Episoder
-
Learning Through Listening: A Scoping Review of Podcast Use in Medical Education
סטטיסטיקה מרפאת- (1) הקדמה וממוצע 14/11/2023סטטיסטיקה מרפאת- (2) חציון 19/11/2023סטטיסטיקה מרפאת- (3) הטווח הבין רבעוני 23/11/2023סטטיסטיקה מרפאת- (4) שיעור בכל טווח ערכים 27/11/2023סטטיסטיקה מרפאת 5- היסטוגרמה והתפלגות 01/12/2023סטטיסטיקה מרפאת 6- התפלגות סימטרית והתפלגות מוטה 05/12/2023סטטיסטיקה מרפאת 7- התפלגות בימודלית 10/12/2023סטטיסטיקה מרפאת 8- סטיית התקן 14/12/2023סטטיסטיקה מרפאת 9- מבוא להסקה סטטיסטית 18/12/2023סטטיסטיקה מרפאת 10- ההתפלגות הנורמלית 21/12/2023סטטיסטיקה מרפאת 11- מיהו חריג? שימוש בחוק האמפירי 25/12/2023סטטיסטיקה מרפאת 12- התפלגות הדגימה 28/12/2023סטטיסטיקה מרפאת 13- הנורמלית מכה שנית -מסע הקסם המסתורי 01/01/2024סטטיסטיקה מרפאת 14- שגיאת התקן 04/01/2024סטטיסטיקה מרפאת 15- שגיאת התקן והחוק האמפירי 08/01/2024סטטיסטיקה מרפאת 16- רווח בר סמך 11/01/2024סטטיסטיקה מרפאת 17- שימוש ברווח בר סמך 15/01/2024סטטיסטיקה מרפאת 18- רווח בר סמך ומחקרים פורצי דרך ב 2023 18/01/2024סטטיסטיקה מרפאת 19- ביטוי מחדש 22/01/2024סטטיסטיקה מרפאת 20- ביטוי מחדש בהתפלגות הדגימה 25/01/2024סטטיסטיקה מרפאת 21- רווח בר סמך בקריאת מטא-אנליזה 29/01/2024סטטיסטיקה מרפאת 22- בדיקת השערות, שוד הבנק הגדול 01/02/2024סטטיסטיקה מרפאת 23 - p value 05/02/2024סטטיסטיקה מרפאת 24- ערך האלפא, מובהקות וטעות מסוג אחד 08/02/2024סטטיסטיקה מרפאת 25- טעות מסוג שני 12/02/2024סטטיסטיקה מרפאת 26- עוצמה 19/02/2024סטטיסטיקה מרפאת 27- הפחתת הסיכוי לשגיאות מסוג אחד ושניים. 22/02/2024סטטיסטיקה מרפאת 28- שלוש דרכים לטעות לגבי פי 26/02/2024סטטיסטיקה מרפאת 29- הטעות שכולם עושים וסטטיסטיקה בייסיאנית 04/03/2024סטטיסטיקה מרפאת 30- מבוא למבחנים סטטיסיים 07/03/2024סטטיסטיקה מרפאת 31 - Student’s t test 11/03/2024סטטיסטיקה מרפאת 32- מתרמוס לפרימוס (t to p) 14/03/2024סטטיסטיקה מרפאת 33- סוגי משתנים 18/03/2024סטטיסטיקה מרפאת 34- לשחות בים המבחנים הסטטיסטיים 21/03/2024סטטיסטיקה מרפאת 35- מבחנים א-פרמטריים 25/03/2024סטטיסטיקה מרפאת 36 - Mann-Whitney 28/03/2024 סטטיסטיקה מרפאת 37 - Paired samples t-test 01/04/2024סטטיסטיקה מרפאת 38-שונות 04/04/2024סטטיסטיקה מרפאת 39 -Why ANOVA 08/04/2024סטטיסטיקה מרפאת 40 - ANOVA How 11/04/2024סטטיסטיקה מרפאת 41 - ANOVA What 15/04/2024סטטיסטיקה מרפאת 42 - ANOVA Post hoc 18/04/2024סטטיסטיקה מרפאת 43- קרוסקל וואליס 29/04/2024סטטיסטיקה מרפאת 44- קרובים רחוקים- ווילקוקסון, אנובה למדידות חוזרות 02/05/2024סטטיסטיקה מרפאת 45- חי בריבוע- חלק ראשון 09/05/2024סטטיסטיקה מרפאת 46- חי בריבוע חלק שני- איך זה עובד 18/05/2024סטטיסטיקה מרפאת 47- דרגות חופש 20/05/2024סטטיסטיקה מרפאת 48- דרגות חופש וטבלת חי 23/05/2024סטטיסטיקה מרפאת 49- מבחן מקנמר 30/05/2024סטטיסטיקה מרפאת 50- קוקרן-מנטל-הנזל וערפלנים 03/06/2024סטטיסטיקה מרפאת 51- מתאם (קורלציה) 10/06/2024סטטיסטיקה מרפאת 52- מקדם המתאם של פירסון 17/06/2024סטטיסטיקה מרפאת 53- מקדם המתאם של ספירמן 27/06/2024סטטיסטיקה מרפאת 54- רגרסיות: שלושה שימושים, שלושה סוגים 04/07/2024סטטיסטיקה מרפאת 55- נוסחת הרגרסיה 11/07/2024סטטיסטיקה מרפאת 56- המח מבצע רגרסיות בחיי היום יום 18/07/2024סטטיסטיקה מרפאת 57- איך נוסחת הרגרסיה עוזרת לה לתפקד 25/07/2024סטטיסטיקה מרפאת 58- משוואת הקו הישר ורגרסיה לינארית 01/08/2024סטטיסטיקה מרפאת 59- קו הרגרסיה 08/08/2024סטטיסטיקה מרפאת 60 – רגרסיה לינארית מרובה 15/08/2024סטטיסטיקה מרפאת 61- איך להבין תוצאות רגרסיה לינארית 22/08/2024סטטיסטיקה מרפאת 62 - R squared in the regression 29/08/2024סטטיסטיקה מרפאת 63 – מה קורה כשזה לא לינארי 05/09/2024סטטיסטיקה מרפאת 64 -Odds and odds ratio 12/09/2024סטטיסטיקה מרפאת 65 -רגרסיה לוגיסטית- ההסבר הפשוט 19/09/2024סטטיסטיקה מרפאת 66- הטריקים של הרגרסיה הלוגיסטית 26/09/2024סטטיסטיקה מרפאת 67- למה קוראים לה לוגיסטית 03/10/2024סטטיסטיקה מרפאת 68- מקדמי הרגרסיה הלוגיסטית 10/10/2024סטטיסטיקה מרפאת 69 – שרידות ועקומת שרידות 17/10/2024סטטיסטיקה מרפאת 70 – hazard and hazard ratio 24/10/2024סטטיסטיקה מרפאת 71 – עקומת קפלן מאייר 31/10/2024סטטיסטיקה מרפאת 72 – פענוח עקומת קפלן מאייר 07/11/2024סטטיסטיקה מרפאת 73- רגרסיית קוקס- ההסבר הפשוט 14/11/2024סטטיסטיקה מרפאת 74- רגרסיית קוקס- הבנת התוצאות 21/11/2024סטטיסטיקה מרפאת 75- רגרסיית קוקס- למה? 28/11/2024סטטיסטיקה מרפאת 76- נוסחת רגרסיית קוקס 05/12/2024סטטיסטיקה מרפאת 77- האמת המפתיעה על רגרסיות 12/12/2024סטטיסטיקה מרפאת 78 - log rank test 19/12/2024סטטיסטיקה מרפאת 79- רווח בר סמך למקדם הרגרסיה הלינארית 26/12/2024סטטיסטיקה מרפאת 80- רווח בר סמך ברגרסיית קוקס 02/01/2025סטטיסטיקה מרפאת 81- קיטוע סדרת מדידות (קס"מ)- מתי ולמה 09/01/2025
