Basal statistik 24. okt. 2013 Tom Bendix Videncenter for Reumatologi og Rygsygdomme Glostrup Hospital
BASAL STATISTIK Sandsynligheder Hvordan beregner man dem ? Hvad betyder ‘p’ ? Hvad betyder det, at beh. A > beh B? Evidens - og statistisk vrs. klinisk signifikans Hvor mange behandl. grupper skal man sammenligne ?
Hvad er sandsynligheden for at falde ned med en flyvemaskine ? - - - - at slå en 6’er v. terningekast ? - - - - at slå to 6’er i træk v. terningekast ? - - - - at slå en 6’er v. terningekast, hvis man de forudgående gange har slår 4 6’ere i træk ?
BASAL STATISTIK Sandsynligheder Hvordan beregner man dem ? Hvad betyder ‘p’ ? Hvad betyder det, at beh. A > beh B? Evidens - og Statistisk og klinisk signifikans Hvor mange behandl. grupper skal man sammenligne ?
1 2 3 4 5 6 .. 4 5 7 .. .. 22 9 1 .. .. .. P < 1/20 P < 0,05 102 0 10 P < 0,01
Der ER lige mange røde og hvide Der ER lige mange røde og hvide ... men enkelte gange finder man noget forskelligt ... ex: 9 – 1 type ? fejl ... Han tror der er en forskel hvor ingen forskel er 1 Der ER IKKE lige mange røde og hvide ... men enkelte gange finder man noget (stort set) ens ... ex: 6 – 4 type 2 fejl ... Han ser ikke forskellen, men tror de er ens
Antal pr. højde-gruppe D 174 175 176 x s.d.
Antal pr. højde-gruppe D 175 176 174,5 175,5 x s.d.
D D 40 42 D D 40 42
D D 40 42 D D 40 42
Kurver over forskellige samples - -
3 4 5 6 100 median mean = 24
1 3 4 5 7 8 8 9 21 median Inter-Quartile Range = IQR range
Antal ptt. Antal ptt. i alt = 99 mean SD spændvidde 15 10 5 0 20 40 60 80 100 120 140 X mean SD spændvidde
Antal ptt. Antal ptt. i alt = 99 mean median SD spændvidde 15 10 5 0 20 40 60 80 100 120 140 X mean median SD spændvidde
95 interpercentil spændvidde Antal ptt. Antal ptt. i alt = 99 15 10 5 0 20 40 60 80 100 120 140 X mean median SD 95 interpercentil spændvidde spændvidde
IQR Antal ptt. Antal ptt. i alt = 99 mean median SD 15 10 5 0 20 40 60 80 100 120 140 X IQR mean median SD 10 – 15 – 20 – 25 – 25 – 30 – 30 ...
95 interpercentil spændvidde Antal ptt. Antal ptt. i alt = 99 15 10 5 0 20 40 60 80 100 120 140 X mean median SD 95 interpercentil spændvidde spændvidde
95 interpercentil spændvidde Antal ptt. Antal ptt. i alt = 99 15 10 5 0 20 40 60 80 100 120 140 X mean median SD 95 interpercentil spændvidde spændvidde
RYG-smerte ( ) median + IQR 10 9 Amoxillin 8 Placebo 7 6 5 4 3 2 1 Amoxillin Placebo BEHANDL. Base- 3 1 line mdr. år
ikke-kliniske ... kliniske populationer 43 % 6 %
ikke-kliniske ... kliniske populationer 43 % 6 %
Standard Error of Means = SEM = x D D = x D = x = x Standard Error of Means = SEM
95% Confidence Interval = CI (95) Standard Error of Means = SEM
Effekt af behandl. B på smerte placebo behandl. B ex: Smerte 0 1 1 2 12 uge md
Effekt af behandl. B på smerte placebo behandl. B ex: Smerte 0 1 1 2 12 uge md
SD SEM range IQR 95 % CI 95 % Interpercentil range
Smerte Antal med resp. smerte- niveauer efter behandl.... A B 0 1 2 3 4 5 6 7 8 9 10 Smerte
Smerte Antal med resp. smerte- niveauer efter behandl.... A B 0 1 2 3 4 5 6 7 8 9 10 Smerte
Smerte 0 - 10 (max) v. 2 md. Follow-up Beh: A rang: B rang: 3 4 6 8 9 2 6 8,5 11.5 13 15 4 10 11,5 17 2 3 5 6 9 10 8 + 9 observationer = 17 ∑ = (17 x 18)/2 = 153 Rangsum 66,5 86,5 ∑∑ = 153
Smerte 0 - 10 (max) v. 2 md. follow-up Beh: A rang: B rang: 3 4 6 8 9 2 3 5 6 9 10 8 + 9 observationer = 17 Rangsum skal være: n ......... = ______ Rangsum _____ + ______ = ______
Mann-Whitney = Wilcoxon’s test for uparrede data: Interval for bevaret H0 ... altså N.S. v/ 2 grupper henhv. n=10 og 9 0 153 65 115 66,5 86,5
Test af forskelle mellem samples 2 samples > 2 samples parametrisk parret one-sample t-test two-way ANOVA u-parret two-sample t-test one-way ANOVA non-parametr. parret Wilcoxon Friedman u-parret Mann Whitney Kruskal Wallis Test af forskelle mellem forhold Generelt: χ 2 - spec 2x 2 tabeller Mindre grupper Fischers exacte test
Behandling A B C 0,9 0,9 0,9 8,4 Varians-analyse (a) SD = varians Pt_1 2 - 2 3 - 3 2 - 4 4 - 5 3 - 6 1 - 7 2 - 8 2 Pt_9 12 - 10 13 - 11 12 - 12 14 - 13 13 - 14 11 - 15 12 - 16 12 Pt_17 22 - 18 23 - 19 22 - 20 24 - 21 23 - 22 21 - 23 22 - 24 22 - 25 25 SD = varians 2 0,9 0,9 0,9 varians af alle 8,4
F = = 9.3 F (df: 2, 24) = 9.3 => p < 0.001 varians af alle Varians-analyse (b) varians af alle F = = 9.3 varians - snit af 3 grupper F (df: 2, 24) = 9.3 => p < 0.001
BASAL STATISTIK Sandsynligheder Hvordan beregner man dem ? Hvad betyder ‘p’ ? Hvad betyder det, at beh. A > beh B? Evidens - og Statistisk og klinisk signifikans Hvor mange behandl. grupper skal man sammenligne ?
