Σχεδιασμός Κλινικών Δοκιμών. Ερμηνεία & Αξιολόγηση Αποτελεσμάτων. Κλινικών Δοκιμών. Μάθημα Ερευνητικής Μεθοδολογίας
|
|
- Αιθήρ Βιλαέτης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Μάθημα Ερευνητικής Μεθοδολογίας Σχεδιασμός Κλινικών Δοκιμών Ερμηνεία & Αξιολόγηση Αποτελεσμάτων Ουρανία Δαφνή Καθηγήτρια, Διευθύντρια Εργαστήριο Βιοστατιστικής Τμήμα Νοσηλευτικής Πανεπιστήμιο Αθηνών Αθήνα, Mάης 2016 Κλινικών Δοκιμών
2 Τι αντιμετωπίζουν οι επιστήμονες υγείας; την ανάγκη για ορθή και ακριβή ερμηνεία διαφόρων διαγνωστικών μεθόδων που χρησιμοποιεί στην κλινική πράξη την αμφιβολία για την αποτελεσματικότητα των θεραπευτικών παρεμβάσεων την ανάγκη για ισορροπία μεταξύ του οφέλους και της ζημίας που μπορεί να προκαλέσει μια προτεινόμενη φαρμακευτική αγωγή την αγωνία για την πορεία της νόσου στους ασθενείς του και το κόστος των παρεμβάσεων του (φάρμακα, διαγνωστικά κριτήρια, διαδικασίες) Αθήνα, 10 & 17 Μαίου
3 Η επιστήμη των αποδείξεων Η επιστήμη των αποδείξεων (κατά άλλους ενδείξεων, μετάφραση του αγγλικού όρου evidence based) είναι μια επιστημονική προσέγγιση στην καθημερινή κλινική πράξη κατά την οποία ο επιστήμονας του χώρου της υγείας είναι ενήμερος γύρω από τις μελέτες (κλινικές και επιδημιολογικές) που υπάρχουν γύρω από το θέμα που διαπραγματεύεται και οι οποίες υποστηρίζουν την κλινική του απόφαση για μια ιατρική πράξη. Αθήνα, 10 & 17 Μαίου
4 Η επιστήμη των αποδείξεων Τα βασικά βήματα της επιστήμης των αποδείξεων είναι: 1. Σαφής διατύπωση της κλινικής ερώτησης - προβλήματος 2. Εμπεριστατωμένη διερεύνηση της βιβλιογραφίας σε έγκυρα επιστημονικά περιοδικά και ειδικότερα στις μετα-αναλύσεις (χρήση αντικειμενικών ποσοτικών μεθόδων για τη σύνοψη δεδομένων κατά τρόπο αντικειμενικό και αδιάβλητο) 3. Επιλογή των κατάλληλων άρθρων (αυτών που κρίνεται ότι έχουν τηρήσει τις αρχές της μεθοδολογίας της έρευνας) 4. Κριτική αξιολόγηση των ευρημάτων των ερευνητικών άρθρων που επελέγησαν 5. Εφαρμογή των πορισμάτων της προαναφερθείσας προσέγγισης στους ασθενείς Αθήνα, 10 & 17 Μαίου
5 Είδη Μελετών: Υπάρχει ομάδα παρέμβασης; Ναι Πειραματική μελέτη Τυχαιοποίηση? Όχι Περιγραφική μελέτη Ομάδα ελέγχου? Yes Ναι No Yes No ΤΚΔ Μη ΤΚΔ Αναλυτική Περιγραφική μελέτη Κατεύθυνση? ΤΚΔ Τυχαιοποιημένη Κλινική Δοκιμή Exposure Outcome Exposure Outcome Exposure and outcome at the same time Προοπτική μελέτη Μελέτη ασθενών - μαρτύρων Συγχρονική μελέτη Αθήνα, 10 & 17 Μαίου
6 Ιεράρχηση τεκμηρίων Μετά - ανάλυση Τυφλά Τυχαιοποιημένες Κλινικές Δοκιμές Τυχαιοποιημένες Κλινικές Δοκιμές Προοπτικές μελέτες Αναδρομικές μελέτες: ασθενών-μαρτύρων Συγχρονικές μελέτες με ομάδα ελέγχου Περιγραφικές μελέτες χωρίς ομάδα ελέγχου Σειρά παρατηρήσεων χωρίς ομάδα ελέγχου Σποραδικές παρατηρήσεις Αθήνα, 10 & 17 Μαίου
7 Αριθμός δημοσιευμένων κλινικών δοκιμών * Medline search Randomized Αθήνα, 10 & 17 Μαίου
8 Στόχος Βιοστατιστικής Εξαγωγή συμπερασμάτων σε σχέση με μία αρχική υπόθεση, βιολογικής ή κλινικής φύσης ΠΑΡΑΤΗΡΗΣΗ-ΔΕΙΓΜΑ (ΚΛΙΝΙΚΗ ΔΟΚΙΜΗ) ΑΠΟΔΕΙΞΗ ΣΥΜΠΕΡΑΣΜΑ ΠΛΗΘΥΣΜΟΣ Βασίζεται στην ορθή εφαρμογή των μεθόδων της Μαθηματικής Επιστήμης μέσω της Θεωρίας Πιθανοτήτων και των Αρχών της Στατιστικής Αθήνα, 10 & 17 Μαίου
9 Σκοπός και στόχος Να συζητήσουμε διάφορες βασικές στατιστικές έννοιες που εμπλέκονται και αφορούν το σχεδιασμό και την ερμηνεία των κλινικών δοκιμών Να δούμε κάποια παραδείγματα από τη βιβλιογραφία για την καλύτερη κατανόηση των εννοιών Αθήνα, 10 & 17 Μαίου
