 fler sjukdomsfria per 100 behandlade 1 / RD 1. Binära utfall

12 Kvot mellan två andelar Randomiserad studie av tamoxifen, strålbehandling och återfall av bröstcancer bland kvinnor Relativ risk RR = (413 / 689) / (329 / 686)  1,25 ln(RR) = ln(1,25)  0,223 1,08 – 1,44 gånger högre risk 95% KI för RR bildas på log-skalan som 1. Binära utfall Medelfel gånger (25%) högre risk om enbart tamoxifen ges

13 Oddskvot (OR) i fall-kontrollundersökningar 95 % KI: 1,3 till 2,3 (30 till 130% riskökning) 70% riskökning bland rökare 1. Binära utfall Odds för exponering bland fall: 630/101  6,2 Odds för exponering bland kontroller: 573/158  3,6

14 Statistisk styrka Sannolikheten a priori att H 0 kommer att förkastas, givet en viss verklig skillnad mellan de grupper som studeras Sensitiviteten hos det statistiska testet (jämför sensitivitet hos diagnostiska test) 2. Dimensioneringsberäkningar - två grupper

15 Dimensioneringsberäkningar Två oberoende grupper, medelvärdesjämförelse (Kursboken s. 156) 2. Dimensioneringsberäkningar

16 Dimensionering av två oberoende grupper 2. Dimensioneringsberäkningar

17 Gruppstorlek vs. effektstorlek 3. Statistisk styrka2. Dimensioneringsberäkningar

18 Syreupptagningsförmåga Replikera tidigare resultat i en ny studie s pooled  8 2. Dimensioneringsberäkningar

19 Dimensioneringsberäkning (enl. 1.) Två oberoende grupper, medelvärdesjämförelse Ex. Syreupptagningsförmåga 5% signifikansgräns  k 1 = % statistisk styrka  k 2 = 0.84 Standardiserad effektstorlek per grupp 2. Dimensioneringsberäkningar

20 Dimensioneringsberäkningar - Allmänt Redovisas först och främst för primär frågeställning. Minst 80% statistisk styrka är ett vanligt krav om nya data ska samlas in Gör beräkningen under olika antaganden om , s Standardiserad effektstorlek =  / s avgörande Ibland enklare att uppskatta variationskoefficienten (CV=Coefficient of variation, mätt i % av medelvärdet) än standardavvikelsen Ta hänsyn till förväntad deltagandefrekvens Utnyttja tidigare studier inom området! I en överlevnadsanalys är det antal händelser (events) som avgör. Avvägning: Uppföljningstid - Antal patienter 2. Dimensioneringsberäkningar

21 Program för dimensioneringsberäkningar PS Power and Sample Size Calculation –Enkelt, lätt att använda –Kan laddas ned gratis via PowerSampleSize G*Power 3 –Mer avancerat, något svårare att använda –Kan laddas ned gratis via 3 Statistisk styrka2. Dimensioneringsberäkningar

22 Diskutera med bänkgrannen... Känslighetsanalys Man vill kunna detektera en skillnad som är hälften så stor, dvs  = 5 / 2 = 2,5 ? Standardavvikelsen s är 12 istället för 8 i båda grupperna? 90% statistisk styrka krävs (k 2 = 1,28)? Vad händer med minsta gruppstorlek i exemplet på föregående bilder om 2. Dimensioneringsberäkningar

23 Förklara studiens storlek Randomiserad studie av tamoxifen, strålbehandling och återfall av bröstcancer Författarna skrev så här i metoddelen: 3. Statistisk styrka (Overgaard et al. 1999) 2. Dimensioneringsberäkningar

24 Fall-kontrollundersökning Hur många fall och kontroller behövs? Förväntad OR =1.7 enligt tidigare studie Rökprevalens i den befolkning vi studerar? Utnyttja PS Power Sample Size 2. Dimensioneringsberäkningar

25 Statistiskt vs. Diagnostiskt test Statistisk styrka = Sensitivitet Signifikansgräns (  ; ofta 5%) = 1 - Specificitet 4. Tolkning av p-värden (Kursboken, s. 261) 3. Tolkning av p-värden

26 Tolkning av p-värden Modernt förhållningssätt P-värdet bör främst ses som ett index (0-1) som svarar på följande fråga: Vilka belägg mot nollhypotesen finns i insamlade data? Undvik skarp signifikansgräns Ex. p = 0,04 och p =0,06 är två snarlika resultat som båda ger ”måttliga” evidens mot nollhypotesen P-värdet är inte sannolikheten att nollhypotesen är sann: (Sterne & Smith BMJ 2001;322: ) Sifting the evidence – what’s wrong with significance tests? 3. Tolkning av p-värden

27 Testets prediktiva värden bestäms av sjukdomsprevalensen 3. Tolkning av p-värden

28 Sannolikheten att H 0 är sann FPRP = False Positive Report Probability 3. Tolkning av p-värden P-värde omkring 0,001 innebär i allmänhet starka belägg för ett samband


Ladda ner ppt "Medicinsk statistik III Läkarprogrammet, Termin 5 HT 2013 Jonas Björk E-post:"

Liknande presentationer


Google-annonser