סטטיסטיקה מרפאת 82- קס"מ- תנאים
סטטיסטיקה מרפאת 83- קס"מ- סוג המשתנים
סטטיסטיקה מרפאת 84- קס"מ- השיטה ושכלולים
סטטיסטיקה מרפאת 85- מודלים סטטיסטיים ומודל מעורב
סטטיסטיקה מרפאת 86- מודל מעורב ב'
סטטיסטיקה מרפאת 87- חישוב גודל מדגם
סטטיסטיקה מרפאת 88- כל הסטטיסטיקה על רגל אחת- סיכום כל הסדרה עם הפניות לפרקים השונים
-
Statistical Methods in the Journal — An Update
Intraosseous or Intravenous Vascular Access for Out-of-Hospital Cardiac Arrest
מחשבון גודל מדגם
העוצמה גדלה ככל שערך האלפא, גודל המדגם, וגודל האפקט גדלים. לעומת זאת היא נחלשת כאשר שגיאת התקן גדלה. את כל הנתונים האלו ניתן לשבץ בתוך נוסחה ייחודית למבחן סטטיסטי מסוים כדי לחשב את העוצמה של מחקר. אם לעומת זאת, מגדירים מהי העוצמה הרצויה, מגדירים מהו גודל האפקט הרצוי, ומהי שגיאת התקן הצפויה, נשאר רק משתנה אחד לא ידוע- גודל המדגם. בצורה כזו אפשר לחשב את גודל המדגם הרצוי כדי להשיג עוצמה מסוימת.
Power analysis
Power
Sample size calculation
Effect size
Standard error
-
Mangler du episoder?
-
Effect of Salt Substitution on Cardiovascular Events and Death
A Community-Based Intervention for Managing Hypertension in Rural South Asia
הצורך במודל מעורב עולה כאשר רוצים לבצע רגרסיה אך יש תלות בין מדידות שונות, למשל תוצאות עבור אנשים ממשפחה אחת או מכפר אחד, או מדידות חוזרות אצל אותו אדם.
במודל הזה לתוך מוכנסים לנוסחה אפקטים קבועים, בדומה לרגרסיות המוכרות לנו מפרקים קודמים, אך גם אפקטים רנדומליים. אפקט רנדומלי נמצא נמוך יותר בהיררכיה של ההשפעה, והוא גורם לשונות סביב האפקט הקבוע. למשל, השפעת כפר המגורים על שכיחות אירועים מוחיים יכול להיות אפקט רנדומלי, סביב האפקט הקבוע שהוא השפעת ההתערבות עצמה על שכיחות אירועים מוחיים. עבור אפקטים קבועים יתקבל בנוסחת המודל הסטטיסטי מקדם קבוע, אך המקדם עבור האפקט הרנדומלי, הכפר למשל, השני לא יהיה מקדם קבוע בנוסחה אלא כזה שיכול להשתנות (בצורה רנדומלית) בין כפר לכפר.
במודל מעורב המתאר קשר לינארי, למשל עבור התערבות והשפעתה על ערכי לחץ דם במדידות חוזרות באותם אנשים, האפקט הרנדומלי, למשל האפקט של המשתתף הספציפי במחקר, יכול להתבטא גם עבור הקבוע במשוואה (למשל, מהו לחץ הדם ההתחלתי) וגם עבור המקדם בנוסחה המציין את שיפוע הקו (למשל, מה קצב שיפור לחץ הדם).
