Доверительный интервал долей в Excel Опции

[Naum]

Пожалуйста, научите считать доверительный интервал в Excel! понимаю, что очень глупая просьба, но....
Я изучала распространенность бронхиальной астмы в городе Н - получилось следующее: опрошенных 567, больных из них 37, распространенность 6,53%. По области, в которой находится город Н, распространенность от 5,7% до 5,9%. Рецензент, прочитав мою статью, прислала следующее: "При сопоставлении распространенности БА необходимо сравнивать известные популяционные величины и доверительный интервал данного исследования, а не точечную оценку. Так, 95% ДИ для распространенности БА 37/567=6.53% составляет 4.75-8.89. Данный интервал включает величины распространенности БА в городах области (5.7-5.9%), следовательно, различий в распространенности БА в сравниваемых регионах нет". Как получился этот ДИ 4,75-8,89? Недавно нашла на этом форуме как считать критерий Стьюдента в Excel - описано было очень подробно, шаг за шагом, доступно для таких чайников как я - супер! если можно, то в таком же ключе напишите

[плав]

1) Ну вот, опять очень хочется доказать, что работа другого плохая, даже если это не так. Так, для информации, "иллюстрация" не означает "неверная", хотя подобный ход мысли наводит на интересные заключения.
2) Кто сказал, что интервал "неадекватный"? Интервал абсолютно "адекватный", такой как принят в большинстве научных медицинских публикаций. Достаточно просто зайти на сайт BMJ или NEJM.
3) Ioannidis JPA (2005) Why Most Published Research Findings Are False. PLoS Med 2(8): e124. doi:10.1371/journal.pmed.0020124.
Интересная статья, в свое время наделала из-за названия много шума, но только там нет доказательств того, что "не менее 50% (а то и все 95%) «открытий», значимых на уровне 0,05, не воспроизводятся". Это чисто теоретический анализ планирования исследований. Кстати, утверждение в статье, что "false findings may be the majority or even the vast majority of published research claims" базируются на ссылках на три работы, все из области генетики и две из них принадлежат перу того же автора, что и статья (Ioannidis). В генетике действительно очень много проблем. Но это не означает, что вся остальная медицина совершает те же ошибки, что и генетики.
Кстати, реальные цифры того же Ionnides'a - только 16% не были подтверждены последующими исследованиями (опровергнуты, хотя это не верно, при низкой мощности, например 70%, второе исследование имеет 30% вероятность пропустить имеющийся эффект) [JAMA. 2005;294:218-228]. Чувствуете разницу? Кстати, точно подтверждены были 44% (т.е. 95% ну никак не получается, опять все ради красного словца...), 24% больше не тестировались (скорее всего потому, что сомнений в их правильности не появилось) и 16% были подтверждены, но эффект был меньшим, чем в оригинальной работе (что не удивляет, если помнить, что точечная оценка - выборочная).
О чем говорит - реально - работа Ionnides'а - скорее всего мощность исследований в медицине около 80% (именно тогда при повторении исследования у действующего метода вы получите около 20% работ с "негативным" результатом р>0.05), это вывод прямо противоположен авторскому - медицина на удивление хорошо проводит исследования!

4) Основная проблема всех этих заявлений в их оторванности от реальности. "Предположим, что априорная вероятность того, что новый метод не действует 98%". А какой находящийся в здравом уме исследователь будет проводить клинические испытания при такой вероятности? Не случайно клинические испытания (я уж не говорю о доклинической стадии!) проводятся в три этапа и на ранних этапах используются более низкие значения допустимой вероятности ошибки I типа. Однако тут таких исследователей нет. Почти все исследования аспирантов - постмаркетинговые, т.е. на методах, прошедших первоначальный отбор - и тут утверждать, что вероятность справедливости Но 98% это просто не понимать как работает современная (медицинская) наука.
5) заявление "что для получения надежных статистических значимостей на уровне 0,001 надо много работать это из той оперы, когда скупой платит дважды. И в нашем случае платит пациент (и деньгами и здоровьем). " не просто ошибочно. Оно демонстрирует нежелание задуматься над процессом планирования исследования ради отстаивания заранее сформулированной точки зрения.
Поясню на примере.
Итак. Предположим, что (для нас это не известно) был изобретен новый препарат для лечения лимфомы. Он снижает смертность за год на четверть (в сравнении с используемым методом лечения) - с 20% до 15%. При обычном планировании исследования (ошибка I 0.05, мощность 0,8) понадобится по 945 человек в группу вмешательства и контроля. Теперь предположим, что планирование доверили статистику, который верит только в 0,001. Он предложит включить в исследование по 2011 человек. 2011 человек будут в группе контроля вместо 945. К моменту окончания второго исследования в группе контроля умрет на 113 человек больше по сравнению с первым. Эти 113 жизней будут на совести "статистика". Результат будет получен позднее (сотни или тысячи других пациентов в мире не получат доступа к лекарству пока не закончилость исследование) - они тоже будут на совести "статистика".
Стоимость исследования будет в разы выше (больше пациентов, длительнее период исследования), а эта цена затем будет заложена в стоимость препарата. И опять пациенты не получат лечение.
Иными словами призывы к "снижению" р-оценки не так уж невинны и призывы "Наука не даётся малой кровью" должны начинаться с того, что тот, кто так призывает, организует исследование (в клинической медицине) в соответствие со своими призывами.

Поэтому общий вывод. Каждый остается при своем мнении. Пускай исследователи из СПбГУ используют только уровень 0,001 (правда, короткий поиск по фамилиям авторов выявил, что они почему-то тоже используют 95% ДИ - см., например Raj и соавт, 2008; Shaboltas и соавт., 2006), а все остальные будут продолжать использовать уровень значимости 0,05 и 95% доверительные интервалы.