10 Τι είναι μια κλινική δοκιμή «Κλασσικός» ορισμός Μια προοπτική μελέτη παρέμβασης σε ομάδα ανθρώπων, η οποία συγκρίνει τα ευρήματα αναφορικά με την έκβαση μιας νόσου ή μιας κατάστασης, με μια άλλη ομάδα ελέγχου Ερευνητική μελέτη σε ανθρώπους Εξετάζει την ορθότητα μιας ερευνητικής υπόθεσης Προτείνει τρόπους για πρόληψη ή θεραπεία Κατάλληλη για αιτιολογικές συσχετίσεις Αθήνα, 10 & 17 Μαίου
11 Είδη Κλινικών Δοκιμών Φάσης Ι Η φαρμακοκινητική και οι βιολογικές επιδράσεις του φαρμάκου εξετάζονται για πρώτη φορά σε ανθρώπους Στόχοι: Διερεύνηση Ασφάλειας Καθορισμός Ασφαλούς Δόσης Φάσης ΙΙ ή Ι/ΙΙ Μικρές μελέτες ασφάλειας και αποτελεσματικότητας Στόχος: Επιλογή λίγων δραστικών θεραπειών για περαιτέρω μελέτη σε δοκιμή Φάσης ΙΙΙ Αθήνα, 10 & 17 Μαίου
12 Είδη Κλινικών Δοκιμών Φάσης ΙΙΙ Μεγάλου μεγέθους συγκριτικές μελέτες της πειραματικής θεραπείας έναντι της καθιερωμένης θεραπείας ή εφόσον δεν υπάρχει τέτοια θεραπεία, έναντι placebo (εικονική θεραπεία) Στόχοι: Διερεύνηση αποτελεσματικότητας Έγκριση Φαρμάκου Φάσης ΙV Μελέτες παρατήρησης σε μεγάλο αριθμό ασθενών μετά την κυκλοφορία του φαρμάκου στην αγορά Στόχος: Αναγνώριση πιθανών ανεπιθύμητων ενεργειών Αθήνα, 10 & 17 Μαίου
13 Είδη Κλινικών Δοκιμών Αθήνα, 10 & 17 Μαίου
14 Φάσης ΙΙΙ - Τυχαιοποίηση-Τυφλότητα Οι ομάδες πρέπει ιδανικά να διαφέρουν μόνο ως προς την παρέμβαση Η κατανομή των θεραπειών στις ομάδες σύγκρισης πρέπει να γίνεται με τρόπο «τυφλό» Με την προϋπόθεση ότι το μέγεθος της μελέτης είναι αρκετά μεγάλο, η τυχαιοποίηση διασφαλίζει ότι οι γνωστοί και οι άγνωστοι συγχυτικοί παράγοντες κατανέμονται εξίσου στις ομάδες σύγκρισης ΑΡΑ: Η διαφορά στην έκβαση μπορεί να αποδοθεί στις διαφορετικές θεραπευτικές αγωγές Αθήνα, 10 & 17 Μαίου
15 Σχεδιασμός Κλινικών Δοκιμών Μία καλά σχεδιασμένη κλινική δοκιμή έχει τα ακόλουθα χαρακτηριστικά: Σαφώς καθορισμένους στόχους Καλώς ορισμένες τελικές εκβάσεις που προκύπτουν από τους τεθέντες στόχους Εκ των προτέρων καθορισμένα κριτήρια επιτυχίας ή αποτυχίας της πειραματικής θεραπείας βάσει στατιστικών ελέγχων επί των τελικών εκβάσεων Σαφή υπολογισμό του μεγέθους δείγματος και της αντίστοιχης στατιστικής ισχύος Πλήρη περιγραφή των κριτηρίων ένταξης και αποκλεισμού ασθενών - τυχαιοποίηση Αθήνα, 10 & 17 Μαίου
16 Στόχοι έναντι Τελικών Εκβάσεων (Μέτρα Αποτελεσματικότητας) Τελική Έκβαση = Μετρήσιμο Μέγεθος Μέση Τιμή Συνεχούς Μεταβλητής Ποσοστό Επιτυχίας Χρόνος μέχρι το γεγονός ενδιαφέροντος Αθήνα, 10 & 17 Μαίου
17 Μέγεθος Δείγματος Ο πειραματισμός με περισσότερα άτομα από τον αναγκαίο αριθμό παραβιάζει τα ατομικά ανθρώπινα δικαιώματα των ασθενών Ο πειραματισμός με λιγότερα άτομα από τον αναγκαίο αριθμό παραβιάζει τα δικαιώματα των ασθενών στην κοινότητα Αθήνα, 10 & 17 Μαίου
18 Μέγεθος Δείγματος Επαρκές δείγμα: Μέγεθος Μελέτης ικανό για να να αναγνωριστεί με μεγάλη πιθανότητα (Στατιστική Ισχύς) η ελαχίστη κλινικά σημαντική διαφορά ως στατιστικά σημαντική Αύξηση αξιοπιστίας, εγκυρότητας Μείωση δειγματοληπτικού, συστηματικού και τυχαίου σφάλματος Αντιπροσωπευτικό δείγμα Αθήνα, 10 & 17 Μαίου
19 Μεροληψία και Μεταβλητότητα Μεροληψία (bias): οποιαδήποτε επιρροή η οποία καθιστά τα παρατηρούμενα αποτελέσματα μη αντιπροσωπευτικά της θεραπείας. Μεταβλητότητα (variability): η «ανακρίβεια» των αποτελεσμάτων λόγω της δειγματοληψίας. Αθήνα, 10 & 17 Μαίου