Mixed effects model
Independence assumption for non-mixed regression
Dependent measurements
Hierarchical model
Fixed effects
Random effects
Random effect for the constant (intercept)
Random effect for the coefficient (slope)
-
תמונה של מיקי מאוס
מודל הוא נסיון לתאר תופעה בעולם בעזרת נוסחה מתמטית. בפרק הזה נשתמש בתיאור של פסלים במקום תופעות, ונבין שלרוב המודל לא יתאר בצורה מדויקת את הפסל, ושבמצבים מסויימים נצטרך להכניס למודל גם אפקטים קבועים המשותפים לכל המיקי-מאוסים, כמו צורת האוזניים וגם אפקטים רנדומליים שמשתנים בין ייצוגים שונים של מיקי-מאוס, כמו הגודל או תנוחת היד. הכנסת האפקטים הרנדומליים תאפשר לתאר את האפקטים הקבועים בצורה טובה יותר. למשל, אפשר יהיה לתאר את מבנה היד של מיקי מאוס (אפקט קבוע) גם כאשר היד בתנוחות (אפקט רנדומלי) שונות.
Statistical model
Mixed effects model
Fixed effects
Random effects
-
Impact of changes to national guidelines on hypertension-related workload: an interrupted time series analysis in English primary care
השיטה הסטטיסטית בקיטוע סדרת מדידות דומה מאוד לשיטה ברגרסיה לינארית פשוטה. למרות שהמשתנה הבלתי תלוי שמעניין אותנו הוא ההתערבות שקרתה בזמן מסויים, הזמן הוא המשתנה הבלתי תלוי שסביבו הנוסחה בנויה. לפני ההתערבות ישנו קבוע שאומר מה הייתה המדידה בתחילת המעקב ומקדם שאומר מהו קצב השינוי, זאת אומרת בכמה המדידה השתנתה עבור כל יחידת זמן. בנוסחה מופיע גם משתנה קטגוריאלי עם שני ערכים אפשריים: האם מדובר בזמן שלפני או אחרי ההתערבות. אם מדובר בזמן שאחרי ההתערבות מתווספים שני שינויים אפשריים: ברמת המדידה ובמגמה לאורך זמן.
שכלולים אפשריים לשיטה הם שיכוב לפי משתנה מסביר נוסף (למשל, שכבות גיל), השוואה בין הצפוי לפי המגמה הקודמת לבין מה שקרה בפועל לאחר ההתערבות, ושימוש ב negative control (משתנה תלוי שלא אמור להיות מושפע מההתערבות)
Interrupted time series analysis
Segmented regression model
Change in level
Change in trend
Negative control
Stratification
-
Impact of changes to national guidelines on hypertension-related workload: an interrupted time series analysis in English primary care
Survival after Minimally Invasive Radical Hysterectomy for Early-Stage Cervical Cancer
בקיטוע סדרת מדידות נמדדת השפעת משתנה בלתי תלוי קטגוריאלי (דיכוטומי) על משתנה תלוי כמותי או קטגוריאלי. המשתנה הקטגוריאלי הוא החשיפה או ההתערבות. למשל, ללא קווים מנחים חדשים לפני האירוע ועם קווים מנחים אחריו. המשתנה התלוי, גם אם החל כקטגוריאלי, מקבל תמיד צורה כמותית כדי לבחון את מגמת ההשתנות לאורך זמן.
הזמן עצמו הוא משתנה בלתי תלוי נוסף, שגם הוא משפיע על התוצא, אך צריך לזכור שמדובר רק במשתנה עזר.
הזמן קשור גם למשתנה התלוי, כיוון שנבדקת השפעה גם על המגמה, ושמגמה (trend) היא שינוי לאורך זמן.
Interrupted time series analysis
Trend
Independent variable
Dependent variable
Time as an independent variable
-
Impact of changes to national guidelines on hypertension-related workload: an interrupted time series analysis in English primary care
מאמר הסבר מצויין על השיטה
כדי לבצע קיטוע סדרת מדידות, ההתערבות צריכה להיות מוגדרת היטב בזמן, התוצא צריך להיות כזה שמופיע זמן קצר (או לפחות זמן ידוע) לאחר ההתערבות, וצריך כמות מספיקה של מדידות לפני ואחרי ההתערבות כדי לאפשר דיוק ואמינות וכדי למנוע הטיה שנובעת מעונתיות של תוצאות- למשל, מהעובדה שדלקת ריאות שכיחה יותר בחורף. למרות הרצון לכלול כמה שיותר מדידות, לעתים נרצה להגביל את תקופת המדידות לפני ההתערבות או אחריה, כדי לא לכלול בתקופת המדידות אירוע "זר" שיכול להשפיע על התוצא.
