Mitä tarvitsee tietää biostatistiikasta ja miksi? Matti Uhari Lastentautien klinikka Oulun yliopisto

Transkriptio

1 Mitä tarvitsee tietää biostatistiikasta ja miksi? Matti Uhari Lastentautien klinikka Oulun yliopisto

2 Tutkimusaineistomme otantoja Hyödyt Ei tarvitse tutkia kaikkia Oikein tehty otanta mahdollistaa yleistämisen Haitat Tuo mukanaan otantavirheen Suuruus on matemaattisesti arvioitavissa Tekee tilastotieteen tarpeelliseksi Otanta on AINOA MAHDOLLISUUS

3 Tavoitteena yleistäminen vasta sitten kiinnostaa laajasti Tilastotiede tekee tämän mahdolliseksi Tulosten kuvaus Kuinka tarkkoja havaintomme ovat? Päätösten teko testaus Mihin jakauman kohtaan saatu testisuureen arvo asettuu? Yleistämisen vuoksi operoidaan testisuureilla, ei varsinaisilla havaintoarvoilla Estimointi tulosten käyttämiseen päätöksenteossa Lasketaan luottamusvälejä Syy-seuraus suhteen todistaminen Tulokset harhattomia

4 Tutkimusasetelmat - oikea asetelma oikeaan paikkaan - älä vain toista itseäsi

5 Tutkimusasetelmat Havainnoivat tutkimukset Tapausselostus Potilassarjat Poikkileikkaustutkimus Ekologinen tutkimus Tapaus-verrokkitutkimus Altistuslähtöinen tutkimus

6 Tutkimusasetelmat Kokeelliset asetelmat Rinnakkaistutkimus Satunnaistetut ja satunnaistamattomat Sokkoutetut ja sokkouttamattomat Factorial design Cross-over trial Sequential trial

7 Tutkimusnäyttö Järjestys 1. Havainnoivat asetelmat 2. Kliininen koe Tapaus-verrokki Kohorttitutkimus 3. Kokeellinen asetelma Paras näyttö

8 Havainnoivat tutkimukset Edut Helppoja tehdä Halpa ei aina Hyviä hypoteesien tuottoon Joitakin asioita voidaan tutkia vain näillä Haitat Harhaisten virheiden hallinta vaikeata Tulosten luotettavuus Eivät sovi hypoteesien testaamiseen

9 Ekologiset tutkimukset Analyysi yhdistetystä datasta yksilöitä ei tunnisteta Halpa, helppo tehdä, harhojen kontrollointi vaikeata

10 Tautilähtöinen tutkimus Vertailu altistuneiden määrien välillä Altistuneet Altistumattomat Altistuneet Altistumattomat Sairaat Tapaukset Terveet Kontrollit Tuloksena vetosuhde (odds ratio) arvio suhteellisesta riskistä

11 Altistuslähtöinen tutkimus Altistuneet Altistumattomat Sairastuneet Terveenä pysyneet Sairastuneet Terveenä pysyneet Vertailu sairastuneiden määrien välillä Tuloksena todellinen suhteellinen riski

12 Kliiniset kokeet Edut Hyviä hypoteesien testaamiseen Harhojen hallinta helppoa tulokset luotettavia Systemaattiset virheet voi muuttaa satunnaisvirheiksi satunnaistamalla Haitat Kalliita Teho elävässä elämässä alhaisempi Kaikkea ei voi tutkia kliinisellä kokeella

13 Hoitotutkimus Tutkimukseen sopivat Tutkimukseen tulleet Hoito A Satunnaistaminen Seuranta Hoito B Satunnaistamisen jälkeen aina omassa ryhmässään Tilastomenetelmä päättötapahtuman mukaan Hoidosta hyötyneet Ei hyötyä hoidosta Hoidosta hyötyneet Ei hyötyä hoidosta Vertailu vain hoidon loputtua kaikkien satunnaistettujen välillä

14 Factorial design Voi käyttää, jos hoidot toisistaan riippumattomia

15 Sequential trial - Otoskokoa ei ole määrätty

16 Parhaan asetelman valinta Valinnan pitäisi perustua Testattaviin hypoteeseihin Mihin halutaan vastaus Missä vaiheessa ollaan? Aloita helpolla asetelmalla Mihin uskoa? Yksi tutkimus harvoin riittävä evidenssi Jos asetelma havainnoiva enemmän tutkimuksia kuin kliinisissä kokeissa

17 Aineiston tunnusluvut

18 Tunnusluvuilla kuvataan aineistoa Aritmeettinen keskiarvo hyvä Tuttu, helppo ymmärtää Standardideviaatio Kuvaa hajontaa, ei edellytä jakaumalta mitään kertoo siitä Keskiarvon keskivirhe (standard error) Kuvaa otantavirhettä Laskuihin, testaukseen älä anna äläkä käytä hajonnan kuvaamiseen Mediaani vain yksi arvo, ei ole toistettavissa

