Статистика в иммунологии:, описательная статистика, сравнения, бутстреп Опции

[nokh]

Предлагаю участникам форума поделиться в этой ветке своим опытом анализа иммунологических данных. В последние месяцы намаялись с аспирантками иммунологами-иммуногенетиками с анализом их данных. Проблемы, которые хотелось бы обсудить:

(1) выраженные в % показатели иммунограммы после преобразования арксинуса или Фримана-Тьюки сохраняют асимметрию распределения. Пробовали Бокса-Кокса - получается; но ведь использование степенных преобразований для частот - чистейший эмпирический произвол?
(2) сложные асимметричные и, возможно, полимодальные распределения для одних показателей и ровненькие почти симметричные - для других. Получается, что даже интерлейкины не удаётся описать/сравнить единообразно.
(3) сложности с графическим представлением результатов дисперсионных анализов (ДА). Делали сложные ДА с перекрёстными и иерархическими эффектами после предварительного преобразования данных по Боксу-Коксу и получали таблицу значимости эффектов и их взаимодействий. Однако графики для непреобразованных или лог-преобразованных переменных совсем не совпадали с бокс-коксовскими. Получается, что значимые эффекты в сложной таблице результатов ДА не удаётся подкрепить графически, кроме как в никому непонятной шкале преобразования Бокса-Кокса.
(4) столь любимые иммунологами коробчатые графики (box-and-whiskers plot) не позволяют интерпретировать межгрупповые различия. А учитывая, что разные программы используют разные пороги для отнесения наблюдений к выбросам (причём для нормального распределения, что заведомо неверно) - вообще непонятно что на этих графиках изображается усами, а что выбросами. Причём авторитетных авторов статей это вообще никак не беспокоит. Вместе с тем логичные для таких данных графики с медианами и 95%-ными ДИ для медиан вообще не используются. Хотелось бы совместить на одном графике: медиану (линия), межквартильный размах (короб) и 95%-ные ДИ для медианы (усы), можно даже вручную, но не смог найти программу, где эти показатели для box-and-whiskers plot можно было бы задать вручную (мой любимый KyPlot не строит коробчатые графики:(( )

Позже выложу здесь 3 статьи по статистике в иммунологии (пока это только отвлечёт от описанных проблем), а также поделюсь нашими наработками по приведению иммунологической статистики к единообразному виду - пока на основе порядковых статистик, включая малоизвестные множественные сравнения в рамках непараметрических дисперсионных анализов Краскела-Уоллиса и Фридмана (могу с собранными формулами и примером). А позже хотелось бы обсудить ещё подход с бутстрепом.

Сообщение отредактировал nokh - 12.02.2011 - 10:21

[DrgLena]

А с поправкой Бонферрони в принципе всё ясно. Если исследователю неизвестны/недоступны более мощные варианты для множественных сравнений - сойдёт и Бонферрони. Но лично я в последнее время рассматриваю использование этой поправки скорее в качестве маркёра недостаточной квалификации исследователя.

Относительно Бонферрони, все не так уж однозначно, его использование рекомендовано тогда, когда по дизайну исследования интересуют только определенные пары сравнений, и согласно которому собирались данные. Тогда это вполне оправдано. Например, интересует динамика показателя после вмешательства в зависимости от клинических групп. При этом не интересуют различия исходных значений, они как раз могут быть различны и не интересует сравнение между группами после лечения, но необходимо ответить на вопрос значимы различия между до и после воздействия в каждой группе. Для этого в некоторых программах, например GraphPad, можно отобрать нужные пары для Бонферрони. Но если нужные вам различия доказаны тестами для всех пар, то это уже не нужно. Не рекомендуется также использовать Бонферрони при сравнении 5 и более групп.

Часто при анализе динамики нарушенного в результате вмешательства показателя необходимо определить в какие сроки он приходит к прежнему уровню, тогда в дисперсионном анализе для повторных измерений графически получают картину всей динамики (например каждый месяц измеряли), на определенный период показатель близок к первоначальному и интересует только сравнение между исходным и этим значением. В зависимости от клинических групп (или других факторов) эти сроки могут быть различны, при этом не интересует вся динамика и сравнение между группами.

Но дело в том, что достаточно часто применяют такую непараметрическую схему: сначала все группы сравнивают по Краскелу-Уоллису, а потом ищут попарные различия по Манну-Уитни, в т.ч. с поправкой Бонферрони. А это неправильно, хотя такой подход распространён.
?. В частности одна из любимых мной программ PAST выдаёт результаты сравнений по Манну-Уитни в модуле Краскела-Уоллиса именно в качестве апостериорного (post-hoc) критерия

Да, PAST так выдает , но в самой распространенной, но не сильно лоюбимой программе Statistica в модуле Краскела-Уоллиса имеются множественные сравнения внутри этого теста, метод 1988 года, ссылка и формула в документации есть. А PAST имеет много достоинств, как и недостатков, для меня очень важно, что там есть Diversity с возможностью сравнения индексов, когда то мы на форуме считали руками t, df и p и Вы тоже интересовались сравнением числа и разнообразия осложнений. Басплатная прелесть и документация хорошая.