20 Bias - Variability Μεροληψία - Μεταβλητότητα No bias, small variability Bias, small variability No bias, larger variability Bias, larger variability Αθήνα, 10 & 17 Μαίου
21 Μεροληψία Η μεροληψία είναι συστηματικό λάθος ή διαφορά Οι πιο υγιείς ασθενείς λαμβάνουν την θεραπεία Α και οι λιγότερο υγιείς την Β. Η θεραπεία Α είναι πιο γευστική και άρα καταπίνεται μεγαλύτερη ποσότητα από ότι στην θεραπεία Β. Η θεραπεία Α είναι «νέα και συναρπαστική» με αποτέλεσμα τόσο οι γιατροί όσο και οι ασθενείς να αναμένουν καλύτερα αποτελέσματα. Αθήνα, 10 & 17 Μαίου
22 Είδη Μεροληψίας Μεροληψία επιλογής (προηγούμενη θεραπεία). Μεροληψία μέτρησης (ιατρικοί φάκελοι και δια ζώσης επικοινωνία). Συγχυτικοί παράγοντες (οι αθλούμενοι έχουν μικρότερο βάρος και δεν καπνίζουν). Αθήνα, 10 & 17 Μαίου
23 Είδη Μεταβλητότητας Μέτρησης Οργάνου Παρατηρητή Βιολογική Μεταξύ διαφορετικών ασθενών Εντός του ίδιου ασθενούς Αθήνα, 10 & 17 Μαίου
24 Τελείως διαφορετικά προβλήματα Intra-arterial cannula Sphygmo - manometer Μεταβλητότητα Μεροληψία Διαστολική Πίεση Αθήνα, 10 & 17 Μαίου
25 Μεροληψία και μεταβλητότητα Πώς αντιμετωπίζονται; Και οι δύο με τον ορθό σχεδιασμό και τη διεξαγωγή της μελέτης. Η χρήση της κατάλληλης μεθοδολογίας στατιστικής ανάλυσης μας επιτρέπει να «μετρήσουμε» σωστά τα αποτελέσματα δηλ. να ξεχωρίσουμε το σπάνιο από το σύνηθες ή αναμενόμενο. Αθήνα, 10 & 17 Μαίου
26 Γενική αλληλουχία στατιστικής συμπερασματολογίας Πληθυσμός Ασθενών Τυχαία? Δείγμα ασθενών βάσει του Πρωτοκόλλου Bias? Παρατηρούμενα αποτελέσματα Συμπερασματολογία για τον πληθυσμό Συγχυτικοί παράγοντες (confounding)? Αθήνα, 10 & 17 Μαίου
27 Basic Phase III Designs (P=placebo, E=experimental, Std=standard) R a n d P Exp R a n d Std Exp R a n d Std Exp Exp Test of Timing R a n d Std Std + Exp Std R a n d Std Exp Test of Combination Tx Test of Switching Αθήνα, 10 & 17 Μαίου
28 Έλεγχοι Υποθέσεων στις Κλινικές Δοκιμές Φάσης ΙΙΙ Μελέτη Υπεροχής (Superiority Trials): Είναι η νέα θεραπεία καλύτερη από την καθιερωμένη; Ιδέα: Ανάπτυξη πιο αποτελεσματικών θεραπευτικών αγωγών Μελέτη Ισοδυναμίας (Equivalence Trials): Είναι η νέα θεραπεία όσο καλή είναι η καθιερωμένη; Ιδέα: Ίσως η νέα θεραπεία είναι λιγότερο ακριβή ή έχει λιγότερη τοξικότητα. Τότε, αν είναι εξίσου αποτελεσματική με την καθιερωμένη θεραπεία, θα είναι προτιμητέα Αθήνα, 10 & 17 Μαίου
29 Κλινική δοκιμή υπεροχής vs κλινική δοκιμή ισοδυναμίας - Ερμηνεία Έστω 3 θεραπευτικές επιλογές: εικονικό φάρμακο (P), καθιερωμένη θεραπεία (S) και νέα θεραπεία (Ν). Για να αξιολογήσει κάποιος τη νέα θεραπεία έχει τις εξής επιλογές: A: Να σχεδιάσει μια κλινική δοκιμή υπεροχής η οποία θα: Συγκρίνει τη νέα θεραπεία (N) με το εικονικό φάρμακο (P) Συγκρίνει τη νέα θεραπεία (N) σε σχέση με την καθιερωμένη B: Να σχεδιάσει μια κλινική δοκιμή ισοδυναμίας η οποία θα συγκρίνει τη νέα θεραπεία (Ν) με την καθιερωμένη (S). Αθήνα, 10 & 17 Μαίου
30 Τί μπορούμε να μάθουμε-1; Στη κλινική δοκιμή υπεροχής ελέγχουμε τη μηδενική υπόθεση ότι η νέα θεραπεία (T) είναι το ίδιο αποτελεσματική με την καθιερωμένη (S). Στη περίπτωση που απορρίψουμε την H 0 μπορούμε να συμπεράνουμε ότι η νέα θεραπεία (Ν) είναι αποτελεσματικότερη της καθιερωμένης (S). Η κλινική δοκιμή υπεροχής δεν μπορεί να απαντήσει στο ερώτημα αν η νέα θεραπεία (Ν) είναι ισοδύναμη με την καθιερωμένη (S). Αθήνα, 10 & 17 Μαίου
