Что использовать?, стат обработка в клинике Опции

[fattymouse]

Уважаемые форумчане, посоветуйте, пожалста, какие виды стат обработки можно провести:
а) в случае сравнения групп больных (с одинаковой нозологией), которым выполнены различные виды вмешательств? И соответственно мы сравниваем исходы, продолжительность п/о койко-дня, п/о осложнения, наличие осложнений и пр.
б) в случае, когда имеется одна большая выборка - к примеру, больные с острой задержкой мочи (ОЗМ), и соответственно - разная этиология, разные тактические подходы, разные прогноз у больных (при опухолевой и неопухолевой этиологии - что ИЗНАЧАЛЬНО влияет на выбор оперативного вмешательства), разный вид проводимого вмешательства (иногда одномоментное(радикальное или паллиативное), иногда этапное (радикальное, паллиативное), иногда различные паллиативные в несколько этапов? ДА, еще есть осложнения той самой ОЗМ (к примеру), влияние которых надо оценить и на выбор первичного вмешательства, и на ранний послеоперационный период, и на на исход.
С уважением, Александр

[leo_biostat]

Уважаемые форумчане, посоветуйте, пожалста, какие виды стат обработки можно провести:
а) в случае сравнения групп больных (с одинаковой нозологией), которым выполнены различные виды вмешательств? И соответственно мы сравниваем исходы, продолжительность п/о койко-дня, п/о осложнения, наличие осложнений и пр.
б) в случае, когда имеется одна большая выборка - к примеру, больные с острой задержкой мочи (ОЗМ), и соответственно - разная этиология, разные тактические подходы, разные прогноз у больных (при опухолевой и неопухолевой этиологии - что ИЗНАЧАЛЬНО влияет на выбор оперативного вмешательства), разный вид проводимого вмешательства (иногда одномоментное(радикальное или паллиативное), иногда этапное (радикальное, паллиативное), иногда различные паллиативные в несколько этапов? ДА, еще есть осложнения той самой ОЗМ (к примеру), влияние которых надо оценить и на выбор первичного вмешательства, и на ранний послеоперационный период, и на на исход
С уважением, Александр

Привет, коллега Александр!

Если Вы желаете получить более конкретные пожелания по методам стат. анализа при сравнении этих групп, то следует уточнить вот какие детали:
1) объёмы наблюдений (пациентов) в каждой из групп сравнения;
2) число количественных признаков, и число качественных (группирующих) признаков, типа пол, анамнез, и т.п.
Это необходимо потому, что при определённых соотношениях этих параметров, одни методы целесообразно использовать, а другие - нет.

Кстати, было бы неплохо и уточнить ЦЕЛЬ исследования. Т.е объяснить, зачем нужны результаты этих сравнений, и для чего планируется их использовать.
Это тоже помогает конкретизировать предлагаемые методы. В качестве примера почитайте статью по адресу http://www.biometrica.tomsk.ru/comp_aver.htm
Там описывается, какие методы кроме сравнения групповых средних, также рационально использовать.

Итак, уточняем информацию по анализируемой базе данных.

Сообщение отредактировал leo_biostat - 22.12.2016 - 13:44

[fattymouse]

Привет, коллега Александр!

Если Вы желаете получить более конкретные пожелания по методам стат. анализа при сравнении этих групп, то следует уточнить вот какие детали:
1) объёмы наблюдений (пациентов) в каждой из групп сравнения;
2) число количественных признаков, и число качественных (группирующих) признаков, типа пол, анамнез, и т.п.
Это необходимо потому, что при определённых соотношениях этих параметров, одни методы целесообразно использовать, а другие - нет.

Кстати, было бы неплохо и уточнить ЦЕЛЬ исследования. Т.е объяснить, зачем нужны результаты этих сравнений, и для чего планируется их использовать.
Это тоже помогает конкретизировать предлагаемые методы. В качестве примера почитайте статью по адресу http://www.biometrica.tomsk.ru/comp_aver.htm
Там описывается, какие методы кроме сравнения групповых средних, также рационально использовать.

Итак, уточняем информацию по анализируемой базе данных.

Спасибо, leo_biostat
А.
1) 64 и 153; 350 и 1700; 1800 и 800
2) качественные признаки: возраст, пол, сопутствующая патология, вид осложнения, характер осложнения и др. А вот с количественными признаками вопрос: если брать x- мужчин и y - женщин или g- пациенты до 50-ти лет, h - пациенты 50-70 лет, j - пациенты старше 70-ти лет, то в сумме будет и 64, и 153, и 350 и тд. А если брать под количественными признаками вид осложнения (например 2 кровотечения, 2 нагноения и т.д.) - это будет в сумме 64, которые из 1700 - но каким стат методом их соотнести? Или (если количественный метод вид операции) - 20 дренирований, 20 стентирований и т.д., сумма которых будет превышать общее количество больных (например 56 операций у 40 больных) - какие методы к этой выборке лучше приложить?

Б.
цель:
а) оценить риск развития осложнений в зависимости от вида вмешательства; в зависимости от исходной тяжести состояния больных; в зависимости от ... (любые качественные факторы, пол, анамнез, длительность заболевания и пр.)
б) описать вероятность развития того или иного вида исхода (кровотечение, нагноение, смерть) в зависимости от ..... (см выше)
в) структурировать проведенные вмешательства, полученные исходы - методами статистики, а не голыми процентами

С уважением

[ogurtsov]

Б.
цель:
а) оценить риск развития осложнений в зависимости от вида вмешательства; в зависимости от исходной тяжести состояния больных; в зависимости от ... (любые качественные факторы, пол, анамнез, длительность заболевания и пр.)
б) описать вероятность развития того или иного вида исхода (кровотечение, нагноение, смерть) в зависимости от ..... (см выше)

Так это ж классические задачи машинного обучения: выделяете из всей выборки некоторую часть (например, 20%) для финальной проверки - это будет тестовая выборка. На оставшихся 80% гоняете разные алгоритмы, оценивая их качество с помощью перекрестной проверки, и выбираете модель с наилучшей (с точки зрения определенной метрики) предсказательной способностью.

