П.С. Статьи приведенные в качестве примера не "золотой стандарт", эт просто свободные статьи с похожим исследованием из пабмеда.

Статья о которой мы так долго дискутировали, меня несколько смущает, а именно, анализ renal SOFA score.
Авторы и пишут, что Continuous data are presented as mean (SD) and categorical as number (%), unless otherwise indicated.

Неужели СОФА это непрерывные данные...

Рекомендую прочитать другие исследования используюшие шкалы СОФА и АПАЧИ, и посмотреть, как эти данные классифицированы.

Вам уже дали хорошие рекомендации
http://forum.disser.ru/index.php?showtopic=2941

"Сами же шкалы (Apache II, SOFA, Ranson, SAPS) показали себя куда более слабыми предикторами: площадь под ROC-кривой для всех шкал была в диапазоне 0,69 - 0,75. Можете тоже сделать ROC-анализ, но если материала мало и задача прогноза не стоит - просто сравните доли летальных случаев в таблице сопряжённости."

Незнаю какое лечение вы исследуете, но меня, как врача интересовало бы влияние нового лечения на смертность/выживемость пациентов с сепсисом. Надеюсь, что при выборе первичной конечной точки (разница по шкалам СОФА и АПАЧЕ между группами пациентов), вы руковоствовались уже проведенными исследованиями...

Да, ключевое значение, разумеется имеет именно выживаемость. Однако при применении экстракорпоральных методов детоксикации (в статьях) оценка динамики баллов по различным шкалам - весьма распространено. Причем как у нас, так и за рубежом. ПРичем, если достоверная динамика не прослеживается, то это тоже интересный результат. Если получается выявить фактор, котор влияет на динамику состояния, то это очень ценно. Признаюсь, раньше при чтении статей и особо не вчитывался, каким статистическим методом исследовалась динамика. Важны были выводы, к которым пришли авторы. Но по моему личному опыту, иностранцы, как правило, описывают баллы как среднее и СО. При этом динамика по шкалам совершенно не обязательно рассматривается как предиктор исхода. Само наличие или отсутствие ожидаемой динамики - уже важный факт....как мне кажется. При отсутствии динамики, можно задуматься о том, что, вероятно, есть неучтенный фактор в лечении конкретного больного.


Сообщение отредактировал Alex_Z - 5.01.2012 - 17:23

Вынудили меня все таки прочитать про СОФА, будет полезно и для вас тоже, включая указанных референтов в цитате

Mean- and max-score derivatives were introduced for SOFA by Moreno et al. [23] in 1999 and Ferreira et al. [24] in 2001. These methods were extended by Ceriani et al. [14] in 2003. ... However, it should be remembered that calculating the mean- and max-values adds some degree of selectivity to the model. The mean-derivative of a model reflects the overall average, whereas the max-derivative highlights the peak of organ dysfunction during the postoperative ICU stay;...
http://www.cardiothoracicsurgery.org/content/6/1/21


Теперь начнем с начала, проверяем нормальность непрерывных данных.
Что это значит, какую гипотезу тестируете по Колмогорову-Смирнову ?
"Странно, я думал, что параметрические критерии более чувствительны к тому, чтобы уловить различия между группами. Посчитал по Стьюденту, Манн-Уитни и Колмогорову-Смирнову по SPSS.
...
По Колмогорову-Смирнову еще интереснее:
Точка 1 р-0,74
Точка 2 р-0,011
Точка 3 р-0,000"
Вопрос скорее риторический.

Как проверить нормальность v SPSS http://statistics.laerd.com/spss-tutorials...-statistics.php

У меня русский 17 SPSS. В разделе непараметрические статистики есть одновыборочный критерий Колмогорова-Смирнова. Там можно поставить галочку "проверяемое распределение" (нормальное).
Им и проверял нормальность. Нулевая гипотеза - выборка соответствует нормальному закону, альтернативная - нет. А ссылка по SPSS интересная, спасибо. У меня по SPSS книга Наследова.

А для сравнения различий между двумя выборками (ненормальное распределение) я использовал Z-Колмогорова-Смирнова. Так в русском SPSS.