19 Otoskoon arviointi - maksimoi hyötysuhteen - huomioidaan β-virhe

20 Otoskoon arviointi Miksi? Optimoidaan tutkittavien määrä Ei liikaa, jos ei tarvita Riittävästi, niin että ei eroa tulos olisi myös tärkeä Totuus erosta + - Tulos + - % β virhe 1-βpower α - virhe, P-arvo %

21 Satunnaistaminen Termit tunnettava Blokkisatunnaistaminen, permutoidut blokit Aina satunnaisesti kun mahdollista Ei-satunnaisjakoja Jako sairaalan, osaston mukaan Joka toinen, hoitotiimi Ryhmien välillä muitakin eroja kuin ryhmäjaon mukaan määräytyvä hoito!

22 Tilastolliset testit

23 Tilastomenetelmän valinta Mitta-asteikon merkitys * määrää datan käsittelyn * analyysit/vertailut asteikon mukaan * älä hukkaa tietoa keräysvaiheessa

24 Non-parametriset testit Jakaumaoletuksista vapaat (melkein) testit Chii-toiseen testi, spearman rankcorrelation testi Perustuvat rankingiin (järjestyspisteytykseen) Tarkastellaan ranking pisteiden jakaumia Tuloksena vain P-arvo

25 t-testi Parametrinen testi aineiston tulee olla vähintään välimatka-asteikollinen testi on robust Kahden otoksen keskiarvon testaamiseen Yhden otoksen keskiarvon poikkeavuus nollasta Vertailtavien aineistojen varianssien tulee olla yhtä suuria tätä ei koskaan tiedetä Perustuu t-jakaumaan ja hypoteettisten otoskeskiarvojen jakaumaan Gosset julkaisi nimimerkillä 1908 Otoskoon kasvaessa lähenee normaalijakaumaa

26 Monimuuttujamallinnukset Regressioanalyysi Selitetään välimatka-asteikollista muuttujaa Tavallisin yhteys jota haetaan lineaarinen Log-lineaarinen Selitetään moniluokkaista muuttujaa Logistinen malli Selitetään kaksiluokkaista muuttujaa Riittävästi havaintoyksiköitä (mielellään satoja) Hypoteesien tuottamiseen Mallinnusta ei voi testata siinä aineistossa, jossa se on tuotettu!

27 Mikä testi? Kaksi otosta Useita otoksia Mittaasteikko Riippuvat Yksi otos Riippuvat Riippumattomatomat Riippumattomat Luokitteleva SND-testi Khii-toiseen McNemarin testi SND-testi Khii-toiseen Fisher Cochran Q Khii-toiseen rxk Järjestys Merkkitesti Wilcoxon Mann- Whitney 2-suuntainen varianssi Varianssi analyysi Välimatka t-testi t-testi t-testi 2-suuntainen varianssi Varianssi

28 Mitä testaus kertoo?

29 Testauksen tulos Testituloksena testisuureen arvo Testisuure noudattaa vastaavaa jakaumaa Binomijakauma Poissonin jakauma t-jakauma jne Tähän jakaumaan perustuen saadaan todennäköisyys tällaiselle tai vielä enemmän poikkeavalle testisuureen arvolle nollahypoteesin ollessa totta Tämä on testauksen tuloksena saatu P-arvo

30 P-arvon tulkinta, lähtötilanne Asetetaan nollahypoteesi eroa ei ole nollahypoteesi jää voimaan tai hylätään Tulos Sovitaan kliinisesti merkittävä ero Virhetasot Päätetään virhetasot Tyypi I ja tyyppi II virhetaso

31 Tulos saatu, P-arvo alle hylkäystason Nollahypoteesi hylätään Tulos hoitovertailuissa todennäköistä, että hoidoissa on eroa P-arvo kertoo todetun tai enemmän poikkeavan tuloksen todennäköisyyden nollahypoteesin ollessa totta

32 P-arvo yli hylkäystason Nollahypoteesi jää voimaan Tulos hoitovertailuissa eroa hoitojen välillä ei voi varmistaa P-arvo yli sovitun hylkäystason, (yleensä P>0.05)

33 Tilastollinen testi Testaus ei kerro Eron suuruutta Mitä pienempi P-arvo # sitä isompi ero Havainnon biologista merkittävyyttä Virhettä väitettäessä eron puuttuvan Tämä huomioitava otoskoon laskussa Kuinka todennäköistä on, että tulos on selitettävissä sattumalla

34 Lopuksi Valitse analyysien tilastomenetelmät siten että saat mahdollisimman paljon informaatiota Parametriset testit Luottamusvälien ilmoittaminen Biostatistiikan tuntemus auttaa tutkijaa Oikein toteutetulle soveltamiselle substanssin tunteminen tärkeätä Tulisi tuntea kaikki, mitä käyttää Yleinen ongelma jo P-arvon tulkinta