[nokh]

цель:
а) оценить риск развития осложнений в зависимости от вида вмешательства; в зависимости от исходной тяжести состояния больных; в зависимости от ... (любые качественные факторы, пол, анамнез, длительность заболевания и пр.)
б) описать вероятность развития того или иного вида исхода (кровотечение, нагноение, смерть) в зависимости от ..... (см выше)
в) структурировать проведенные вмешательства, полученные исходы - методами статистики, а не голыми процентами

Ни один нормальный метод не выдаст вам сразу результата на таких неудобных данных: много показателей, мало людей. Всё должно быть наоборот. Поэтому так или иначе придётся сначала прореживать показатели для выбора наиболее информативных, а уже далее работать с ними. Этот отбор можно организовать по-разному: неклассические методы дискриминантного анализа, ординационные (проекционные) техники с ограничением (constrained ordination), деревья классификации и др. Современной, рациональной и с учётом информации на этом форуме представляется такая схема.

Этап 1. Отбор наиболее информативных переменных на основе случайного леса (random forest) деревьев классификации. Собственно, это и есть вариант машинного обучения, уже рекомендованного в предыдущем посте. Поищите на форуме поиском пакет boruta - в одном из постов р2004r достаточно подробно и с кодом на R описывал использование этого пакета. В boruta случайный лес - метод по умолчанию + есть другие. В принципе, random forest есть и в последних версиях Statistica, но пока только видел, не пробовал. В результате получите набор не только самых сильных, но и устойчивых предикторов, устойчивых к изменениям в наборе данных.

Этап 2. Отобранные показатели использовать в модели множественной логистической регрессии. Здесь получите более знакомые врачам отношения шансов для предикторов и чувствительность и специфичность всей модели целиком. По такой модели можно будет напрямую считать вероятности исхода для конкретного пациента.

[fattymouse]

Так это ж классические задачи машинного обучения: выделяете из всей выборки некоторую часть (например, 20%) для финальной проверки - это будет тестовая выборка. На оставшихся 80% гоняете разные алгоритмы, оценивая их качество с помощью перекрестной проверки, и выбираете модель с наилучшей (с точки зрения определенной метрики) предсказательной способностью.

Спасибо, ogurtsov

Ни один нормальный метод не выдаст вам сразу результата на таких неудобных данных: много показателей, мало людей. Всё должно быть наоборот. Поэтому так или иначе придётся сначала прореживать показатели для выбора наиболее информативных, а уже далее работать с ними. Этот отбор можно организовать по-разному: неклассические методы дискриминантного анализа, ординационные (проекционные) техники с ограничением (constrained ordination), деревья классификации и др. Современной, рациональной и с учётом информации на этом форуме представляется такая схема.

Этап 1. Отбор наиболее информативных переменных на основе случайного леса (random forest) деревьев классификации. Собственно, это и есть вариант машинного обучения, уже рекомендованного в предыдущем посте. Поищите на форуме поиском пакет boruta - в одном из постов р2004r достаточно подробно и с кодом на R описывал использование этого пакета. В boruta случайный лес - метод по умолчанию + есть другие. В принципе, random forest есть и в последних версиях Statistica, но пока только видел, не пробовал. В результате получите набор не только самых сильных, но и устойчивых предикторов, устойчивых к изменениям в наборе данных.

Этап 2. Отобранные показатели использовать в модели множественной логистической регрессии. Здесь получите более знакомые врачам отношения шансов для предикторов и чувствительность и специфичность всей модели целиком. По такой модели можно будет напрямую считать вероятности исхода для конкретного пациента.

Спасибо, nokh

[fattymouse]

Ни один нормальный метод не выдаст вам сразу результата на таких неудобных данных: много показателей, мало людей. Всё должно быть наоборот. Поэтому так или иначе придётся сначала прореживать показатели для выбора наиболее информативных, а уже далее работать с ними. Этот отбор можно организовать по-разному: неклассические методы дискриминантного анализа, ординационные (проекционные) техники с ограничением (constrained ordination), деревья классификации и др. Современной, рациональной и с учётом информации на этом форуме представляется такая схема.

Этап 1. Отбор наиболее информативных переменных на основе случайного леса (random forest) деревьев классификации. Собственно, это и есть вариант машинного обучения, уже рекомендованного в предыдущем посте. Поищите на форуме поиском пакет boruta - в одном из постов р2004r достаточно подробно и с кодом на R описывал использование этого пакета. В boruta случайный лес - метод по умолчанию + есть другие. В принципе, random forest есть и в последних версиях Statistica, но пока только видел, не пробовал. В результате получите набор не только самых сильных, но и устойчивых предикторов, устойчивых к изменениям в наборе данных.

Этап 2. Отобранные показатели использовать в модели множественной логистической регрессии. Здесь получите более знакомые врачам отношения шансов для предикторов и чувствительность и специфичность всей модели целиком. По такой модели можно будет напрямую считать вероятности исхода для конкретного пациента.

Спасибо, nokh

[DrgLena]

а) в случае сравнения групп больных (с одинаковой нозологией), которым выполнены различные виды вмешательств? И соответственно мы сравниваем исходы, продолжительность п/о койко-дня, п/о осложнения, наличие осложнений и пр.

