Уважаемые форумчание! Подскажите пожалуйста, какой метод (критерий) применим в данной ситупции.
Проводится сравнений двух групп до и после лечения. Например:1 группа - боль была у 14 человек, в конце исслед. осталась только у 5 (36%) человек; 2 группа - боль была у 16, осталась у 5 человек.
Заранее спасибо!

Тест Мак-Немара (McNemar test).

Да, но этот тест даст ответ на вопрос эффективно ли лечение в каждой из групп. Но для сравнения эффекта в двух группах нужно выразить разность относительных частот имеющих головную боль до и после лечения в процентах, посчитать к этой разнице доверительные интервалы и сравнить их. Методы расчета ДИ подробно обсуждались на форуме.

Огромное спасибо ответившим!!!
теперь бьюсь над вопросом в какие ячейки четырехпольной таблицы какие данные ставить для расчета кр. МакНемара

Не понял, при чем тут Мак Немар
Обычная таблица
________________Боль_____Нет
Группа_1________5________9
Группа_2________5________11
И далее Фишер или Хи2

А потому что, как я поняла, нужно сравнить эффект лечения в одной группе и во второй группе. Эффект в первой группе оценивается разностью относительных частот числа больных с болью до и после лечения,т.е. 14-5=9, во второй группе 16-5=11. Критерий М-Н оценивает эти разницы, в формулу расчета критерия входит разница. Формула простая, обсуждалась на форуме, у Ребровой также есть.
Относительные частоты в первой группе 9/14, если до лечения боль была у всех, т.е. n1=14 и 11/16 во второй группе, если n2=16. Тогда эффект в первой группе состави 64,4%(95% ДИ 39,2%-89,4%), во второй 68,75% (95%ДИ 46,4%-91,1%). Т.е. в обеих группах эффект приблизительно одинаковый

МакНемар - критерий для связанных совокупностей, поэтому еслиречь заходит о двух группах, то критерий МакНемара не применим.

Я не обратил внимания на то, что 5 человек составляют 36%, т.е. что 14 это и есть вся выборка, а не ее часть. Иначе 14 вначале и 5 в конце были бы связаны. А так это действительно обычная таблица сопряженности. А как можно было бы учесть одновременно и зависимый характер выборок внутри групп и наличие двух групп?

Аналогично тому, как делается дисперсионный анализ с двумя группами и повторами по одному показателю (смешанные модели)

У меня однажды были такие данные - не нашел как в логлинейный анализ matched эффекты внедрить, пришлось неизящно выкручивать. А по интерпретации Generalized LM пока не попалось источника, где бы все доступно разжевали:)

Давайте разжуем именно этот пример. Типичный для многих исследований.
Да, М-Н используется для связанных выборок и вначале для каждой группы такой анализ может бать сделан. И 9 и 11 ? статистически достовреная разница по М-Н. Значение критерия для второй группы выше 9,2 , чем для первой 7,1. А дальше, величина эффекта выражается в процентах и сравнения проводится посредством ДИ. Просто и ясно. А как в данном случае будет выглядеть решение этого примера, используя обычную таблицу 2х2 и Фишера, не понятно.
Есть и другой понятный путь. Если второй метод лечения лучше, то риск сохранения боли в этой группе R2=0,31, в первой группе R1=0,36, отношение рисков RR=0,875, тогда, снижение относительного риска сохранения боли при использовании второго метода лечения составит RRR=0,125 (на 12,5%) . Можно пойти и дальше, но у нас никак не войдет в сознание такой показатель как NNT, который действительно, демонстрирует различие в эффективности двух методов, который слишком велик в данном случае 22,4.

Зачем усложнять то, что просто? Что было до начала исследования никого не интересует. Были отобраны пациенты с болью. Проверять, что с ними произошло черех х дней после начала исследования - не стоит затраченного времени, ибо причина не понятна (естественное течение заболевания, другая терапия и т.д.). Помните, что исследования без группы контроля должны напрямую отправляться в мусорную урну.
Соответственно здесь две одинаковых группы (с болью) численностью 16 человек и 14 человек. Исход (исчезновение боли) у 5 человек в обеих группах. Как сделать четырехпольную таблицу показано выше. шансы исчезновения боли в группе 1 составят 1,22 и, естественно, никакого эффекта не будет. И доверительный интервал надо считать для отношения шансов, а не процентов по отдельности (оценки точнее). А вот МакНемар здесь не причем. В любом исследовании у всех пациентов что-то было, а затем исчезло или появилось (например, была жизнь, а у некоторых она исчезла) и это не повод для теста парных связей.