1 effekt hos ....
LÆGEKUNSTEN BESTÅR I AT UNDERHOLDE PATIENTEN, .. .. MENS NATUREN HELBREDER SYGDOMMEN LÆGEKUNSTEN BESTÅR I AT UNDERHOLDE PATIENTEN, .. .. MENS NATUREN HELBREDER SYGDOMMEN
2 Beh. X Ingen Beh. rask efter .... rask efter .... dage dage 21 22 ... rask efter .... dage rask efter .... dage p < 0,001 p < 0,001
X-Beh. X-Beh. + - + - effekt hos ....
X-Beh. X-Beh. + - + - effekt størrel- se... effekt størrel- se...
3 X-Beh. X-Beh. + effekt hos .... -
+ - + - 4 X-Beh. Y-Beh. X-Beh. effekt effekt størrel- se... + - + - effekt størrel- se... effekt størrel- se...
….så hør dog efter !!
MIC - MID Man spørger mange ptt: ”Hvordan har du fået det i forløbet?” … ex fra baseline → follow up: bedre / uændret / værre. (= ’anchor question’)
baseline Samtidigt udfylder de ex: Oswestry v. baseline og follow up. Forskellen, ∆, afbilledes. bedre uændret værre antal pr. ∆ værdi ∆ Oswestry -20 -10 0 10 20 MIC = 10 baseline
Oswestry Disability Index 10 spørgs. - 1 smerte / 9 om aktiviteter. Hver: 0 1 2 3 4 5 ingen dårligst gener tænkelig Max score: 50 ODI (%): 100
Beh: A B ∆A ∆B bedre ∆∆ ∆ ≠ behandling !! ∆∆ sv.t. behandling baseline => MID (Minimal Important Difference) ∆∆ bedre baseline follow-up
∆A = 7 ∆B = 12 Eksempel: 2 x 10 behandles med A / B Man finder: ∆∆ = 5 MIC = 10 ∆A ∆A = 7 ∆B ∆B = 12 MIC = 10 ∆A ∆B ∆∆ Altså: Klinisk relevant og statistisk signif. forskel A-B Numbers Needed To Treat = 2
∆A = 2 ∆B = 7 Eksempel: 2 x 10 behandles med A / B Man finder: ∆∆ = 5 MIC = 10 ∆A = 2 ∆B = 7 ∆B ∆A ∆A ∆B ∆∆ MIC = 10 Altså: Klinisk ir-relevant, men statistisk signif. forskel A-B
∆A = 7 ∆B = 12 Eksempel: 2 x 10 behandles med A / B Man finder: ∆∆ = 5 MIC = 10 ∆A = 7 ∆B = 12 ∆B ∆A ∆A ∆B ∆∆ MIC = 10 Altså: Klinisk relevant og stat. signif. forskel A-B Numbers Needed To Treat = 1
Oswestry Disability Index 10 spørgs. - 1 smerte / 9 om aktiviteter. Hver: 0 1 2 3 4 5 ingen dårligst gener tænkelig Max score: 50 ODI (%): 100 MIC = 10 / 30% reduktion fra baseline concensus (Otello, Spine 2008)
BASAL STATISTIK Sandsynligheder Hvordan beregner man dem ? Hvad betyder ‘p’ ? Hvad betyder det, at beh. A > beh B? Evidens - og Statistisk og klinisk signifikans Hvor mange behandl. grupper skal man sammenligne ?
A B A B C D E F antal points v/ 6 terninge-slag (6 - 36) 32 18 21 15 16 11 A B A B C D E F