Выбор статистических методов определяется прежде всего типом клинического исследования. Описание первого дизайна скорее напоминает контролируемое клиническое исследование, в котором в качестве контроля может выступать применительно к хирургии какой то (или какие то) методы традиционной хирургической тактики. Вы предлагаете новый и хотите сравнить со старым. При таком типе исследования необходима рандомизация, но, в реальных условия хирургической практики нужно думать не о методах рандомизации, а о том какая операционная свободна. В этих условиях необходимо доказать гомогенность групп и не только по нозологии, но и по другим факторам, которые могут влиять на исход, т.е. обеспечить контроль конфаундингов при анализе влияния типа хирургического вмешательства на исход.
Но, если группы у вас, действительно различаются только видом вмешательства и сравниваются только два их вида (основная группа и контрольная) и исходов у вас только два (желаемый результат достигнут и не достигнут), то строятся элементарные таблицы сопряженности 2х2 и рассчитывается отношение рисков (RR) и необходимый ДИ. Исход может бать не бинарным, но представлен в виде упорядоченных категорий , тогда может быть использован хи квадрат критерий для упорядоченных категорий. Савнение койко дней будет происходить иначе. Анализ различий в числе и разнообразии осложений также может потребовать использования специальных методов, например индексов диверсификации, в случае редких, но важних для клиники осложнений.

б) в случае, когда имеется одна большая выборка - к примеру, больные с острой задержкой мочи (ОЗМ),

Большая выборка - это, конечно хорошо, но вы не можете оценить риски возникновения именно этого состояния (ОЗМ) в зависимости от факторов риска (OR или RR) или оценить факторы, снижающие относительный риск (RRR) возникновения ОЗМ. Можно было бы использовать методы уже рекомендованные вам и машинное обучение и логистическую регрессию, дискриминантный анализ (что то все же измеряете, какие то маркеры воспаления или биохимию с иммунологией ), методы деревовидных классификаций, методов классификации очень много. Но у вас нет альтернативной группы ? не у всех же ОЗМ развивается. Поэтому вы не можете провести клиническое исследование типа case ? control при котором как раз и рекомендуется использовать OR для оценки факторов, влияющих на появление этого самого case.
Но вы можете рассматривать в собранной вами группе больных с ОЗМ какое то состояние, наступление котрого вас интересует и прогнозировать вероятность его наступления в зависимости от сочетания различных факторов, логистическая регрессия в помощь!

[leo_biostat]

Спасибо, leo_biostat
А.
1) 64 и 153; 350 и 1700; 1800 и 800
2) качественные признаки: возраст, пол, сопутствующая патология, вид осложнения, характер осложнения и др. А вот с количественными признаками вопрос: если брать x- мужчин и y - женщин или g- пациенты до 50-ти лет, h - пациенты 50-70 лет, j - пациенты старше 70-ти лет, то в сумме будет и 64, и 153, и 350 и тд. А если брать под количественными признаками вид осложнения (например 2 кровотечения, 2 нагноения и т.д.) - это будет в сумме 64, которые из 1700 - но каким стат методом их соотнести? Или (если количественный метод вид операции) - 20 дренирований, 20 стентирований и т.д., сумма которых будет превышать общее количество больных (например 56 операций у 40 больных) - какие методы к этой выборке лучше приложить?

Б.
цель:
а) оценить риск развития осложнений в зависимости от вида вмешательства; в зависимости от исходной тяжести состояния больных; в зависимости от ... (любые качественные факторы, пол, анамнез, длительность заболевания и пр.)
б) описать вероятность развития того или иного вида исхода (кровотечение, нагноение, смерть) в зависимости от ..... (см выше)
в) структурировать проведенные вмешательства, полученные исходы - методами статистики, а не голыми процентами

С уважением

Привет, коллега Александр!

Констатирую, что Ваша БД отличная! И посему из неё следует извлечь максимум ценной информации, полезной для управления видами исхода. Отмечу, что Цель сформулирована весьма ясно и адекватно. Что редко бывает в аналогичных общениях с другими исследователями.

Итак, какие методы стат. анализа можно рекомендовать использовать для получения целевой информации? Сразу скажу, что для такого отличного массива следует обязательно применить МНОГО методов анализа. Почему МНОГО? Потому что, во-первых, цель важная, но сложная. И сразу невозможно сказать, какой из будущих методов будет столь полезным, что никакие остальные методы использовать не следует. Проведу аналогию. Для уточнения состояния больного пациента в любом периоде его лечения, приходится выполнять не 1-2 вида анализа его организма, а достаточно много. Например, анализ крови, анализ мочи, анализ кала, рентген, томография магнитная и компьютерная, УЗИ, и т.д. Поскольку все эти виды анализа дополняют другу друга. И благодаря этому более точно фиксируется состояние пациента. Так и с набором стат. методов. Эти методы дополняют друг друга. И более простые методы помогают лучше понимать более сложные. И в результате формулируются те самые выводы, которые и можно будет применять для управления вероятностями исходов. Вот тот перечень стат. методов анализа, которые рекомендую использовать в Вашем исследовании такого отличного массива данных. 1) кластерный анализ (несколько вариантов); 2) анализ таблиц сопряжённости всех пар качественных признаков; 3) проверка нормальности ВСЕХ количественных признаков во ВСЕХ подгруппах с помощью, как минимум, 4-х критериев (методов), и при этом вычислять ВСЕ дескриптивные параметры групповых распределений; 4) сравнение распределений количественных признаков сравниваемых групп разными методами (как минимум 4-6 методов); 5) корреляционный анализ количественных признаков по всей БД и по отдельным сравниваемым подгруппам разными методами; 6)построение графиков распределения групповых средних и ДИ, а также построение двумерных распределений всех пар количественных признаков в сравниваемых группах (дополнение к пп. 4 и 5); 7) логистическая регрессия для самых основных качественных признаков, причём как минимум по 5-7 видов разных уравнений полученных как разными вариантами оценки уравнений, так и с таблицами результатов логит-регрессии по всем пациентам, и проверка каждого полученного уравнения путём переклассификации пациентов по этим уравнения, и проверка совпадения и не совпадения с фактическим состоянием; 8) линейный и нелинейный дискриминантный анализ; 9) каноническая корреляция (здесь вижу порядка 5-10 вариантов) с последующим графическим представлением сравниваемых групп; 10) множественная регрессия; 11) факторный анализ.

Вот таков минимальный перечень методов стат. анализа позволит извлечь весьма максимальное количество информации, по которой можно будет ясно и надёжно сформулировать выводы и правила управления исходом.

Желаю успеха!

