Основные аспекты медицинской статистики

1.

Основные аспекты
медицинской
статистики
Подготовила Чельцова М.А., 6 курс,
МГМСУ им. Евдокимова

2.

Виды дизайна биомедицинских исследований*:
Виды дизайна биомедицинских исследований в порядке увеличения степени их
доказательности:
1. Описание отдельных случаев (единичных объектов наблюдения – case study)
2. Описание серии случаев (case series study)
3. «Поперечные» исследования (cross-sectional studies)
4. Исследование «случай-контроль» (case-control study)

3.

5. Когортные исследования (cohort studies)
6. Рандомизированные контролируемые исследования (рандомизированные
контролируемые клинические испытания – randomized controlled clinical trials)
7. Систематические обзоры и мета-анализ (meta-analysis) РКИ.
*в порядке увеличения степени их доказательности.

4.

Представление в виде диаграммы исследования случай-контроль

5.

Представление в виде диаграммы когортного исследования

6.

Пирамида доказательной медицины Кокрейна

7.

Основные этапы проведения исследований:
Постановка вопроса
Гипотеза
Формулировка задач
План, протокол исследования
Проведение исследования и сбор данных
Обсчет данных
Презентация и интерпретация данных
Выводы

8.

Гипотезы
Нулевая гипотеза (Н0) - предположение о том, что разница между
генеральными параметрами сравниваемых совокупностей равна нулю, и
различия, наблюдаемые между выборочными показателями, носят случайный
характер.
Альтернативная гипотеза - предположение, принимаемое в случае отклонения
нулевой гипотезы (Н0). Как правило, альтернативная гипотеза (Н1) - это
единственное утверждение, являющиеся логическим отрицанием нулевой
гипотезы.

9.

Выдвинуть нулевую гипотезу
Получить, доказательства отклоняющие гипотезу
Признать нулевую гипотезу ложной
Принять альтернативную гипотезу

10.

Пример:
Планируется проведение исследования с контролем между эффективностью
нового препарата А и традиционного препарата В у пациентов, страдающим
заболеванием С.
Н0: Лекарство А не отличается от лекарства В (Н0: А=В)
Н1: Лекарство А отличается от лекарства В (Н1: А≠В)

11.

Ошибки гипотезы
Ошибка первого рода - состоит в том, что гипотеза будет отвергнута, хотя на
самом деле она правильная. Вероятность допустить такую ошибку называют
уровнем значимости и обозначают буквой “α”.
● Обычно α =0.1, 0.05 или 0.01.
Ошибка второго рода - состоит в том, что гипотеза будет принята, но на самом
деле она неправильная. Вероятность совершить эту ошибку обозначают буквой “β”.

12.

P-value
Достигаемый уровень значимости (P-value) - это наименьшая величина уровня
значимости (α), при которой нулевая гипотеза отвергается для данного значения
статистики критерия.
• p − value < α ⇒ H0 отвергаем на уровне значимости α, на имеющихся данных
• p − value > α ⇒ H0 не отвергаем на уровне значимости α, на имеющихся данных

13.

Процедура проверки статистической гипотезы
● Сформулировать нулевую и альтернативной гипотезы: Н0, Н1
● Отобрать необходимые данные из выборки пациентов
● Выбрать требуемый уровень значимости (α=0.05, 0.01, 0.025, ...)
● Выбрать и вычислить значение статистического критерия (t критерий
стьюдента, хи-квадрат Пирсона и тд)
● Сравнить полученное значение критерия со значениями из известного
распределения вероятность (с помощью специальных таблиц) - P-value
● Принять решение (для большинства тестов приемлемо правило: если
вычисленное значение больше, чем критическое, нулевая гипотеза
отклоняется) - P-value >/< α

14.

Конечные точки
Первичная конечная точка (primary end-point) - основной оцениваемый
параметр, основная цель исследования.
Сравнение частоты достижения этой цели в основной и контрольной группах
свидетельствует о эффективности (или неэффективности) вмешательства.
Вторичная конечная точка (secondary end-point): дополнительные
оцениваемые параметры, как правило, их несколько.

15.

Метод Каплана-Майера
-
методом анализа выживаемости для описания цензурированных наблюдений,
позволяющий оценить долю пациентов, у которых не произошло терминальное
событие, и оценить вероятность отсутствия события (остаться в живых) к
определенному моменту времени от начала наблюдения.

16.

Выживаемость
Patients: с заболеванием Х
Interventions: новое лекарство А
Control: старое лекарство В
Outcome: смерть
Время

17.

Выживаемость
Patients: с заболеванием Х
Interventions: новое лекарство А
Control: старое лекарство В
Outcome: смерть
Время

18.

Forest-plot
-
графическое изображение результатов мета-анализа в виде диаграммы.
Элементы на forest plot:
● Все рассмотренные в анализе исследования.
● Сравниваемые целевые переменные.
● Вес исследований
● Итоговая оценка
● Гомогенность/гетерогенность исследований

19.

Относительный риск
Относительный риск (relative risk) - это отношение частоты исходов среди
исследуемых, на которых оказывал влияние изучаемый фактор, к частоте исходов
среди исследуемых, не подвергавшихся влиянию этого фактора.
Пример: Влияние курение на развитие рак легкого у курящих и некурящих
пациентов
Рак легкого
Отсутствие рака
легкого
Всего
Курят
30 (A)
70 (B)
100 (A+B)
Не курят
10 (C)
90 (D)
100 (C+D)
Всего
40 (A+C)
160 (B+D)
200 (A+B+C+D)

20.

Рак легкого
Отсутствие рака
легкого
Всего
Курят
30 (A)
70 (B)
100 (A+B)
Не курят
10 (C)
90 (D)
100 (C+D)
Всего
40 (A+C)
160 (B+D)
200 (A+B+C+D)
RR = 1, то разницы в риске между двумя группами нет
RR < 1, то риск в группе, подвергшейся воздействию фактора, ниже, чем в не подвергавшейся.
RR > 1 (как в примере), то риск в группе, подвергшейся воздействию фактора, выше, чем в не
подвергавшейся.

21.

22.

Спасибо за внимание!