Time series analysis
Interrupted time series analysis
Intervention/Outcome characteristics allowing time series analysis
Seasonality
Bias
-
Rates of Induction of Labor at 39 Weeks and Cesarean Delivery Following Publication of the ARRIVE Trial
Survival after Minimally Invasive Radical Hysterectomy for Early-Stage Cervical Cancer
מחקר מבוקר אקראי שפורסם בהמשך:
LACC Trial: Final Analysis on Overall Survival Comparing Open Versus Minimally Invasive Radical Hysterectomy for Early-Stage Cervical Cancer
מחקר ה arrive:
Labor Induction versus Expectant Management in Low-Risk Nulliparous Women
Interrupted time series analysis
או בחידוש שלי- קיטוע סדרת מדידות, היא שיטה סטטיסטית המשתמשת בניסוי טבעי. אירוע מסויים הגורם לשינוי בטיפול או בחשיפה, ושימוש במדידות חוזרות של משתנה מסוים לפני ואחרי אותו אירוע. לאחר האירוע נבדקים שני השפעות אפשריות: הראשונה- השפעה מיידית על ערך המשתנה הנמדד, והשנייה- השפעה על הטרנד, מגמת ההשתנות לאורך זמן. המדידות החוזרות שלפני האירוע מאפשרות לזהות מגמת שינוי שאינה קשורה לאירוע המדובר, והשינוי במגמה לאחר האירוע יכול להיות מיוחס לאירוע עצמו.
Time series analysis
Interrupted time series analysis
Level
Treand
Change in level
Change in trend
-
Neoadjuvant FOLFIRINOX versus upfront surgery for resectable pancreatic head cancer (NORPACT-1): a multicentre, randomised, phase 2 trial
כיוון שבתוך רגרסיית קוקס כלולה למעשה רגרסיה לינארית*, אפשר לבנות רווח בר סמך למקדם בתוך אותה רגרסיה לינארית. ובדיוק כפי שאפשר לתרגם את המקדם ל hazard ratio, גם את אותו רווח בר סמך למקדם אפשר לתרגם לרווח בר סמך עבור ה hazard ratio. כאשר רווח בר סמך ל hazard ratio כולל בתוכו את הערך 1, התוצאה אינה מובהקת.
*(בתוך הנוסחה יש חזקה, והרגרסיה הלינארית היא המעריך בחזקה זו)
Cox regression inference
Confidence interval for hazard ratio
-
Antiepileptic Drug Exposure in Infants of Breastfeeding Mothers With Epilepsy
המקדם עבור משתנה מסביר ברגרסיה הלינארית מציין שיפוע של קו. זהו הקו המתאר את הקשר בינו לבין המשתנה החזוי. בעזרת השאריות סביב קו זה אפשר לחשב את סטיית התקן לשיפוע הקו. מתוך סטיית תקן זו, מחושבת שגיאת תקן ובעזרתה אפשר לבנות רווח בר סמך. רווח בר סמך זה הוא עבור שיפוע הקו, זאת אומרת עבור המקדם בנוסחת הרגרסיה הלינארית. כאשר רווח בר סמך כולל את הערך 0, התוצאה אינה מובהקת, כיוון ששיפוע 0 מייצג העדר קשר בין המשתנה המסביר למשתנה החזוי.
Linear regression
Inference in linear regression
Confidence interval for the regression coefficient
Statistical significance
-
Neoadjuvant FOLFIRINOX versus upfront surgery for resectable pancreatic head cancer (NORPACT-1): a multicentre, randomised, phase 2 trial
מבחן הלוג-ראנק עוזר כאשר יש שתי קבוצות ולכל אחת מהן עקומת קפלן מאייר. המבחן בודק האם כאשר השערת האפס נכונה, סביר לקבל הבדל בין העקומות כפי שהתקבל במחקר.