[100$]

3) проверка нормальности ВСЕХ количественных признаков во ВСЕХ подгруппах с помощью, как минимум, 4-х критериев (методов), и при этом вычислять ВСЕ дескриптивные параметры групповых распределений...

Рекомендация использовать "ковровое бомбометание тестами" (как однажды иронично выразился p2004r) доставляет сама по себе, а применительно к проверке нормальности доставляет вдвойне, порождая при этом лавину неприличных мировоззренческих вопросов:

1.А как вообще получена оценка снизу оптимального количества тестов на нормальность (в данном случае 4)? Их же напридумывали гораздо больше. Ведь не может быть, чтобы автор рекомендации затруднился сходу вспомнить более 4-х тестов на нормальность?
2. Ну и какие именно тесты на нормальноть распределения должен использовать вопрошающий, дочитамши до конца подобную рекомендацию?
3. И самое главное ("Least not last"): какой статистический вывод надо сделать вопрошающему, если тесты Шапиро - Уилка и Шапиро - Франчии гипотезу нормальности не отвергают, а тесты Чена - Шапиро и Лина - Мудхолкара отвергают?

Заранее благодарен за снисходительные разъяснения.
Искренне ваш,
100$

Сообщение отредактировал 100$ - 24.12.2016 - 20:10

[100$]

Del

Сообщение отредактировал 100$ - 24.12.2016 - 20:08

[nokh]

3. И самое главное ("Least not last"): какой статистический вывод надо сделать вопрошающему, если тесты Шапиро - Уилка и Шапиро - Франчии гипотезу нормальности не отвергают, а тесты Чена - Шапиро и Лина - Мудхолкара отвергают?

Тогда нужно найти какого-нибудь Чена, который обучит поднимать КундаЛини из Муладхары - говорят, тогда вообще сразу Истина открывается и даже статистика не потребуется ;) ! У меня другие мировоззренческие вопросы: вот если на 1800 значениях мы получили нормальное распределение (в чём я очень сильно сомневаюсь), то получим мы его на 18 000 или 180 000? И если заведомо известно, что не получим, то не пора ли вводить критерии для оценки величины эффекта (effect size) отклонения от нормальности. Или же лучше не тратить время на спорные проверки, а сразу действовать рационально? Мои вопросы - риторические...

[100$]

Ваша правда, Nokh, кто же не знает старика Крупского гуру Чена.
Старичина Чен, кстати, как-то обмолвился, что если таинственного змея Кундалини хорошенько попинать угостить, то он тотчас превращается в душку-Зеленого Змия и охотно отвечает на самые каверзные риторические вопросы...

[leo_biostat]

Рекомендация использовать "ковровое бомбометание тестами" (как однажды иронично выразился p2004r) доставляет сама по себе, а применительно к проверке нормальности доставляет вдвойне, порождая при этом лавину неприличных мировоззренческих вопросов:

1.А как вообще получена оценка снизу оптимального количества тестов на нормальность (в данном случае 4)? Их же напридумывали гораздо больше. Ведь не может быть, чтобы автор рекомендации затруднился сходу вспомнить более 4-х тестов на нормальность?

Вы правы, не всякий автор способен затрудниться сходу вспомнить более 4-х тестов на нормальность.
Полагаю, что такое утверждение Вы делаете на своём практическом опыте. Что вполне нормально.
Вот и я рекомендую эти 4 критерия исходя из своего более 35-летнего опыта выполнения статистического анализа.
Именно эти критерии наиболее доступны в популярных статистических пакетах, а некоторые из них наиболее мощные.
А тот, кто вообще использует лишь один критерий проверки нормальности, не способен сходу вспоминать более 4-х критериев.
При этом, что критериев проверки на нормальность много. Вот лишь небольшой список этих критериев:
1. Али-Чёрго-Ревеса
2. Асимметрии и эксцесса
3. Васичека
4. Гири
5. Д'Агостино
6. Дэвида-Хартли-Пирсона
7. Колмогорова-Смирнова
8. Ла Брека
9. Лина-Мудхолкара
10. Локка-Спурье
11. Мартинеса-Иглевича
12. Муроты-Такеучи
13. Оя
14. Саркади
15. Филлибена
16. Фроцини
17. Хегази-Грина
18. Шапиро-Уилка
19 Шпигельхальтера
20. Критерий, основанный на совокупности малых выборок
21. Модифицированный хи-квадрат критерий.

Ну а при отмене нормального распределения, используются и ещё несколько десятков на проверку других видов распределений.

2. Ну и какие именно тесты на нормальноть распределения должен использовать вопрошающий, дочитамши до конца подобную рекомендацию?

Набор используемых критериев для проверки нормальности, определяет сам исследователь.
Исходя из своих знаний, опыта, и используемых языков программирования или статистических пакетов.
Естественно, что желательно при этом использовать более статистически мощные критерии для используемых объёмов выборок.
Те критерии, которые упомянуты мною в моих рекомендациях, определены моим личным опытом таких проверок.

3. И самое главное ("Least not last"): какой статистический вывод надо сделать вопрошающему, если тесты Шапиро - Уилка и Шапиро - Франчии гипотезу нормальности не отвергают, а тесты Чена - Шапиро и Лина - Мудхолкара отвергают?

Заранее благодарен за снисходительные разъяснения.
Искренне ваш,
100$

Уважаемый коллега! Мой ответ вовсе не является "снисходительным". Это обмен мнением с коллегами.
Уверен, что и у Вас тоже огромный опыт по статистическому анализу. И при желании Вы также высказываете свои детальные мнения по подобным вопросам.
Однако у всех нас, занятыми такой деятельностью, своя специфика и особенность этой работы.
В последние 10 лет у меня стремительно возрастает доля анализа очень больших объёмов выборок.
И вот для таких больших массивов данных, упомянутые конфликты критериев как раз продуктивны.
Поскольку активируют дальнейшие исследования. Некоторые аспекты этого я описал в своей последней статье по адресу http://www.biometrica.tomsk.ru/comp_aver.htm

А вот конкретный пример по такой ситуации.