Не так уже и просто. Ваши упрощения, по моему, привели к неверным выводам относительно эффективности. По вашему шансы излечения выше в 1 группе, чем во второй в 1,22 раза. Наверное, наоборот. Т.е. вы посчитали шансы наличия боли, а не излечения. И шансы ? это вообще из другого дизайна. Для оценки риска в исследованиях случай-контроль. А для оценки лечения как раз и используют RRR.
И вовсе не обязательно, что боль была до лечения у всех, это может быть один из признаков, динамика которого изучается, у кого то могло не быть ее до лечения, но она возникла после лечения, вот тут М-Н и нужен.

1) А если внимательно задание прочитать и не выдумывать?
2) Выбор такого показателя, как отношение шансов не зависит от дизайна, не путайте. Нельзя использовать RR в исследованиях по типу случай контроль, но можно - в случае когортных. Не согласны - прошу объяснения.
3) Шансы переворачиваемы, поэтому считайте боль или излечение - они будут реципрокными (в отличие от RR).

Читаем внимательно

А как вы прочли?

Это вовсе не шансы исчезновения боли, а отношения шансов сохранения боли в первой группе к шансам сохранения боли во второй группе. Да, шансы переворачиваемы, но предназначены не для оценки эффективности лечения, а для оценки факторов риска

Ну и где там еще группы (5 из 14, если Вы не сообразили, это как раз и есть 36%, т.е. в группе у всех есть боль)?
Насчет шансов то же. Это кто такое придумал, про оценку факторов риска? Народ же начитается и будет думать, что именно так оно и есть. Возьмите на вскиду несколько исследований и найдете там отношения шансов для оценки эффекта от лечения.
Я еще раз повторяю, хотите упорствовать, дайте внятное объяснение чем принципиально относительный риск отличается от отношения шансов, кроме невозможности разложить первый на сумму частот логарифмированием и его необорачиваемости.

Да нет, как раз сообразила, и если вы прочли мое решение, оно на этих группах и основано (эффективность в первой группе 64,4%, во второй 68,75%).
По поводу OR, я также упорствовать не буду, но навскидку искать, что OR используют для оценки эффективности тоже не буду. Лучше обращусь к первоисточникам, пусть народ почитает и сделает выводы сам. Для меня первыми, кто продемонстрировал OR для оценки факторов риска были Bland JM, Altman DG в BMJ http://www.bmj.com/cgi/content/full/320/7247/1468 Но это было написано раньше, а вначале было письмо редакции о некорректном использовании OR
http://www.bmj.com/cgi/content/full/317/7168/1318

Можно еще источник привести:
Odds ratio
The odds of an event, understood best by those who enjoy wagers, is the number of times it occurred (a) divided by the number of times it didn?t (b), or a/b. This contrasts with the probability of an event which is the number of times it occurred divided by the number of times it could have occurred, or a/a+b. The odds ratio is the ratio of the odds of an event in one group divided by the odds in another group. When the event rate or absolute risk in the control group is small (less than 20% or so), then the odds ratio is very close to the relative risk
Или тут тоже про факторы риска http://www.medicine.ox.ac.uk/bandolier/band25/b25-6.html
Но сегодня есть и на русском языке публикации с довольно внятным объяснением, что и как использовать?
Флетчер и?, стр 264-266 OR в исследованиях случай-контроль используется для оценки относительного риска.
Добавлю, что шансы будут приближаться у рискам только если наблюдений много (обсервационные исследования), а изучаемое событие редкое.
Гордон Гайят и стр. 312-315

А относительно оценки эффективности с использованием показателя снижение относительного риска ( RRR), то это тоже не я придумала, передо мной рекомендации к анализу данных, пришпилить я их не могу они бумажные, но на сайте по ДМ http://www.ebem.org/nntcalculator.html
можно извлечь нужную информацию, кстати, у Власова тоже есть СОР, стр 227.
Если вы , уважаемый плав, предпочитаете использовать шансы, то поясните что означает ваша фраза, шансы исчезновения боли в группе 1 составят 1,22. Поскольку я продолжаю упорствовать и утверждаю, что вы привели отношение шанса сохранения боли в первой группе (5/9) к шансу сохранения боли во второй группе (5/11).

Хорошо, я не правильно написал в какой именно группе выше шансы (исчезновения боли выше шансы в группе 2), однако речь шла о том, что Вы даете просто ошибочные рекомендации по использованию методов, а затем пытаетесь прикрыть некомпетентность уводом дискуссии в другое русло. Это серьезно, поскольку не просто изменяются метки переменных, а демонстрируется непонимание и начетничество в области основ анализа научных данных.

