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

[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

[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.

[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?