С СПСС никогда не работала, книг по статистике на русском тоже не читала.
В Стате, с которой я в основном работаю, К-С тест используется, чтобы определить, подчиняются ли две выборки одному закону (two-sample), либо определить, подчиняется ли полученное распределение данных референтному распределению (one-sample).

Касательно статистического анализа шкал, как я понимаю, данные распределены не нормально. Непараметрического метода для повторных измерений, да еще с анализом подгрупп, я не знаю. Здесь возможно использование linear mixed-effects model. Подробно напишу позднее.

Если будете сравнивать только среднее значение без анализа подгрупп (кстати, в РКИ не рекомедуют увлекаться детальным анализом подгрупп, который должен быть ограничен только теми переменными, которые являются строгими предикторами исхода), есть непараметрическая альтернатива repeated measures ANOVA - Friedman`s test.

Или же лог трансформация с последующим использованием параметрических тестов.

Я так понимаю это хи-квадрат тест Фридмана - непараметрический аналог ANOVA?

SPSS считает только "общее" различие. А попарного сравнения как в post hoc тестах не делает... Чтобы узнать достоверность различий 1-2, 2-3, 1-3 групп можнол потом сравнить их просто попарно?

АЛех, хочу сразу предупредить, что в фармации не работала, поэтому особенности статанализа КИ не знаю. Если данные распределены не нормально или различное СО, то обычно проводится лог трансформация данных. В КИ, которые я просмотрела используют всегда непараметрические методы, с чем это связано было бы интересно узнать.

Что же делают в таких случаях как ваш

"The Friedman test was used to determine differences in CRP and IL-6 concentrations between periods. If the overall P value obtained from the Friedman test was < 0.05, then post hoc pairwise comparisons were done with the use of Wilcoxon?s signed-rank test and the Mann-Whitney U test."

Или
For nonparametric variables (vasoactive drugs requirements and alanine transaminase levels) we used the Kruskal-Wallis test for
comparison within groups and the Mann-Whitney U test with Bonferroni?s adjustment for comparisons between pairs. Differences between groups were analyzed by linear mixed-effects models to consider death-related dropouts.
http://www.ncbi.nlm.nih.gov/pubmed/17019548

"The Friedman test was used to determine differences in CRP and IL-6 concentrations between periods. If the overall P value obtained from the Friedman test was < 0.05, then post hoc pairwise comparisons were done with the use of Wilcoxon?s signed-rank test and the Mann-Whitney U test."

Спасибо! То, что нужно. Но вот интересно, эти авторы (первая цитата) в post hoc тестах учитывали поправку Бонферрони?


Сейчас смотрю статьи по сепсису. У меня их ооооочень много уже. В подавляющем большинстве случаев, авторы описывают баллы как среднее и СО. При этом практически везде (в источниках по статистике) пишут, что по нормально распределенные данные - это только непрерывные. Странно.

Методы апостериорных (post hoc) сравнений специально разрабатывались для апостериорных сравнений, а потому никакие поправки не нужны. Тем более такие консервативные как Бонферрони. Для меня, как читателя, наличие в публикации поправки Бонферрони указывает на неспособность автора грамотно обсчитать свои данные. (1) Если речь идёт о задаче сравнения выборок по каким-то мерам положения, то поправку используют обычно так: сравнивают группы попарно и вводят поправку. А это вообще концептуально неверно. Если групп несколько, то нужно использовать омнибусные тесты, которые на выбранном уровне значимости проверяют сразу несколько простых гипотез. Т.е. в рамках параметрического подхода - дисперсионный анализ, в рамках непараметрического - анализ Краскела - Уоллиса. Если омнибусный тест не показывает межгрупповых различий - нечего дальше и ковыряться. Если показывает - тогда далее разбираемся за счёт каких групп или их сочетаний в ходе апостериорных сравнений специальными тестами. Бонферрони предложил один из таких тестов, но это не то, что называют поправкой Бонферрони. Получается в грамотном анализе никакой поправке места нет. (2) Если речь идёт о корреляционном анализе, когда корреляций так много, что некоторые случайные связи могут показаться достоверными, то и здесь поправка Бонферрони - не тонкий статистический инструмент, а кувалда, которая сносит напрочь любые тонкие и, как правило, самые интересные связи, оставляя лишь те, которые всем уже давно известны. Недостаточно квалифицированному исследователю только этого и надо: вместо кучи статистически значимых связей, которые сложно интерпретировать остаются лишь несколько примитивных, которые легко обсуждать. Грамотный же анализ связей переводит задачу в многомерную плоскость, где (а) ординационными техниками находят главные компоненты, координаты или факторы, (б) интерпретируют их, (в) проверяют полученное решение на устойчивость (г) классифицируют или сравнивают объекты по полученным шкалам. И здесь также нет места поправке Бонферрони.

