Пути достижения статистической сопоставимости групп больных, медицинская статистика Опции

[pavel_]

Всем добрый день (вечер). Подскажите, как быть в конкретной ситуации: группа больных гипертонией была разделена на две подгруппы на основании определенного показателя, полученного при мониторировании АД. Статистический анализ показал различие по большинству основных клинико-демографических характеристик между подгруппами, т.е. подгруппы оказались несопоставимы. Далее я предпринял следующее действие: из известной статистической программы использовал функцию "Simple random sampling/Замер подмножества в случайном порядке", которая случайным образом отобрала 80% (задал произвольным образом) случаев основной группы больных, в результате чего две подгруппы из этой основной группы оказались теперь сопоставимы по клинико-демографическим характеристикам (точнее статистически значимые различия исчезли). Вопрос: Является ли корректным использование данной функции статистической программы. Как описать это в диссертации? Заранее всем спасибо.

[плав]

Не совсем понятно. Если зависимая переменная меняется (Вам надо проанализировать другую переменную, не АД), то просто заменяете АД на нее и оставляете все факторы в модели (пол, возраст, уровень АД и т.п.). Несколько более неприятно то, что эти факторы распределены не нормально. Однако тут надо задать вопрос, откуда известно, что они распределены не нормально. Проблема в том, что многие авторы (в том числе подсказок к статистическим программам) предлагают определять нормальность на основе изучения распределения в выборке (т.е. у Ваших пациентов). Если о популяции ничего не известно, то это, конечно, возможный подход, однако высока вероятность того, что Вы будете считать распределение ненормальным, а выборка будет из нормального распределения. Если есть время можете сделать так (если нет, поверьте мне на слово), сгенерируйте в программе популяцию с нормальным распределением, а затем возьмите из нее выборки и посмотрите на внешний вид распределения в этих выборках, особенно, если численность будет человек 35-40. Большое количество будет выглядеть как ненормальное распределение.
Все статистические тесты базируются на предположении о форме распределения в ПОПУЛЯЦИИ, а не в выборке. Так что, во многих случаях страх перед ненормальностью распределения преувеличен (используйте дисперсионный анализ и живети спокойно).
Если Вы убеждены, что в популяции распределение ненормальное, то надо попробовать следующие подходы: (1) попытаться трансформировать переменные и сделать их распределение нормальным ((а)взять величины, обратные имеющимся (1/х); (б) прологарфмировать исходные величины; (в) извлечь из них квадратный корень). Если это не помогает, можно заменить значения на ранги (в программах есть соответствующая функция). Если распределение ненормальное и имеет т.н. "тяжелые хвосты", то вот тут, действительно есть проблема. При описании средних и дисперсии используются обрезанные или винзоризированные показатели, а для анализа - bootstrap (методы с интенсивным использованием ЭВМ). Однако, сказав все это, хочу Вас успокоить, крайне редко колебания ошибки 1 рода (то, что более известно как р) будут значительными (т.е. было 0,3, а стало 0,01). Обычно колебания в районе 0,01-0,03 (любой может это сам проверить в вычислительном эксперименте). Поэтому, если Вы ошиблись с определением характера распределения, то при использовании дисперсионного анализа сильно Вы не промахнетесь (если только не будете считать, что р=0,049 - есть доказательства гипотезы, а р=0,051 - нет).
МЫСЛИ ПРО СЕБЯ: Ну почему же не преподают аспирантам биостатистику, преподают и некоторых даже насильно загоняют Просто места знать надо