Ваши ошибки:
1) Ошибочное утверждение, что OR используются для оценки факторов риска, а RR для эффективности. На самом деле OR использоваться могут всегда, они сложнее интепретируются. поэтому рекомендовано (в тех статьях, что Вы же процитировали) использовать более понятные для интерпретации RR если позволяет дизайн. RR могут использоваться только в когортных исследованиях или РКИ. OR могут использоваться в любых типах исследований. NNT является показателем, обратным к абсолютному снижению риска и как таково сильно зависит от распространенности исхода в контроле, т.е. не переносим на другие поупляции и не суммируем, соответственно разумен к использованию только в случае больших, репрезентативных для общей популяции исследований. Рекомендации использовать NNT и RR базируются на предположении об их легкости восприятия врачами (кстати, не исследований, а предположений), а не на их преимущественных статистических свойствах (со статистической точки зрения они хуже).
2) Ошибочное утверждение, что надо анализировать данные отдельно по подгруппам. Со статистической точки зрения анализ по отдельным подгруппам означает снижение мощности, поскольку ошибка оценивается на меньшем количестве наблюдений. Соответственно, выбирается не самый оптимальный метод оценки.
3) Ошибочное утверждение, что в случае сравнения двух групп надо использоват критерий Мак-Немара. Критерий МакНемара используется для связанных совокупностей и если речь идет о двух не связанных гшруппах он не применим.
4) Ошибочное утверждение, что "шансы будут приближаться у рискам только если наблюдений много (обсервационные исследования), а изучаемое событие редкое". Шансы приближаются к рискам если изучаемое событие редкое. Все. От количества наблюдений оно не зависит, это может понять каждый, кто посмотрит на формулу RR (важно, чтобы соотношение в популяции а и b было таким, что a мало по сравнению с b)


Кроме того, Вы плохо знаете литературу. Если для Вас "первыми, кто продемонстрировал OR для оценки факторов риска были Bland JM, Altman DG в BMJ" то позвольте упомянуть, что по использованию логистической регрессии для анализа факторов риска работы были у Kannell более, чем за 30 лет до Бланда и Альтмана (не говоря уж о том, что я использовал эти показатели в своей диссертации за 7 лет до публикации, на которую Вы ссылаетесь, как на первую - а я явно был не первым в стране, не говоря уж о мире).
И вообще с поиском литературы проблемы. Простейший запрос в PubMed "odds ratio AND Randomized Controlled Trial [PT]" дает 3679 статей, клинических испытаний (которые как раз и проверяют эффективность) с использование отношений шансов.

Ну и замечательно, что вы, наконец, признали свою неточность, но кто же тогда упорствовал?

Я, как раз не это утверждала, а продемонстрировала возможность использования RRR, поскольку сегодня у меня имеются именно такие рекомендации в методичке по анализу (видимо, капризы заказчика). По вашему, это только для меня этот показатель имеет ясную интерпретацию. У вас что есть аргументы против RRR?

Это не утверждение, а рекомендация для более общего подхода, поскольку, вначале нужно показать, какой эффект в каждой группе. Ведь это только частный случай, что боль до лечения была у всех.
В отношении М-Н, сравнение проводится в каждой группе до и после, а не между группами, это ясно.

Да, для меня Альтман был первым, кто серией своих статей показал для меня разницу OR и RR, и сейчас его учебник для меня настольная книга.
Уважаемый модератор, я желаю Вам терпения и вашей нелегкой работе, поскольку, иногда тон вашей дискуссии не вдохновляет вновь заходить на форум, и многие его уже покинули, становится скучно?.

Ветка началась с неправильной рекомендации использовать МН, и при указании на эту ошибку Вы продолжали утверждать, что правы.


Да, и в частности тот факт, что RR имеет смысл при использовании репрезентативной выборки и не переворачиваем. Кроме того, его оценка в рамках моделей (а местные аспиранты практически не проводят крупных РКИ, не требующих модельной коррекции) затруднена, Вы же первая ранее рекламировали логистическую регрессию.



Если изучется появление любого признака в какой-то группе, то методом анализа для (качественного бинарного) признака будет оценка ДИ долей, а не МН. А если в принципе, то давайте вообще скажем, что надо использовать факторный анализ, поскольку он хорошо позволяет сформулировать шкалы. Не важно, что к теме поста это не имеет никакого отношения.

Я рад, что Вы читаете учебник Альтмана, но для того, чтобы что-то советовать, желательно прочитать несколько больше книг и, самое главное, понимать почему авторы дают тот или иной совет.


Я плакалъ.
Для информации - тут на форуме у меня не работа, поэтому тратить время на то, чтобы опровергать ошибочные заявления нет. Я вначале попытался предупредить мягко. Вы решили, что достаточно хорошо разбираетесь в проблеме, чтобы показать это всем. Однако это не так. Надо уметь свои ошибки признавать, а Вам от этого становится скучно. Ну что же, это выбор каждого. И, кстати, а почему я (или кто-то другой) должен быть заинтересован в том, что бы Вы (или я) заходили на форум? Это личное дело.

Cкучно от того, что нет других мнений, многие покинули форум, а задающие вопросы тоже куда то теряются, как в последнем случае. Жаль, что свое мнение вы считаете истиной в последней инстанции. Всего хорошего!