31 HERA trial design Women with locally determined HER2-positive invasive early breast cancer Surgery + (neo)adjuvant CT ± RT Centrally confirmed IHC 3+ or FISH+ and LVEF 55 Randomization 2 years trastuzumab 8 mg/kg 6 mg/kg 3 weekly schedule 1 year trastuzumab 8 mg/kg 6 mg/kg 3 weekly schedule Observation HERA, HERceptin Adjuvant; CT, chemotherapy; RT, radiotherapy Αθήνα, 10 & 17 Μαίου
32 Statistical analysis Enrollment of 4482 patients was planned to detect a 23 percent relative reduction in the risk of a disease-free survival event with 80 percent power, with the use of a two-sided significance level of 2.5 percent for each comparison: two years of trastuzumab versus observation and one year of trastuzumab versus observation. A total of 951 disease-free survival events were required for the final analysis. One interim efficacy analysis was planned after 475 events, with a specified significance level of P required, with the use of a sequential plan according to the O Brien Fleming boundary as implemented by Lan and DeMets. The independent data monitoring committee reviewed data on patient enrollment, deaths, compliance, and safety every six months and conducted the interim cardiac safety and efficacy reviews as preplanned. The efficacy analyses were conducted according to the intention-to-treat principle. Chi-square tests for categorical data and log-rank tests for time-to event end points provided two-sided P values. Kaplan Meier curves are presented. Cox proportional hazards regression analysis was used to estimate hazard ratios and 95 percent confidence intervals. Αθήνα, 10 & 17 Μαίου
33 Statistical analysis Enrollment of 4482 patients was planned to detect a 23 percent relative reduction in the risk of a disease-free survival event with 80 percent power, with the use of a two-sided significance level of 2.5 percent for each comparison: two years of trastuzumab versus observation and one year of trastuzumab versus observation. A total of 951 disease-free survival events were required for the final analysis. One interim efficacy analysis was planned after 475 events, with a specified significance level of P required, with the use of a sequential plan according to the O Brien Fleming boundary as implemented by Lan and DeMets. The independent data monitoring committee reviewed data on patient enrollment, deaths, compliance, and safety every six months and conducted the interim cardiac safety and efficacy reviews as preplanned. The efficacy analyses were conducted according to the intention-to-treat principle. Chi-square tests for categorical data and log-rank tests for time-to event end points provided two-sided P values. Kaplan Meier curves are presented. Cox proportional hazards regression analysis was used to estimate hazard ratios and 95 percent confidence intervals. Αθήνα, 10 & 17 Μαίου
34 Τί μπορούμε να μάθουμε-2; Η μηδενική υπόθεση σε μια κλινική δοκιμή ισοδυναμίας είναι ότι η νέα θεραπεία (Ν) δεν είναι ισοδύναμη με την καθιερωμένη (S). Αν απορρίψουμε τη μηδενική υπόθεση μπορούμε να καταλήξουμε ότι η Ν είναι ισοδύναμη της S κατά ένα συγκεκριμένο μέγεθος. Στις μελέτες ισοδυναμίας δεν υπάρχει η δυνατότητα σύγκρισης της νέας θεραπείας (Ν) με εικονικό φάρμακο (P). Αθήνα, 10 & 17 Μαίου
35 Κλινική Δοκιμή Ισοδυναμίας - Παράδειγμα Αθήνα, 10 & 17 Μαίου
