1 / 28

Statistikk i forskningen - er det fruktbart?

Statistikk i forskningen - er det fruktbart?. Thore Egeland Biostatistikk, Rikshospitalet Seksjon for medisinsk statistikk, UiO. Innhold.

jacob-byers
Download Presentation

Statistikk i forskningen - er det fruktbart?

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Statistikk i forskningen -er det fruktbart? Thore Egeland Biostatistikk, Rikshospitalet Seksjon for medisinsk statistikk, UiO

  2. Innhold • Hvordan måle effekt av en studie?Sentrale begreper- p-verdier, konfidensintervaller,- absolutt - og relativ risikoreduksjon,- NNT (Number needed to treat) • Metaanalyser • Oppsummering. Kontekst:vitenskap, markedsføring , samfunnsmedisin?

  3. Protokoll • Innledning • Hensikt • Forsøksplan • Pasienter (inklusjo./eksklu.) • Beskrivelse av behandling. Oppfølging • Trekke seg • Statistisk analyse • Randomisering/blindin • Antall pasienter • GodkjenningSLK, etisk kom., samtykke • Reg./rapp. av bivirkninger • Datahåndtering (QC) • Publisering • Adminstrativt • Metaanalyser • Effektmål

  4. Gjennomgangseksempel Hannah et al. 2000

  5. Parallellstudie • Randomisert • Ikke blindet

  6. P-verdier • Medisinsk forskning fokuserer på p-verdier:p<0.05 Tolkes som en interessant forskjell mellom to behandlinger.p>0.05 Ingen signifikant forskjell; vi har ikke dermed vist at behandlingene er like. • P-verdien er sannsynligheten for å observere et så rart resultat som studien viste (eller enda rarere) pga tilfeldighet.

  7. P-verdier og hypoteser • Nullhypotese: Ho“Behandlingene like gode”Alternativ: H1“Nytt medikament bedre” • P-verdi= sannsynligheten for å påstå H1 (“bedre”) når sannheten er Ho (“likhet”).

  8. Statistisk og klinisk signifikans • p-verdier kan bli lave fordi utvalgene er store. Følgelige må også meningsfylte mål for behandlingseffekt og nytte oppgis. "A difference is only a difference if it makes a difference."

  9. Eksempel. Setestudien.

  10. P-verdier, effektmål Primært utfall:perinatal/neonatal mortalitet eller alvorlig neonatal morbiditet Keisersnitt reduserer risikoen, P-verdi<0.0001. Sannsynl. for utfall ved keisersnitt = 17/1039 = 0.016 = 1.6%Sannsynl. for utfall ved vag forløsning = 52/1039 = 0.050 = 5.0% Relativ risiko, RR = 1.6/5.0 = 0.33. Fortolkning: Risikoen for utfall 1/3 for keisersnitt (eller: 3 ganger høyere for fødsel)

  11. Konfidensintervall • Hvor sikkert er anslaget 0.33 for RR? 95% konfidensintervall 0.19 til 0.56. Fortolkning:Vi er 95% sikre på at den sanneverdien er mellom 0.19 og 0.56.

  12. RR<1 RR>1 Ikke sign. 0 .19 .56 1 H0: “ingen forskjell” Nullhypotesen forkastes med p-verdi<0.05 hvis konfidensintervallet ikke krysser 1.

  13. Trenger vi andre mål for å bringe inn samfunnsmessige - eller økonomiske aspekter?

  14. SOLVD. Absolutt differanse = 39.7%-35.2% = 4.5% NNT = Number needed to treat = 100/4.5 =22 Eva Skovlund, Tidsskriftet 2001;336-8.

  15. Table 4, s 704 Bernard et al. NEJM, vol 344:699-709 2002 Sannsynlighet for død i aktiv gruppe = 210/850 = 0.247 Sannsynlighet for død i placebo gruppe = 259/840 = 0.308 Relativ risiko = 0.247/0.308 =0.80

  16. Mål for effekt Relativ risiko = 0.247/0.308 =0.80 Absolutt risikoreduksjon = 0.308-0.247 = 0.061 = 6.1% Relativ risikoreduksjon = 1 - 0.80 = 0.20 = 20% NNT (Number needed to treat)=100/6.1=16

  17. Metaanalyser. Avgrensning Vi skal fokusere på de statistiske aspektene;litteratursøk, prosess mm, blir ikke diskutert.

  18. Fordeler ved metaanalyser • Ved å kombinere studier kan vi komme frem til kunnskap som ellers er uoppnåelig. • Bekvem oppsummering av forskning med ambisjon om å være mer objektiv enn tradisjonelle oversiktsartikler. • Man kan studere tidseffekter (Eks: sædkvalitet)

  19. Problemer ved metaanalyser • For lett å komme til konklusjoner:n blir stor og p-verdien fort liten.Må ha med effektmål.

  20. Publikasjonsskjevhet • Publisering av resultater fra kliniske forsøk er selektiv:- Størst sjanse for å få publisert signifikante resultater. • Behandlingsverdi overdrives. • Kan motvirkes ved registrering av igangsatte studier (Cochrane).

  21. Sammenligning med tradisjonelle studier Planlegging Design Vanskelig å rette feil Datainnsamling Analyse Fortolkning Mulig å rettefeile Publikasjon Altman, BMJ, 1980

  22. Litteratur. • Pocock, “Clinical trials”, Wiley1983. • Altman, “Practical statistics for medical research”, Chapman & Hall, 1993. • “If you torture data long enough, they will tell you whatever you want to hear.”Mills (1993) NEJM 329, 1196-9

  23. Oppsummering • Er dette vitenskap, markedsføring eller samfunnsmedisin?Forskjellige effektmål brukes. • Vi har diskutert- p-verdier, konfidensintervaller- absolutt - og relativ risikoreduksjon- NNT (Number needed to treat) • Metaanalyser • Fruktbart?

More Related