השיטה של המבחן מאוד דומה למבחן חי בריבוע, ומתבססת על הפער בין הצפוי (בנוכחות השערת האפס) למה שהתקבל בפועל במחקר. אך בניגוד לחי בריבוע הרגיל, כאן הפער מחושב פעמים רבות (עבור נקודות זמן מרובות). מספר האירועים הצפוי בנקודת זמן מסוימת נובע מחלוקה של האירועים בין שתי הקבוצות באופן יחסי לגודלן. במלים אחרות, כמות האירועים הצפוייה בכל קבוצה תלויה בכמות האנשים בסיכון בכל נקודות זמן. הפער מתוקנן לכמות האירועים הצפויה בכל קבוצה.
ככל שהפער בין הצפוי בנוכחות השערת האפס למה שהתקבל בפועל יותר גדול, כך יתקבל במבחן הזה ערך גדול יותר, וערך ה p יהיה קטן יותר.
Log rank test
Kaplan-meier curves
Statistical inference
-
Neoadjuvant FOLFIRINOX versus upfront surgery for resectable pancreatic head cancer (NORPACT-1): a multicentre, randomised, phase 2 trial
למרות שמדובר בטכניקות מורכבות, גם הרגרסיות וגם עקומת קפלן מאייר הן רק סטטיסטיקה תיאורית. הן מספרות לנו משהו על המדגם במחקר מסוים, אך אינן מספיקות כדי להסיק מתוכן על המציאות, האמת שמחוץ למחקר. כדי להסיק על המציאות ניתן להשתמש ברווח ברך סמך (עבור מקדמי רגרסיות, למשל) ובמבחנים סטטיסטיים (להשוואה בין שתי עקומות קפלן-מאייר, למשל)
Kaplan-meier curves
Cox regression
Statistical inference in regressions
Statistical test
Confidence interval
-
Relationship between Clinic and Ambulatory Blood-Pressure Measurements and Mortality
התוסף של המאמר
נוסחת רגרסיית קוקס דומה מאוד לנוסחת הרגרסיה הלוגיסטית. בשני המקרים מדובר בחזקה, במספר אוילר (e) בבסיס, ובמעריך שבו רצף דומה מאוד לנוסחת הרגרסיה הלינארית: מכפלות המחוברות אחת לשנייה. כל מכפלה היא מקדם מסוים כפול משתנה מסויים, למשל המקדם 0.48 כפול לחץ הדם הסיסטולי. כדי לתרגם מקדם ל HR (hazard ratio), אפשר פשוט להציב אותו כמעריך של מספר אוילר (e). למשל, כאשר מספר אוילר מועלה בחזקת 0.48, מקבלים HR של 1.58, וזוהי הייתה אכן התוצאה שפורסמה במחקר ושהתקבלה מתוך רגרסיית קוקס שכללה גם משתנים אחרים. ה HR לתמותה כללית היה 1.58 עבור כל עליה של סטיית תקן אחת (14 ממ כספית) בלחץ הדם הביתי. (רווח בר סמך: 1.56-1.60)
Cox regression formula
Cox regression coefficients
Hazard ratio- HR
Translation from coefficients to HR
-
Relationship between Clinic and Ambulatory Blood-Pressure Measurements and Mortality
התוסף של המאמר
יש שתי סיבות עקריות להשתמש ברגרסיית קוקס ולא בעקומות קפלן מאייר. אחת- כאשר המשתנה המסביר הוא כמותי (ולא קטגוריאלי עם שתי קבוצות בלבד). השנייה, חשובה יותר, היא כיוון שכך ניתן לקחת בחשבון מאפיינים נוספים מרובים של המטופלים, ולנטרל ערפלנים.
Cox regression
Multivariate analysis
Adjustment for confounders
Prediction
Kaplan-Meier method
-
Relationship between Clinic and Ambulatory Blood-Pressure Measurements and Mortality
התוסף של המאמר
בפרק הזה נבין את משמעות ה hazard ratio (HR) בתוצאות מחקר.