Исходная группа анализа

N = 55477
Mean = 24.2700117
Std Deviation = 3.1237266

Kolmogorov-Smirnov Pr > D <0.0100
Cramer-von Mises Pr > W-Sq 0.0504
Anderson-Darling Pr > A-Sq 0.0545

То есть при анализе выборки из 55477 наблюдений, один критерий отвергает нормальное распределение, а 2 других критерия - поддерживают.

Дальнейший анализ разных деталей этого распределения, позволил обнаружить наличие двух следующих подгрупп:

Группа 1)

N = 30238
Mean = 24.5027307
Std Deviation = 3.19997413

Kolmogorov-Smirnov Pr > D 0.0843
Cramer-von Mises Pr > W-Sq 0.1366
Anderson-Darling Pr > A-Sq 0.1941


Группа 2)

N 25239
Mean 23.9911989
Std Deviation 3.00628606

Kolmogorov-Smirnov Pr > D 0.1000
Cramer-von Mises Pr > W-Sq 0.1849
Anderson-Darling Pr > A-Sq 0.1837
____________________________________________

Когда я убеждаю медиков в необходимости использовать более 2-3-х статистических методов анализа, я напоминаю им,
как практикующие медики уточняют состояние пациента. Они используют для этого очень много методов анализа:
анализ крови, анализ мочи, ЭКГ, томография, УЗИ, и т.д. Что и позволяет им установить наиболее вероятное состояние пациента,
и в результате выбрать оптимальную подборку методов лечения. Такая же методология и в во многих науках, включая и статистику.


Спасибо за внимание к моим рекомендациям.
Уверен, что и Вы также часто выкладываете для читателей подобные полезные рекомендации.

[fattymouse]

Выбор статистических методов определяется прежде всего типом клинического исследования. Описание первого дизайна скорее напоминает контролируемое клиническое исследование, в котором в качестве контроля может выступать применительно к хирургии какой то (или какие то) методы традиционной хирургической тактики. Вы предлагаете новый и хотите сравнить со старым. При таком типе исследования необходима рандомизация, но, в реальных условия хирургической практики нужно думать не о методах рандомизации, а о том какая операционная свободна. В этих условиях необходимо доказать гомогенность групп и не только по нозологии, но и по другим факторам, которые могут влиять на исход, т.е. обеспечить контроль конфаундингов при анализе влияния типа хирургического вмешательства на исход.
Но, если группы у вас, действительно различаются только видом вмешательства и сравниваются только два их вида (основная группа и контрольная) и исходов у вас только два (желаемый результат достигнут и не достигнут), то строятся элементарные таблицы сопряженности 2х2 и рассчитывается отношение рисков (RR) и необходимый ДИ. Исход может бать не бинарным, но представлен в виде упорядоченных категорий , тогда может быть использован хи квадрат критерий для упорядоченных категорий. Савнение койко дней будет происходить иначе. Анализ различий в числе и разнообразии осложений также может потребовать использования специальных методов, например индексов диверсификации, в случае редких, но важних для клиники осложнений.

Большая выборка - это, конечно хорошо, но вы не можете оценить риски возникновения именно этого состояния (ОЗМ) в зависимости от факторов риска (OR или RR) или оценить факторы, снижающие относительный риск (RRR) возникновения ОЗМ. Можно было бы использовать методы уже рекомендованные вам и машинное обучение и логистическую регрессию, дискриминантный анализ (что то все же измеряете, какие то маркеры воспаления или биохимию с иммунологией ), методы деревовидных классификаций, методов классификации очень много. Но у вас нет альтернативной группы ? не у всех же ОЗМ развивается. Поэтому вы не можете провести клиническое исследование типа case ? control при котором как раз и рекомендуется использовать OR для оценки факторов, влияющих на появление этого самого case.
Но вы можете рассматривать в собранной вами группе больных с ОЗМ какое то состояние, наступление котрого вас интересует и прогнозировать вероятность его наступления в зависимости от сочетания различных факторов, логистическая регрессия в помощь!

Спасибо, DrgLena

[fattymouse]

Привет, коллега Александр!

Оверквотинг отрезан

Желаю успеха!

Спасибо, Leo_biostat

[ogurtsov]

То есть при анализе выборки из 55477 наблюдений, один критерий отвергает нормальное распределение, а 2 других критерия - поддерживают.

Дальнейший анализ разных деталей этого распределения, позволил обнаружить наличие двух следующих подгрупп:

Выделение подгрупп после проведения исследования на основании произвольных критериев, тоже придуманных после проведения исследования? Вы на полном серьезе считаете это наукой?

Еще раз: нельзя бомбить огромным количеством тестов одну выборку. Доказательный анализ - это анализ, проведенный по плану, составленному ДО НАЧАЛА сбора данных.

Kolmogorov-Smirnov Pr > D <0.0100
Cramer-von Mises Pr > W-Sq 0.0504
Anderson-Darling Pr > A-Sq 0.0545

Вы когда-нибудь слышали о проблеме множественных сравнений? Или в вашем случае это не проблема, а приятная возможность показать что угодно в соответствии с пожеланиями заказчика?

[100$]

Лео, вы недооцениваете степень моего занудства.

Вот вы честно выписали из Кобзаревой книжки 21 критерий: там и критерии согласия, и критерии собственно нормальности распределения, и критерии проверки соотношений между моментами распределения - все до кучи. А поскольку, например, Кобзарь при критерий Эппса - Палли ничего не писал, то и вы не рискнули. Ну да ладно.
1. Однако я по-прежнему не понял вашу технологию осмысленного сужения данного множества (из 21 элемента) до подмножества из 4 элементов. Жду внятного ответа.
Попутно обращаю ваше внимание на то, что число различных комбинаций из 21 по 4 равно 5985.
2. Так какие же конкретные 4 самых-самых критерия проверки нормальности выкристаллизовались у вас за 35 лет? Жду внятного ответа.
3. так что же делать исследователю, у которого при "голосовании" 4 критериев "голоса" распределились как 50:50? Привлекать остальные 17 критериев? Жду внятного ответа.

