Вот, подходит конец анализ данных и наступает время сравнивать группы по лечению. анализирую 2 группы (разное лечение) и получается, что различия стат не значимы (критерий фишера), может каким другим способом попробовоть. или если одним не получилось, то и другие не помогу.
данные такие: 2 группы консервативное лечение 1 группа (N=37) и хирургическое 2 группа (n=17), cпустя 3 месяца после лечения проведен микробиологический анализ. не дали роста патогенной микрофлоры в 1 группе 30 человек (81,1%), во 2 группе 12 чел (71%), через 6 месяцев 1 группа 29 (78,4) и 2 группа 10(58,8%). это что получается не имеет значения как их лечить? Это мое ВСЕЕЕЕЕЕЕЕЕЕЕЕЕ статистически не значимо?

изменения под действием лечения происходят в группах которые, судя по всему, являются зависимыми. это учитывается?

У меня возник вопрос: до лечения (консервативного и хирургического) у всех (100%) пациентов в обеих группах наблюдалась патогенная микрофлора?

Дурацкий вопрос (у меня сейчас к вам), а от чего они зависят, только от моего выбора, кого включть, т.е это не совсем случайный выбор . у тех кого я изначельно обследовала (их было 103), я выбраля для дальнейшего наблюдения (т.к мне их лечить надо было) тех у кого была патогенная флора и наличие маркеров герпетической или внутриклеточной инфекции. Ну соответственно, в силу некоторых обстоятельств (нерегулярное обследование, и неявка на контроль) до конца дошли немногие.

в первой группе у 1 пациента посевы роста не дали, во 2 группе у всех была патогенная флора. у меня есть вопрос: во всех исследованиях пишется о рандомизации (если я правильно понимаю, это случайность отбора), но мои то группы получается не рандомизированы.

мда...

зависимые --- означает что в сравниваемых группах одни и те же объекты наблюдения.

группа консервативного лечения на первом и втором обследовании состоит из одних и тех же людей? если да, то и критерий сравнения должен быть соответствующим.

Про рандомизацию почитайте в книгах:
1. Флетчер "Клиническая эпидемиология", глава 6 Прогноз (есть в интернете)
2. Гланц "Мед-био статистика", глава 12 Как построить исследование (есть в интернете)
3. Петри "Наглядная статистика в медицине", глава 14 Клинические испытания (есть в интернете)
Я так понял, что "рандомизация" нужна для взаимного сокращения влияния "внешних факторов" , и именно поэтому она позволяет извлечь максимальное количество полезной информации из исследования.

Да, люди одни и те же.

На "дурацкий вопрос" даю "дурацкий ответ" - читайте прикреплённую книгу

В чём смысл На Стадии Ввода Данных в таблицу сопряжённости переводить абс. числа в доли (%), как сделано в этой задаче (Сообщение #1)? Вместо абсолютных чисел:

нет|есть
30 | 7 ...(группа 1)
12 | 5 ...(группа 2)

использовали соответствующие им проценты:

81 | 19
71 | 29

Привет, Liz!

Смысл замены абсолютных частот на относительные заключается в следующем. Данные относительные частоты, т.е. проценты, могут вычисляться по разному. Эти проценты
81 | 19
71 | 29

получены путём деления абсолютных частот на соответствующие суммы частот по каждой строке. Т.е. если 30 разделить на 37, то получим 81,08%. А если 7 разделить на 37 то получим 18,92%. Соответственно 12/17=70,59% и 5/17=28,41%.

Но, такие относительные величины можно получить и путём деления абсолютных частот в каждой клетке не только на сумму по строке. но также и на сумму по столбцу, и на общее количество наблюдений. И тогда получаем следующий результат:


Aнализ таблицы сопряжённости 1

Table of A by B

Frequency|
Expected |
Percent |
Row Pct |
Col Pct| 1 | 2 | Total
---------+--------+--------+
1 -- | 30 | 7 | 37
--- | 28.778 | 8.2222 |
--- | 55.56 | 12.96 | 68.52
--- | 81.08 | 18.92 |
--- | 71.43 | 58.33 |
---------+--------+--------+
2 --- | 12 | 5 | 17
--- | 13.222 | 3.7778 |
--- | 22.22 | 9.26 | 31.48
--- | 70.59 | 29.41 |
--- | 28.57 | 41.67 |
- --------+--------+--------+
Total 42 12 54
77.78 22.22 100.00


Statistics for Table of A by B

Statistic DF Value Prob
------------------------------------------------------
Chi-Square 1 0.7420 0.3890
Likelihood Ratio Chi-Square 1 0.7178 0.3969
Continuity Adj. Chi-Square 1 0.2591 0.6107
Mantel-Haenszel Chi-Square 1 0.7283 0.3934
Phi Coefficient 0.1172
Contingency Coefficient 0.1164
Cramer's V 0.1172

Выше в таблице сопряжённости приведены как абсолютные частоты, так и 3 относительных частоты в процентах - относительно суммы по строке, по столбцу, и по всей сумме наблюдений. Это весьма полезно для осмысления асимметрии распределения частот, когда имеем СТАТИСТИЧЕСКИ ЗНАЧИМУЮ связь двух признаков. Чего в данном случае нет.

Вывод: нужно рассматривать все 3 вида относительных частот когда есть значимая связь. В противном случае эти частоты нет смысла рассматривать.

Spasibo za knigy.
И спасибо за ответ, я поняла, что различия статистически не значимы, мой вопрос состоял в том, может я что не так делаю, что различия не получают статистической значимости. Ответ я получила и еще кучку знаний по пути к нему.Спасибо.

<Это весьма полезно Для Осмысления...> С этим, безусловно, согласна! Спасибо! :)