עבור משתנה כמותי , HR מציין פי כמה הקצב של האירועים גדל עבור כל יחידת מדידה של המשתנה. עבור משתנה קטגוריאלי, נבחרת קבוצת התייחסות, וה HR מציין פי כמה קצב האירועים גדל כאשר המשתתף שייך לקבוצה אחרת.
כאשר ה HR גדול מ 1, מדובר בעליה בסיכון לאירוע. כאשר הוא קטן מ 1, מדובר בירידת סיכון, וכאשר הוא 1, מדובר במשתנה שלא משפיע על האירוע. הרווח בר סמך סביב ה HR מראה לנו האם התוצאה מובהקת. רווח בר סמך הכולל בתוכו את המספר 1 מעיד על תוצאה שאינה מובהקת- גורם סיכון שאולי לא באמת מגביר סיכון, או טיפול שאולי לא באמת מפחית סיכון.
Cox regression
Hazard ratio
(Categorical (nominal) variable (and reference
Quantitative variable
Cox regression coefficients
Confidence interval for hazard ratio
statistical significance of hazard ratio
-
טעות בהעלאת הפרק האחרון: ההקלטה שהועלתה השבוע לפרק "ההסבר הפשוט על רגרסיית קוקס" הייתה שגויה, וכעת העניין תוקן וההקלטה הנכונה הועלתה. מעכשיו באתר הפודקאסט ebm.podneam.com ועוד כמה ימים בכל אפליקציות הפודקאסטים, תוכלו לשמוע את הפרק האמיתי. תודה רבה לאביהוא על ההערה ובכלל לכל המאזינים ששלחו לי הערות, רעיונות ובקשות. לפודקאסט יש דף פייסבוק: "רפואה נתמכת ראיות- הפודקאסט" ואפשר לשלוח לי דרכו הערות מחשבות ובעקר, אם יש נושא חשוב בסטטיסטיקה שנראה לכם שהחמצתי ותרצו שאעשה עליו פרק.
-
Relationship between Clinic and Ambulatory Blood-Pressure Measurements and Mortality
התוסף של המאמר
רגרסיית קוקס היא מודל שמשתמש במונח ההאזארד, ומכפיל אותו ב hazard ratio מסוים עבור כל משתנה, כדי לקבל האזארד חדש. הנחת היסוד של המודל הזה, היא שהיחס בין שני האזארדים (ה hazard ratio) עבור כל משתנה נשאר דומה לאורך תקופת המעקב. המודל מאפשר לנו להעריך את אותו יחס, זאת אומרת פי כמה קצב האירועים (ההאזארד) בקבוצה אחת גבוה מקצב האירועים בקבוצה אחרת בנקודת זמן מסוימת. בגלל הנחת היסוד, אותו יחס יהיה רלוונטי בנקודות זמן שונות.
Proportional hazards model- Cox regression
Proportional hazards assumption
hazard
hazard ratio
-
Early Palliative Care for Patients with Metastatic Non–Small-Cell Lung Cancer
Initial Invasive or Conservative Strategy for Stable Coronary Disease
עקומת קפלן מאייר היא אומדן. אומדן של עקומת השרידות אותה היינו רואים לו היו לנו נתונים עבור כל התקופה לכל משתתפי המחקר. בציר האופקי נמצא הזמן מתחילת המעקב, או מהרנדומיזציה, ובציר האנכי אומדן אחוז השרידות (או שיעור ההארעות המצטבר). אם נרצה לבדוק מהו אחוז השרידות לאחר תקופת זמן מסוימת, נתחיל מהציר האופקי. נחתוך את הגרף בנקודת הזמן שמעניינת אותנו, ואז נבדוק מהו אחוז השרידות בציר האנכי. אם נרצה לבדוק מהו אומדן זמן השרידות החציוני, נתחיל מהציר האנכי, בגובה בו השרידות היא 50%, ונבדוק באיזו נקודת זמן הגרף נחתך. לעתים על גבי העקומה יסומנו קווים אנכיים קטנים- אלו הם מקרי הצנזור, אנשים שעדיין לא חוו אירוע, אך שמנקודת זמן זו והלאה כבר אין לגביהם נתונים. סביב עקומת קפלן מאייר אפשר לצייר ענן שמייצג רווח בר סמך לשיעור השרידות עבור כל נקודה בזמן.