P.S. Здесь много суровых собеседников, не любящих когда им задают пусть и самые безобидные, но недоуменные вопросы. Так что на всякий случай воззвал к вашей снисходительности.

[leo_biostat]

Выбор статистических методов определяется прежде всего типом клинического исследования.

Полагаю что такое утверждение следует изменить, упоминанием опыта и знаний по статистике того специалиста, который будет производить статистический анализ клинического исследования. Например, сделать такое объяснение:
"Выбор статистических методов определяется типом клинического исследования, а также опытом и объёмом знаний по статистике того специалиста, который будет производить статистический анализ результатов этого клинического исследования".

[DrgLena]

Я так не полагаю, мое утверждение не нуждается в таком дополнении, да еще жирным шрифтом, не нуждается оно также и в удалении слов прежде всего. Обращены мои слова к автору обсуждаемого топика именно потому, что он пытается выделить под пунктами а и б две различные ситуации и хочет получить рекомендации для а и б.

Ваши рекомендации свелись к перечислению всех методов, реализованных в любой программе по статистическому анализу не зависимо от пунктов а и б. В программе Statistica реализованы только 4 метода проверки нормальности, отсюда , видимо, и рекомендации. Автор поста не назвал ни одной количественной переменной. Вы что согласились с тем, что вид осложнений или вид операций количественные переменные?
Я не против опыта и объема знаний, но эти понятия относительные. Можно даже наизусть выучить названия всех тестов проверки нормальности, накачивая объем знаний, а потом многократно тестировать выборки больших размеров (55477 наблюдений) приобретая свой большой опыт, но для чего? Неужели такой набор данных для проверки различия средних по стьюденту? Не проще ли было начать с построения гистограммы распределения, чтобы выявить бимодальность распределения, а не нормальность проверять многоми тестами.

Зря вы проигнорировали справедливые вопросы ogurtsova. Абсолютно согласна с ogurtsov - сначала планирование, а потом сбор данных. Но и при планировании могут быть ошибки. Конкретный пример из зарубежной публикации, условия включения в исследование не были четко обозначены и в результате в исследование вошли все больные диабетом имеющие макулярный отек, а эффект лечения оценивался по уменьшению показателей (ОКТ), которые, как нам известно, являются возраст- зависимыми. В работе не было доказано различие в эффективности двух методик лечения. Мы получили другие данные, поскольку при планировании разделили больных по типу диабета. Исследование гистограммы распределения больных по возрасту (без разделения по типам диабета) показал эту самую бимодальность, поскольку диабет 1 и 2 типа различается по возрасту в среднем на 20 лет.

Надеюсь, вы пришли на форум поделиться большим опытом и знаниями, поэтому интересно ваше мнение по поводу следующей ситуации, которую мне бы хотелось обсудить на форуме, поскольку существуют различные мнения на этот счет.
Известно, что количественный показатель, который контролируется при проведении лечения не подчиняется нормальному распределению. Есть много баз данных, в которых измеряли этот показатель и, правда только по трем критериям, нормальность отвергается. Но , если извлечь некоторые выборки из этих баз данных, например 4 наблюдения, 0,1; 0,01; 0,5;и 1,0 как минимум 3 теста покажут, что такая выборка нормальна . А что другие тесты?
Как вы считаете, нужна ли вообще проверка на нормальность такой подгруппы, если она, например, является ячейкой дисперсионного комплекса и остатки после его проведения распределены также нормально. Заранее благодарна за разъяснения.

Сообщение отредактировал DrgLena - 26.12.2016 - 21:38

[passant]