Поэтому все статьи, где группы сравнивали дисперсионным анализом, а попарные различия искали t-критерием Стьюдента сразу бракуйте как некорректные. Аналогично, те где после Краскела-Уоллиса делели попарные сравнения по Манну-Уитни - бракуйте. Также отсейте статьи, где как вы считаете статистический анализ не делался или вы не поняли, что делали авторы: если у человека в голове порядок, то он и пишет понятно (справедливо обратное). В разных областях ситуация разнится, но мой личный опыт позволяет предположить, что останется порядка 20% статей. На них и равняйтесь: что дают в таблицах, а что на графиках; как выстраивают структуру доказательств, на что ссылаются. Ещё около 5-10% будут статьи в которых используются какие-то нетрадиционные подходы: они просто выбиваются из общего хора - такие можно отложить почитать на ближайшее после защиты будущее.

Распространённых непараметрических аналогов двухфакторному ДА с повторными измерениями нет. Фридман или Квейд всё огрубят, кроме того в пакетах почти не встречается тестов для ранговых апостериорных сравнений: Коновера-Инмана, Стила-Двасса, Немени (более известного как тест Шайха-Хамерли). Я бы всё же считал ДА. К тому же выборки не нужно проверять на нормальность: ДА требует, чтобы нормально была распределена ошибка анализа, а как это прикинуть в вашем случае я уже писал.

"Если омнибусный тест не показывает межгрупповых различий - нечего дальше и ковыряться. Если показывает - тогда далее разбираемся за счёт каких групп или их сочетаний в ходе апостериорных сравнений специальными тестами."

Какими например (если можно, то применительно к SPSS)? Шеффе, Тьюки?

И, если позволите, еще пару вопросов. 1. Если Краскел-Уоллис (или Фридман) не нашел различий, а ДА нашел (или наоборот) что делать, кому верить? 2. Однофакторный ДА применим, когда сравниваются 3-4 связанные выборки?

Сообщение отредактировал Alex_Z - 7.01.2012 - 21:33

В книгах по статистике всегда написано, что Two-way anova, like all anovas, assumes that the observations are normally distributed and have equal variances.

-> Nokh, а у Вас совершенно случайно нет ссылочки на тест Неменьи (63 г) с таблицей критических значений при N>25? А то что-то попадаются только до 25 включительно.

Проводили ли вы лог трансформацию данных для анализа в АНОВА? Если нет, то сравнение некорректно.
Про шкалы прочитайте, пожалуйста, самостоятельно (см. пост34)

В опубликованных КИ очень кратко описан алгоритм статистического анализа, поэтому, чтобы понять почему был использован тот или иной метод,нужно быть уже подготовленным пользователем. Читайте книги, просматривайте референтов в статье и, конечно, гугл всегда поможет))

Я бы порекомендовал вам прочитать следующую книгу
http://books.google.ch/books?id=LEDJ-6bPa8...hoc&f=false

Просмотрите Statistical Principles for Clinical Trials, здесь информация в основном общая информация
http://www.emea.europa.eu/docs/en_GB/docum...WC500002928.pdf

П.С. Since version 18 SPSS provides comparable post-hoc tests by default. Найдите 18 версию)
http://timo.gnambs.at/en/scripts/friedmanposthoc