Kaplan-meyer curve
Censoring
Confidence interval for the KM curve
Number at risk
Median survival time
-
Initial Invasive or Conservative Strategy for Stable Coronary Disease
עקומת קפלן מאייר היא אומדן לעקומת שרידות או לעקומת אירועים מצטברים, וההסתכלות עליה דומה מאוד. אך בכל נקודת זמן היא מחושבת ומשורטטת לפי המשתתפים במחקר שזמינים לחוקרים. כיוון שבמחקר יש גיוס הדרגתי של משתתפים, חלק מהמשתתפים, אלו שגויסו מוקדם, יהיו עם זמן מעקב ארוך, אך חלק אחר, הקבוצה שגויסה מאוחר, ישתתפו במחקר רק זמן קצר ולכן יתרמו נתונים רק לתקופת הזמן הראשונה. בכל נקודת זמן אחוז הצטברות האירועים מחושב לא יחסית לקבוצה כולה אלא יחסית למספר האנשים הזמינים למעקב שעדיין לא עברו אירוע. אנשים הזמינים למעקב מייצגים עבור החישוב גם את האנשים שכבר אינם זמינים למעקב. העקומה המתקבלת מייצגת ומעריכה את שיעור האירועים המצטברים, או את שיעור השרידות בכל הקבוצה, אך חשוב לזכור שזהו רק אומדן, כיוון שלאורך הזמן יש פחות ופחות אנשים עבורם קיימים נתונים.
Kaplan meyer curve
Kaplan-Meier estimate
number at risk
-
Relationship between Clinic and Ambulatory Blood-Pressure Measurements and Mortality
התוסף של המאמר
Initial Invasive or Conservative Strategy for Stable Coronary Disease
האזארד הוא הסיכוי לאירוע ביחידת הזמן הקרובה, בתנאי שהמשתתף במחקר כבר הגיע לנקודת זמן זו ללא אירוע עד כה. במלים פשוטות מדובר בקצב האירועים הצפוי ביחידת זמן, אך חשוב להבין שמדובר בחישוב מותנה: רק עבור אלו שהגיעו לתחילת יחידת זמן זו ללא התרחשות האירוע. גם כאשר קצב האירועים הוא לכאורה אחיד, למשל 600 אירועים בשנה מתוך 30000 משתתפים בתחילת המחקר, ההאזארד משתנה, כיוון שבתחילת המחקר יש 30,000 איש בסיכון, אך לאחר ארבע שנים ו 2400 אירועים, נותרו רק 27,600 איש בסיכון ורק מתוכם מחושב ההאזארד עבור נקודת הזמן הזו.
אם יש לנו נתונים של ההאזארד בשתי קבוצות באותה נקודת זמן, אפשר לחלק האזארד של קבוצה אחת בהאזארד של הקבוצה השניה ולקבל את היחס ביניהם: ההאזארד רשיו (סליחה על האינגליש).
במצבים מסוימים, יחס זה נשאר קבוע פחות או יותר לאורך כל תקופת המעקב ואז החוקרים יציגו לנו אותו כהאזארד רשיו הכללי. למשל, במחקר על השפעת יתר לחץ דם ממוסך על תמותה כללית, ההאזארד רשיו (של אנשים עם יתר לחץ דם ממוסך לעומת אנשים ללא יתר לחץ דם) היה 2.8.
במצבים אחרים, בהם עקומות ההשרדות של שתי קבוצות חוצות אחת את השנייה, נוכל להבין שההאזארד רשיו אינו קבוע.
hazard
Hazard ratio (HR)
- Se mer