Ну наконец-то на форуме завязалась не чисто медицинская, а скорее математико-статистическая дискуссия . Попробую вставить свои "5 копеек".
На самом деле как "правильно" проверять КОНКРЕТНУЮ выборку на "нормальность" - вопрос не решенный и очевидно такой, который еще долго останется открытым. Правда, имеются попытки привнести в этот выбор некоторую строгость. На сколько мне известно, на просторах бывшего СССР этой задачей наиболее плотно занимается новосибирская школа под руководством Б.Ю. Лемешко. Вот несколько работ, в которых он попытался сравнить различные критерии определения "нормальности" выборок по мощности и сделать некоторые рекомендации по выбору:
http://www.ami.nstu.ru/~headrd/seminar/pub...v_Lemeshko).pdf
http://www.ami.nstu.ru/~headrd/seminar/pub...trol_2012_5.pdf
А вот только несколько работ, посвященных вопросу на "чужом" языке:
https://www.researchgate.net/publication/22...normality_tests
https://ncss-wpengine.netdna-ssl.com/wp-con...-Simulation.pdf
http://www.de.ufpb.br/~ulisses/disciplinas..._comparison.pdf
"Классикой жанра" в данном вопросе явряется книга Thode H.C. Testing for Normality, толстая и умная книга, но вопрос, какой или какие именно тесты применять и "кому верить" - все равно остается открытым.
Для тех (врачей ), кто наивно думает, что приведенные на предыдущей странице 21 критерий - это исчерпывающий список, замечу, что в работе "Критерии проверки отклонения распределения от нормального закона": http://ami.nstu.ru/~headrd/seminar/publik_...normal_tets.pdf , являющегося учебным пособием всего-лишь для магистрантов, проведена еще куча всяких критериев проверки "нормальности", в частности Эппса-Пали, Ройстона, Купера, Крамера-Мизеса-Смирнова, Ватсона, Андерсона-Дарлинга, Шапиро-Франсиса, Жанга, Никулина-Рао-Робсона, модификация Лиллифорса,). А есть еще критерии Жарке-Бера, критерий Размах/Отклонение (в англоязычной литературе - WS-критерий, не путать с SW-критерием Шапиро-Уилкса). Ну и визуальный Q-Q-plots критерий никто не отменял. Так что с критериями все хорошо, как и с полем деятельности для ученых-статистиков. А вот что с этим "богатством" делать рядовым (и не очень) врачам? И это все в рамках даже не самой задачи его исследования, а только в рамках этапа предварительного анализа. Может помилуем их?
Мы ведь понимаем, что для них разобраться во всем этом многообразии методов - задача абсолютно нереальная. Ну, это примерно так, как если бы при насморке пациента прежде чем он прыснет чего-нибудь себе в нос, заставляли бы изучать анатомию носоглотки, фрамакинетику лекарств, фармакологические свойства препарата, описывать клинические характеристики заболевания..... А потом самому выбирать - или даже подбирать последовательным перебором - себе лекарство. От этого всего насморк и сам пройдет . А мы хотим нагрузить врача (путь даже кандидата в кандидаты МЕДИЦИНСКИХ наук) задачей самостоятельно разобраться и выбрать метод, наиболее ему подходящий.
Мне кажется, что оставив научные споры себе, наша (математиков-статистиков-теоретиков....) задача дать врачу конкретные рекомендации по применению методов, а еще лучше сразу снабдить его определенным инструментом, применив который (или которые) он сможет не сильно вдаваясь в подробности получить готовое решение. Собственно, все базовые инструменты статанализа - от EXCEL до SPSS, от R до Python - и содержат такой набор, и иногда - даже слишком широкий для рядового исследователя. Поэтому далеко уходить от такого подхода - мне кажется не совсем разумным. Ведь мы не верим, что врач вдруг возьмет и будет самостоятельно разрабатывать программу расчета какого-нибудь экзотического, путь даже суперточного, но отсутствующего в доступном ему наборе критерия. (70% вопросов на форуме сводится к одному - "на какую кнопку нажимать в программе Х, что-бы получить сразу готовый ответ на все вопросы" ) А вот если мы считаем, что какой-то из методов не достаточно эффективен и можем это обосновать - то это наша задача говорить об этом как можно "громче" и предложить четкую замену. Если-же исследователь обратился к нам за советом, то наша задача, выяснив предварительно особенности его набора данных, дать ему корректную рекомендацию о том методе или методах, которые следует в данном случае применить. Но ни в коем случае не оставлять выбор (подбор) метода анализа самому "пациенту" врачу-исследователю. В общем, как говорится, "кто на что учился".
Теперь к вопросу, а что делать, если из четырех методов два подтвердили, а два - отвергли гипотезу. И тут мы - при условии корректности применения всех методов - уходим в другую область анализа данных - в область многокритериального выбора. А там уж точно, даже теоретически не существует единственно возможного ответа, а все упирается в некоторые внешние, априорные и субъективные ограничения, которые задаются исследователем. Если он не умеет этого делать (а в нашем случае - это действительно так, ведь исследователь у нас врач, а не аналитик), то все что ему остается - это либо принять правило "большинства", либо вообще применить метод "случайного выбора". Есть конечно, более разумный метод - обратиться за советом к специалистам по анализу данных. Но увы, этим путем следуют единицы, остальные занимаются самолечением попыткой решить "не свою" задачу самостоятельно.
Правда один вопрос все равно остался за скобками. А надо-ли проводить проверку на нормальность? В том смысле, а будем-ли мы дальше проводить анализ методами, требующими "нормальности" наших данных или сразу будем ориентироваться на методы, которые этого не требуют. Но это уже тема другого обсуждения.
И наконец, раз уж и так получилось, что все равно "много букв", хочу поблагодарить автора топика. За более чем пол года моего нахождения на данном форуме - это один из редчайших случаев, когда автор действительно аккуратно и грамотно сформулировал свой вопрос. Такому автору действительно хочется помочь и главное, сообщество действительно может это сделать. Ну, а за одно - он дал повод к интересной дискуссии.

Сообщение отредактировал passant - 26.12.2016 - 23:23

[100$]

... в частности Эппса-Пали, Ройстона, Купера, Крамера-Мизеса-Смирнова, Ватсона, Андерсона-Дарлинга, Шапиро-Франсиса, Жанга, Никулина-Рао-Робсона, модификация Лиллифорса,).

Passant, вот только фразу Shapiro, S. S., and Francia, R. S. (1972), An approximate analysis of variance test for normality, J. Amer. Statist. Assoc. 67, 215-216
я бы не отважился так перевести.

[passant]

Да, виноват. Критерий Шапиро-Франчиа, разумеется.

[DrgLena]

(в англоязычной литературе - WS-критерий, не путать с SW-критерием Шапиро-Уилкса).

Shapiro, S. S. and Wilk, M. B. (1965). "Analysis of variance test for normality (complete samples)"
И кто ж их всех выучит, когда их так много, что во множественном числе переводятся

Сообщение отредактировал DrgLena - 27.12.2016 - 01:33

[100$]

Shapiro, S. S. and Wilk, M. B. (1965). "Analysis of variance test for normality (complete samples)"
И кто ж их всех выучит, когда их так много, что во множественном числе переводятся

Да, что-то Мартину Уилку хронически не везет

[fattymouse]

... Мне кажется, что оставив научные споры себе, наша (математиков-статистиков-теоретиков....) задача дать врачу конкретные рекомендации по применению методов, а еще лучше сразу снабдить его определенным инструментом, применив который (или которые) он сможет не сильно вдаваясь в подробности получить готовое решение. ... Ведь мы не верим, что врач вдруг возьмет и будет самостоятельно разрабатывать программу расчета какого-нибудь экзотического, путь даже суперточного, но отсутствующего в доступном ему наборе критерия. (70% вопросов на форуме сводится к одному - "на какую кнопку нажимать в программе Х, что-бы получить сразу готовый ответ на все вопросы") .... Если-же исследователь обратился к нам за советом, то наша задача, выяснив предварительно особенности его набора данных, дать ему корректную рекомендацию о том методе или методах, которые следует в данном случае применить....