36 Κλινική Δοκιμή Ισοδυναμίας - Παράδειγμα Noninferiority was to be concluded if the upper CI limit was Superiority was concluded if the upper CI limit was less than 1. A total of 296 death events were required for 90% power to demonstrate noninferiority, with the assumption that gefitinib had better overall survival than docetaxel (median survival, 14 v 12 months), and the study plan was to recruit 484 patients. Αθήνα, 10 & 17 Μαίου
37 Ερώτηση Ι Μείωση του επιπέδου σημαντικότητας α, διατηρώντας όλα τα άλλα αλληλεπιδρώντα μεγέθη σταθερά, οδηγεί σε: Α. Αύξηση Σφάλματος Τύπου Ι Β. Μείωση Μεγέθους Δείγματος Γ. Αύξηση της Ισχύος Δ. Αύξηση Σφάλματος Τύπου ΙΙ Αθήνα, 10 & 17 Μαίου
38 Ερώτηση ΙΙ Για να αυξήσουμε την ισχύ μιας κλινικής δοκιμής υπεροχής, βάσει μιας συγκεκριμένης τελικής έκβασης, μπορούμε: Α. Να χρησιμοποιήσουμε μικρότερη διασπορά Β. Να αυξήσουμε το μέγεθος δείγματος Γ. Να αρκεστούμε στο να διακρίνουμε μεγαλύτερη διαφορά από την «ελάχιστη κλινικά σημαντική» Δ. Τα Α και Β Ε. Τα Α και Γ Αθήνα, 10 & 17 Μαίου
39 Ερώτηση ΙΙΙ Να σημειώσετε ποιά από τις κατωτέρω δηλώσεις είναι σωστή (μόνο μία): Α. Όταν σε ένα στατιστικό έλεγχο υπόθεσης, η p-value < α, απορρίπτω την εναλλακτική υπόθεση Β. Όταν σε ένα στατιστικό έλεγχο υπόθεσης, η p-value > α, δέχομαι την εναλλακτική υπόθεση Γ. Όταν σε ένα στατιστικό έλεγχο υπόθεσης, η p-value < α, απορρίπτω τη μηδενική υπόθεση Δ. Όταν σε ένα στατιστικό έλεγχο υπόθεσης, η p-value > α, απορρίπτω την εναλλακτική υπόθεση Αθήνα, 10 & 17 Μαίου
40 Ερώτηση IV Σε μία μελέτη υπεροχής, που συγκρίνει ως προς την αποτελεσματικότητά τους δύο θεραπευτικές αγωγές, με τελικό αποτέλεσμα p-value > α, το τελικό συμπέρασμα είναι: Α. Η μελέτη δε διέθετε ικανοποιητική ισχύ να δείξει διαφορά Β. Υπάρχει διαφορά μεταξύ των θεραπειών Γ. Δέχομαι την ισοδυναμία των δύο θεραπειών Δ. Κανένα από τα ανωτέρω Αθήνα, 10 & 17 Μαίου
41 Ερώτηση V Σε μία σχετικά μικρού μεγέθους μελέτη υπεροχής, που συγκρίνει ως προς την αποτελεσματικότητά τους δύο Θεραπευτικές αγωγές, με τελικό αποτέλεσμα p-value < α ισχύει η δήλωση (μόνο μία): Α. Απορρίπτεται η μηδενική υπόθεση με πιθανότητα σφάλματος α Β. Η ισχύς είναι πολύ σημαντική και πρέπει να ελεγχθεί Γ. Αποδείχτηκε χωρίς αμφιβολία διαφορά μεταξύ των θεραπειών Δ. Το μέγεθος δείγματος δεν επαρκεί για εξαγωγή συμπεράσματος Αθήνα, 10 & 17 Μαίου
42 Θέματα Έλεγχοι υποθέσεων Σφάλματα τύπου Ι και ΙΙ Στατιστική ισχύς Μέγεθος Κλινικής Δοκιμής Αθήνα, 10 & 17 Μαίου
43 Statistical analysis Enrollment of 4482 patients was planned to detect a 23 percent relative reduction in the risk of a disease-free survival event with 80 percent power, with the use of a two-sided significance level of 2.5 percent for each comparison: two years of trastuzumab versus observation and one year of trastuzumab versus observation. Κλινικά Σημαντική Διαφορά (Clinical significance): 23% Αθήνα, 10 & 17 Μαίου
44 Παρουσίαση των Υποθέσεων λ T = Κίνδυνος εμφάνισης νόσου (Risk of a disease event) για την ομάδα του trastuzumab λ S = Κίνδυνος εμφάνισης νόσου για την ομάδα παρατήρησης Λόγος Κινδύνων, Hazard Ratio θ = HR = λ T /λ S HR>1 σημαίνει λ T > λ S, trastuzumab χειρότερο HR=1 σημαίνει λ T = λ S, καμία διαφορά HR<1 σημαίνει λ T < λ S, trastuzumab καλύτερο Αθήνα, 10 & 17 Μαίου
