Keresési eredmények

Lege Artis Medicinae

2017. FEBRUÁR 12.

Bayesi és frekventista t-teszt és ANOVA

MOLNÁR D. László

A t-teszt és az ANOVA a lineáris modellek speciális esetei, amelyekkel folytonos magyarázandó változó (például vérnyomás) mért értékei hasonlíthatók össze két vagy több csoportban (például kezelések). Az orvosi statisztikai elemzések során az adatok nem mindig felelnek meg a frekventista lineáris modellekhez elvárt feltételeknek (például normális eloszlás és egyenlő szórásnégyzetek), amelyek eredetileg a matematikai egyenletek és eloszlások levezetéséhez voltak szükségesek. A bayesi li­neáris modellek a frekventista modellek robusztus, rugalmas és átlátható analógjai és alternatívái. A bayesi filozófiát és módszertant akkor is lehet és érdemes használni, ha az adott vizsgálati elrendezés és adatok megfelelnek a t-teszt vagy ANOVA feltételeinek! A bayesi módszertan egyéb előnyei között említhető, hogy az a priori eloszlásokkal korábbi ismereteket lehet az analízisbe beépíteni, illetve vizsgálni. Ugyanakkor ne felejtsük, hogy a frekventista statisztika tárházában is van olyan metodika, amely nem normális eloszlás, heteroszkedaszticitás vagy egyéb feltételeknek meg nem felelés esetén használhatóak. Érdemes megemlíteni, hogy a frekventista Lasso (least absolute shrinkage and selec-tion operator) is mutat rokonságot a bayesi módszerrel, mivel a Lasso olyan lineáris regressziós modell, amelyben az együtthatók becslésére vonatkozó megszorítással módosítják a hagyományos illesztési módszert, és így a modellből feláldoznak bi­zonyos mennyiségű információt annak érdekében, hogy a változók kiválasztásával a fontosabb együtthatókra fókuszáljanak a könnyebb interpretálhatóság érdekében. A számítások R környezetben elsősorban a Morey és Rouder által 2015-ben kifejlesztett BayesFactor programcsomaggal történtek.

Lege Artis Medicinae

2016. ÁPRILIS 20.

Bayesi és frekventista t-próbák orvosi alkalmazásai

MOLNÁR D. László

A bayesi statisztikai tanulás során ötvözik a hipotetiko-deduktív („top down”) és az induktív („bottom up”) szemléletet. Az adatelemzés során a Bayes-tétel alkalmazásával kombinálják az a priori eloszlásokat és az adatokat. A létrejövő a posteriori eloszlások képletesen szólva egy homokóra középső részének felelnek meg, míg az óra felső része a hipotetiko-deduktív részt képviseli az a priori eloszlásokkal, alsó része pedig az adatok területe az induktív logikával. Az a posteriori eloszlások folyamatosan frissülnek az adatok tükrében. A „top-down” és a „bottom up” metódusokat széles körben használják az orvostudományban és a vezetéstudományban. A ha­gyományos, frekventista statisztika viszont elsősorban induktív metódusnak tekinthe­tő, amely főleg az összegyűjtött adatokon alapszik. Bemutatjuk két csoport összehasonlításának módszerét folytonos változók esetén a hagyományos, frekventista parametrikus t-tesztekkel, a nem paraméteres permutációs teszttel és a különböző bayesi t-tesztekkel. Bemutatjuk azokat az ingyenes R és WinBUGS programkódokat is, amelyekkel a számítások elvégezhetőek.

Klinikai Onkológia

2014. SZEPTEMBER 10.

Klinikai vizsgálatok értékelésének szempontjai

TORDAY László, VÉGH Éva

Egy klinikai vizsgálat adatait mindig nagy odafi gyeléssel kell szemlélni, és az adatok részletekbe menő áttanulmányozása javasolt. Először minden esetben érdemes meghatározni azt, hogy a vizsgálati adatok milyen evidenciszinten adják meg az eredményt, és ezek alapján milyen ajánlás tehető. Meg kell vizsgálni a vizsgálat típusát, elrendezését, betegszámát, statisztikai erejét, randomizációját, stratifi kációját, a karok kiegyensúlyozottságát, a végpontok és a követési idő megfelelőségét az adott klinikai kérdés megválaszolására. A kimutatott statisztikai szignifi kancia mellett mindenképpen érdemes átgondolni az adatok klinikai relevanciáját, a kimutatott eltérések valós nagyságát, és az időfüggő változókra gyakorolt jelentőségét, mert ezek szabják meg az adott vizsgálat hatását a valós klinikai gyakorlatra. A „kreatív vizsgálati tervek” beköszöntött korszakában kifejezett odafi gyelést és kritikus hozzáállást igényel az, hogy meggyőződhessünk arról, hogy a vizsgálat során nem követtek-e el, nem követhető-e el olyan tipikus torzítás, amely a vizsgálat valós eredményeit megváltoztathatná.

Lege Artis Medicinae

2016. FEBRUÁR 05.

Bayesi módszerek az orvostudományban

MOLNÁR D. László

A frekventista statisztikai módszerek széles körben elterjedtek és szoftveresen is támogatottak, amely alkalmazásukat jelentősen megkönnyíti. A növekvő bayesi kutatások ellenére a statisztikai oktatás szinte mindenütt zömében frekventista alapon folyik. A frekventista statisztika a valószínűséget relatív gyakoriságként értelmezi, míg a bayesi valószínűség egy mennyiség, ami az adott tudást vagy vélekedést kvantifikálja. A bayesi statisztika lényegében egy tanulási folyamat. Bizonyos esetekben a bayesi statisztikai módszerek az egyedüli lehetőség az adatok elemzésére. A bayesi statisztikai módszerek jól alkalmazhatók az egészségi állapottal kapcsolatos adatok elemzésében. Minden kutató - bizonyos mértékig - bayesi. A közlemény a bayesi statisztika orvostudományban történő használatát ismerteti.

Klinikum

2012. ÁPRILIS 11.

Új biostatisztikai rovat

Örömmel adjuk hírül olvasóinknak, hogy új rovattal bővült az oldalunk.

Lege Artis Medicinae

2008. MÁRCIUS 21.

Mindennapok biostatisztikája Reiczigel Jenő, Harnos Andrea, Solymosi Norbert: Biostatisztika nem statisztikusoknak

SINGER Júlia

Bár a könyv címe pontosan fedi a tartalmát, ha nekem kellene címet választanom, feltétlenül szerepelne benne az öröm vagy a játék, valahogy így: „Tanuljunk örömmel” vagy „Játsszunk biostatisztikát!”, vagy „A feladatmegoldás öröme”. A biostatisztikai kézikönyvek világában ez ennek a könyvnek a különös ismertetőjele.

Ideggyógyászati Szemle

2006. MÁJUS 30.

Magyar Epilepszia Liga Lehetőség a korszerű epilepsziaellátás biztosítására és kutatására

RAJNA Péter

A Magyar Epilepszia Liga nyílt levele Az epilepszia klinikai kutatásai az utóbbi 20-30 évben túlnyomórészt a biostatisztika kívánalmainak megfelelően, a szükséges bevonási kritériumokat teljesítõ, a kizárási kritériumoktól mentes, meghatározott életkorú és általános állapotú, „a kutatással járó fáradalmakat szívesen vállaló”, azaz maximális együttműködésű betegeken történtek.