Спасибо, passant

[DrgLena]

Спасибо, passant

за то, что пополнили наш объем знаний о большом разнообразии тестов проверки нормальности 21+12? Кто больше? Очень конкретные рекомендации, мужайтесь хирурги, будет очень больно

Сообщение отредактировал DrgLena - 27.12.2016 - 12:54

[100$]

за то, что пополнили наш объем знаний о большом разнообразии тестов проверки нормальности 21+12? Кто больше? Очень конкретные рекомендации, мужайтесь хирурги, будет очень больно

Не ревнуйте ). Все равно "Медицина - самая точная наука после богословия"(с). "Медицина излечивает редко, облегчает часто, утешает всегда" (с)

[Blaid]

О! Василий Леонов появился на форуме!!! ЗАМЕЧАТЕЛЬНО!!!

[100$]

О! Василий Леонов появился на форуме!!! ЗАМЕЧАТЕЛЬНО!!!

Этот пост достоин отдельной темы. В этой я вашего оптимизма не разделяю...

[fattymouse]

Большая выборка - это, конечно хорошо, но вы не можете оценить риски возникновения именно этого состояния (ОЗМ) в зависимости от факторов риска (OR или RR) или оценить факторы, снижающие относительный риск (RRR) возникновения ОЗМ. Можно было бы использовать методы уже рекомендованные вам и машинное обучение и логистическую регрессию, дискриминантный анализ (что то все же измеряете, какие то маркеры воспаления или биохимию с иммунологией )

Уважаемая DrgLena, количественных показателей нет - на их основе (маркеры воспаления, иммунология с биохимией) рассчитывается индекс тяжести исходного состояния пациента, соответственно по тяжести выделяется 3 группы больных.

Большая выборка - это, конечно хорошо, ... Но у вас нет альтернативной группы ? не у всех же ОЗМ развивается...

Суть работы оценка дифференцированного подхода в лечении (раз я уже использовал как пример) ОЗМ: то есть есть та самая большая выборка пациентов, поступивших в различном состоянии; вот этим мы делали(делаем)1,2,3; вот этим 1 и 3, а вот этим только 2, но несколько раз. И посмотрите какие мы молодцы!
Причем, выбор метода лечения от исходной тяжести состояния не зависит (у 96 больных (5,3%) - некурабельных либо по mts поражению, либо по сопутствующей патологии -проводили банальную декомпресию, чтобы не допустить гибели пациента от ОЗМ, уремии и ОПН), а в первую очередь зависит от уровня "блока" и др факторов. Но это даже в работе не обсуждается: сделали и сделали. А мой исходный вопрос был: как это (а именно, дифференцированный подход в лечении) проиллюстрировать методами стат обработки (да, у нас были осложнения, да, у нас были повторные вмешательства - наверное, их в первую очередь есть смысл анализировать).
С уважением, Александр

[Blaid]

О! Василий Леонов появился на форуме! ЗАМЕЧАТЕЛЬНО!

[DrgLena]

Уважаемая DrgLena, количественных показателей нет - на их основе (маркеры воспаления, иммунология с биохимией) рассчитывается индекс тяжести исходного состояния пациента, соответственно по тяжести выделяется 3 группы больных.

Это хорошая новость, проверка нормальности, о которой, благодаря вам, мы так много узнали, лично вам не грозит. Отсюда также следует, что больше половины методов рекомендованных leo-stat вам также не понадобятся в этом исследовании.

Суть работы оценка дифференцированного подхода в лечении (раз я уже использовал как пример) ОЗМ: то есть есть та самая большая выборка пациентов, поступивших в различном состоянии; вот этим мы делали(делаем)1,2,3; вот этим 1 и 3, а вот этим только 2, но несколько раз. И посмотрите какие мы молодцы!

И так, условие включения в исследование - больные с наличием ОЗМ, т.е. вы отобрали больных с таким состоянием и именно ОЗМ лечите различными хирургическими методами. Если это так, то формализуйте все возможные хирургические подходы, 1+2+3 - это один подход, 1+3 другой и т.д. возможно какой то из них и есть ваш дифференцированный? Но все они привели к какому то результату, отклику на ваше вмешательство, который так же должен быть формализован,например, результат достигнут или не достигнут или достигнут частично. Откликом может быть в случае онко больных выживаемость, повышение качества жизни, но в вашем случае, осложнения, их число и разнообразие, которое также можно проанализировать в зависимости от двух факторов - исходная степень тяжести (3 уровня) и вид вмешательства( вы в состоянии определиться с их числом). Методы, все те же, я их уже представляла. Ваш дифференцированный подход, относительно всех других может приводить к снижению риска недостижения желаемого результата (RRR).

[fattymouse]

Это хорошая новость, проверка нормальности, о которой, благодаря вам, мы так много узнали, лично вам не грозит. Отсюда также следует, что больше половины методов рекомендованных leo-stat вам также не понадобятся в этом исследовании.


И так, условие включения в исследование - больные с наличием ОЗМ, т.е. вы отобрали больных с таким состоянием и именно ОЗМ лечите различными хирургическими методами. Если это так, то формализуйте все возможные хирургические подходы, 1+2+3 - это один подход, 1+3 другой и т.д. возможно какой то из них и есть ваш дифференцированный? Но все они привели к какому то результату, отклику на ваше вмешательство, который так же должен быть формализован,например, результат достигнут или не достигнут или достигнут частично. Откликом может быть в случае онко больных выживаемость, повышение качества жизни, но в вашем случае, осложнения, их число и разнообразие, которое также можно проанализировать в зависимости от двух факторов - исходная степень тяжести (3 уровня) и вид вмешательства( вы в состоянии определиться с их числом). Методы, все те же, я их уже представляла. Ваш дифференцированный подход, относительно всех других может приводить к снижению риска недостижения желаемого результата (RRR).

Спасибо, DrgLena
Благодаря Вам и сообществу за это время почти перевел свои данные в таблицу пригодную для проведения стат расчетов, поэтому ближайшее время попробую применить Ваши советы к своим данным. Спасибо