45 Παρουσίαση των Υποθέσεων Λόγος Κινδύνων, Hazard Ratio θ = HR = λ T /λ S Μηδενική Υπόθεση (Null): H 0 : HR=1 OR λ T = λ S OR Median DFS T = Median DFS S Εναλλακτική Υπόθεση (Alternative): trastuzumab καλύτερο H A : HR 1, HR<1 OR λ T < λ S OR Median DFS T > Median DFS S Αθήνα, 10 & 17 Μαίου
46 Παρουσίαση των Υποθέσεων Μηδενική Υπόθεση: H 0 : HR=1 (λ T = λ S ) Εναλλακτική Υπόθεση: H a : HR 1, HR<1 (λ T < λ S ) Κλινικά Σημαντική Διαφορά : 23% Εάν στην πραγματικότητα HR είναι μικρότερος κατά 23%, θα θέλαμε να υπάρχει βάσει της μελέτης ΥΨΗΛΗ ΠΙΘΑΝΟΤΗΤΑ να βρεθεί αυτή η διαφορά. Αυτή η πιθανότητα είναι η ΣΤΑΤΙΣΤΙΚΗ ΙΣΧΥΣ, STATISTICAL POWER = 1-β Αθήνα, 10 & 17 Μαίου
47 Παρουσίαση των Υποθέσεων Θα πρέπει να μπορούμε να εντοπίσουμε με μεγάλη πιθανότητα αυτή τη μείωση κατά 23% εάν αυτή πραγματικά υπάρχει, δηλ. με ΜΕΓΑΛΗ ΣΤΑΤΙΣΤΙΚΗ ΙΣΧΥ Statistical analysis Enrollment of 4482 patients was planned to detect a 23 percent relative reduction in the risk of a disease-free survival event with 80 percent power, with the use of a two-sided significance level of 2.5 percent for each comparison: two years of trastuzumab versus observation and one year of trastuzumab versus observation. Αθήνα, 10 & 17 Μαίου
48 Παρουσίαση των Υποθέσεων Δουλεύουμε με το λογάριθμο του HR ( ) για να μπορούμε να κάνουμε χρήση της κανονικής κατανομής Εκτιμώμενος λόγος κινδύνων στη λογαριθμική κλίμακα [ln(hr)] για εμφάνιση νόσου μεταξύ της ομάδας trastuzumab και της ομάδας παρατήρησης: = ln(hr) =ln(λ T ) - ln(λ S ) όπου, είναι η αληθινή σχετική ελάττωση του κινδύνου εμφάνισης νόσου για θεραπεία ενός έτους με trastuzumab έναντι απλής παρατήρησης Αθήνα, 10 & 17 Μαίου
49 Παρουσίαση των Υποθέσεων Έχουμε Μηδενική Υπόθεση (Null Hypothesis): H 0 : = 0 (για HR=1) Εναλλακτική Υπόθεση (Alternative Hypothesis): H a : < 0 ( for HR<1) Το σημείο στην εναλλακτική υπόθεση που ενδιαφέρει να διακρίνουμε με ισχύ 80% είναι =ln(1-0.23)=ln(0.77)= Δηλ. η ελάχιστη κλινικά σημαντική διαφορά Αθήνα, 10 & 17 Μαίου
50 HERA Trial (HR=0.77 vs. HR=1) Δ=ln(HR)= ln(0.77)=- ln(1-0.23)=-0.26 Αθήνα, 10 & 17 Μαίου
51 Representation of the Hypotheses Statistical analysis Enrollment of 4482 patients was planned to detect a 23 percent relative reduction in the risk of a disease-free survival event with 80 percent power, with the use of a two-sided significance level of 2.5 percent for each comparison: two years of trastuzumab versus observation and one year of trastuzumab versus observation. Αθήνα, 10 & 17 Μαίου
52 Έλεγχος Υποθέσεων Μηδενική Υπόθεση ή Η 0 : Συνήθως η Η 0 είναι μία δήλωση «μη ύπαρξης διαφοράς» ή «μη επίδρασης» και γενικά θέλουμε να μην ισχύει Trastuzumab median DFS =observation median DFS, HR=1 Εναλλακτική Υπόθεση ή Η Α : Η εναλλακτική υπόθεση είναι η δήλωση που ελπίζουμε να αληθεύει αντί της μηδενικής Trastuzumab median DFS > observation median DFS, HR=0.77 Το τελικό συμπέρασμα είναι ΠΑΝΤΑ ένα εκ των ακόλουθων δύο: Απορρίπτουμε τη Μηδενική Υπόθεση Αποτύχαμε να απορρίψουμε τη Μηδενική Υπόθεση Αθήνα, 10 & 17 Μαίου
