Здравствуйте

Помогите, пожалуйста, правильно выбрать метод.

Допустим, есть одна выборка из 1000 человек, среди них отмечено 20 случаев заболевания. И есть вторая выборка из 700 человек, среди которых отмечено 30 случаев заболевания (пример чисто гипотетический).
Каккой метод следует использовать для того, чтобы определить значимо ли различаются уровни заболеваемости в этих выборках (несвязанных). Хи-квадрат? Точный тест Фишера? Что при этом следует использовать - абсолютные цифры или %?
Еще интересует определение рисков заболеваемости (относительный, абсолютный)?

Для проверки гипотезы о равенстве в двух выборках долей единиц, обладающих определенным признаком, можно использовать как хи-квадрат Пирсона, так и t-статистику Стьюдента.

хи-квадрат и абсолютные параметры

Cравнение распространенности заболевания принято приводить не с использованием критериев, а посредством доверительных интервалов, на 100 (%) или на 1000 человек представлять долю больных зависит от исследователя. Как выбрать метод расчета ДИ для малых долей, чтобы не залезть в минусовые значения обсуждалось на форуме, плав представлял калькулятор в экселе.

Спасибо всем ответившим! Меня интересует вот что:

Следствием любого воздействия на живые организмы является изменение вероятности появления тех или иных следствий этого воздействия. Эти вероятности часто указываются в виде отношений, частот или рисков, в которых вероятности событий, обычно происходящих в одной группе, обычно экспериментальной, сравниваются с вероятностью события (следствия), происходящего в контрольной группе.
Важными и широко используемыми для подобных оценок являются такие типы статистических анализов как анализ χ2 Пирсона и точный тест Фишера. Они позволяют оценить статистическую значимость различий в группах с наступившими качественными событиями (болезнь, аномалия, опухоль) и, что особенно важно, рассчитать риски наступления события при воздействии повреждающего фактора. Данные методы очень полезны для оценки стохастических эффектов, не детерминированных количественными и качественными характеристиками воздействия, вызывающего данные эффекты (их появление носит вероятностный характер).

Меня по приведенному примеру интересует, в первую очередь, следующее: значимо или незначимо различаются эти две группы по встречаемости (частоте) заболевания в них. Заболевание я рассматриваю как следствие определенного воздействия, которому подвергалась только одна группа (вторая - контрольная). Это воздействие не обязательно негативное, оно может оказывать и протективный эффект (пример чисто гипотетический, придуман в обучающих для себя целей, отсюда и пространные рассуждения).

Подход с доверительными интервалами, безусловно, интересен и имеет право на существование. Хотя мне пока не понятен.
Допустим, есть контрольная группа, в которой не зарегистрировано ни одного случая интересующего нас события (болезнь, гибель, появление каких-то новых - или ранее не наблюдавшихся - признаков и свойств). В другой группе (опытной) такие случаи отмечены. Каков тогда доверительный интервал для контрольной группы? Как его определить?

Распространенность конкретного заболевания , например , в разных странах или городах не может оцениваться через четырехпольные таблицы, поскольку в ячейку нужно поставить население страны без заболевания . Это по поводу представления данных, если исследуют именно prevalence.

То, что вы хотите выяснить, это значимо ли влияет на фактор на частоту определенного состояния и каково снижение риска при действии фактора .

По вашему примеру, из 4-х польной табл вы можете посчитать кроме абсолютных рисков, снижение абс риска 4,3-2,0=2,3% ( Absolute risk reduction (ARR)) и привести 95% ДИ к этой разнице (0,552 ? 4,019).

Но более информативным показателем различий является не абс риск, а относительный (отношение рисков): RR=p1/p2=0,467 (95% ДИ 0,267-0,815).
И наконец, снижение относительного риска составит : RRR=1-RR(%) =53,3% (18,5% ? 73,3%)

Снижение риска развития заболевания в 1 группе (под хорошим воздействием) составило 53% (18,5% - 73,3). Прежде всего оцените клиническую значимость этого эффекта, который при таком подходе имеет количественную оценку. А статистическая значимость, т.е. сколько нулей будет после зарпятой, имеет на мой взгляд, вторичное значение.

Evidence-based Medicine (Sackett, Richardson,Rosenberg,Haynes) page 230