53 Τύποι Σφαλμάτων Στην εφαρμογή της τεχνικής του ελέγχου υποθέσεων, υπάρχουν δύο τύποι σφαλμάτων που μπορεί να διαπραχθούν. Το πρώτο καλείται σφάλμα τύπου Ι, και είναι επίσης γνωστό ως σφάλμα απόρριψης, ή α σφάλμα. Η πιθανότητα να διαπράξει κανείς ένα σφάλμα τύπου Ι καθορίζεται από το επίπεδο σημαντικότητας του ελέγχου. α = Ρ(απόρριψης της Η 0 Η 0 αληθής ). Ο δεύτερος τύπος σφάλματος που μπορεί να διαπραχθεί κατά τη διάρκεια ενός ελέγχου υπόθεσης είναι ένα σφάλμα τύπου ΙΙ ή σφάλμα μη απόρριψης ή β σφάλμα. Η πιθανότητα να διαπράξει κανείς ένα σφάλμα τύπου ΙΙ είναι: β = Ρ(μη απόρριψης της Η 0 Η 0 λανθασμένη) και υπολογίζεται σε μία συγκεκριμένη τιμή της εναλλακτικής υπόθεσης. Αθήνα, 10 & 17 Μαίου
54 Ο πίνακας της αλήθειας Πραγματικότητα Η 0 αληθής Η 0 όχι αληθής Απόφαση βάσει μελέτης Δεν απορρίπτουμε Η 0 = 0 ln(hr) =0, HR=1 ln(λ T ) - ln(λ S )=0 Απορρίπτουμε Η 0 < 0, HR<1 (1-α) Σφάλμα τύπου Ι (α=2.5%) Σφάλμα τύπου ΙΙ (β=20%) (Ισχύς=1-β=0.80) Αθήνα, 10 & 17 Μαίου
55 Τρόπος επιλογής Σφαλμάτων Η επιλογή βασίζεται στο κόστος των σφαλμάτων Επιλέγουμε μικρότερο σφάλμα τύπου Ι όταν το κόστος να απορρίψουμε τη μηδενική υπόθεση είναι μεγάλο Επιλέγουμε μεγαλύτερο σφάλμα τύπου Ι όταν θέλουμε να απορρίψουμε πιο εύκολα την Η 0 Αθήνα, 10 & 17 Μαίου
56 Ισχύς Η ισχύς είναι η πιθανότητα να απορρίψουμε την Η 0 όταν η μηδενική υπόθεση είναι λανθασμένη, δηλαδή είναι η πιθανότητα να αποφύγουμε ένα σφάλμα τύπου ΙΙ. Ισχύς = Ρ(απόρριψης της Η 0 Η 0 λανθασμένη) = 1-β Όπως και η β, η ισχύς πρέπει να υπολογιστεί για μία συγκεκριμένη τιμή για τη παράμετρο του πληθυσμού στην εναλλακτική υπόθεση. Αθήνα, 10 & 17 Μαίου
57 Μελέτες ισοδυναμίας Ελέγχουμε αν η πειραματική θεραπεία είναι «τόσο αποτελεσματική» όσο και η συνήθης. Αποκαλούνται και μελέτες «απόδειξης της μηδενικής υπόθεσης» ή Non-inferiority μελέτες. Αν η «ισοδύναμη» θεραπεία έχει λιγότερο κόστος ή λιγότερες παρενέργειες το κέρδος είναι προφανές. Αθήνα, 10 & 17 Μαίου
58 Τι ζητάμε Έχουμε 2 θεραπείες τη νέα και την καθιερωμένη. Ας υποθέσουμε ότι θ = π νέας π καθ Θέλουμε να διακρίνουμε αν θ -Δ Το Δ με άλλα λόγια προσδιορίζει το κατώτατο όριο ανοχής, να είναι η νέα θεραπεία χειρότερη από την παλιά (μονόπλευρο διάστημα εμπιστοσύνης). ΠΡΟΣΟΧΗ: Δε μπορούμε ποτέ με βεβαιότητα να αποδείξουμε ότι =0. Αυτό που μπορούμε να αποδείξουμε είναι ότι το Δ παίρνει κάποια τιμή πολύ κοντά στο 0. Αθήνα, 10 & 17 Μαίου
59 Μελέτες ισοδυναμίας και διάστημα εμπιστοσύνης Ποιο είναι το μέγεθος δείγματος σε κάθε σκέλος ώστε να εξασφαλίσουμε με πιθανότητα τουλάχιστον (1-β) ότι το κατώτερο όριο του (1-α) διαστήματος εμπιστοσύνης είναι μεγαλύτερο της μείωσης στο αποτέλεσμα της νέας θεραπείας όταν αυτές είναι όντως ισοδύναμες; Αθήνα, 10 & 17 Μαίου
60 Κλινική Δοκιμή Ισοδυναμίας - Παράδειγμα Αθήνα, 10 & 17 Μαίου
61 Κλινική Δοκιμή Ισοδυναμίας - Παράδειγμα Noninferiority was to be concluded if the upper CI limit was Superiority was concluded if the upper CI limit was less than 1. A total of 296 death events were required for 90% power to demonstrate noninferiority, with the assumption that gefitinib had better overall survival than docetaxel (median survival, 14 v 12 months), and the study plan was to recruit 484 patients. Αθήνα, 10 & 17 Μαίου
62 Equivalence and non-inferiority trial for DIFFERENCE in INCIDENCE Estimated DIFFERENCE between the new treatment and the standard treatment: d Equivalence: the 95% CI for the DIFFERENCE in INCIDENCE lies completely within the equivalence limits (i.e., between -δ and δ) Νon-inferiority: the new treatment is not inferior to the standard treatment if the upper 95% confidence limit is less than the non-inferiority margin δ Zee, B. C.-Y. J Clin Oncol; 24: Αθήνα, 10 & 17 Μαίου
63 Equivalence and non-inferiority trial for DIFFERENCE in INCIDENCE d d d d Zee, B. C.-Y. J Clin Oncol; 24: Αθήνα, 10 & 17 Μαίου
64 Κλινική Δοκιμή Ισοδυναμίας - Παράδειγμα Phase III Study, V-15-32, of Gefitinib Versus Docetaxel in Previously Treated Japanese Patients With Non Small- Cell Lung Cancer Results At data cutoff for overall survival (October 31, 2006) Noninferiority in overall survival was not achieved (HR, 1.12; 95.24% CI, 0.89 to 1.40) according to the predefined criterion (upper CI limit for HR 1.25). However, no statistically significant difference in overall survival was apparent (Wald p-value=.330). Αθήνα, 10 & 17 Μαίου
65 Representation of the Hypotheses Statistical analysis Enrollment of 4482 patients was planned to detect a 23 percent relative reduction in the risk of a disease-free survival event with 80 percent power, with the use of a two-sided significance level of 2.5 percent for each comparison: two years of trastuzumab versus observation and one year of trastuzumab versus observation. Αθήνα, 10 & 17 Μαίου
66 HERA: DFS Patients(%) year Herceptin 80 Observation year Events DFS HR 95% CI p value , 0.67 < Months from randomisation No. at risk Median follow-up: 1 year; DFS, disease-free survival; HR, hazard ratio; CI, confidence interval Αθήνα, 10 & 17 Μαίου
67 Αθήνα, 10 & 17 Μαίου
68 Results The unadjusted hazard ratio for an event in the trastuzumab group, as compared with the observation group, was 0.54 (95 percent confidence interval, 0.43 to 0.67; P< by the logrank test, crossing the interim analysis boundary), representing an absolute benefit in terms of disease-free survival at two years of 8.4 percentage points. Αθήνα, 10 & 17 Μαίου
69 Έλεγχος Υποθέσεων Παρατηρούμενο επίπεδο σημαντικότητας του ελέγχου (p-value) καλείται π.χ., η πιθανότητα να πάρουμε μια τιμή τόσο ακραία ή πιο ακραία από το παρατηρούμενο δειγματικό HR, δεδομένου ότι η μηδενική υπόθεση Η 0 : HR = HR 0 είναι αληθής. Το παρατηρούμενο επίπεδο σημαντικότητας συγκρίνεται με το προκαθορισμένο επίπεδο σημαντικότητας α για να αποφασίσουμε εάν η μηδενική υπόθεση πρέπει να απορριφθεί. Εάν το p-value α, απορρίπτουμε την μηδενική υπόθεση, Η 0 και δεχόμαστε την Η Α. Εάν το p-value > α, ΔΕΝ απορρίπτουμε την μηδενική υπόθεση, Η 0. Αθήνα, 10 & 17 Μαίου
70 Discussion This study shows that trastuzumab can benefit women with HER2- positive breast cancer when given after completion of adjuvant chemotherapy. As compared with observation after primary therapy (including surgery with or without radiotherapy and neoadjuvant or adjuvant chemotherapy), trastuzumab given after primary therapy reduced the rate of recurrence, particularly distant recurrence, by approximately 50 percent. This degree of benefit in early breast cancer is the largest to be reported since the introduction of tamoxifen in hormone-receptor positive disease. Αθήνα, 10 & 17 Μαίου
71 Τελικό Συμπέρασμα σε μία Μελέτη Υπεροχής Απορρίπτουμε τη Μηδενική Υπόθεση: απόρριψη «ισοδυναμίας» αποδοχή στατιστικά σημαντικής διαφοράς Αποτύχαμε να απορρίψουμε τη Μηδενική Υπόθεση: Ερώτημα: Ποια ήταν η ισχύς ΠΡΟΣΟΧΗ: Δεν πρέπει να γίνεται σύγχυση μεταξύ της ΑΠΟΔΕΙΞΗΣ ΙΣΟΔΥΝΑΜΙΑΣ και της ΑΠΟΤΥΧΙΑΣ ΑΠΟΡΡΙΨΗΣ της Μηδενικής Υπόθεσης Αθήνα, 10 & 17 Μαίου
72 4 αλληλοεξαρτώμενες ποσότητες: α, β, Δ, Ν α = ρυθμός ψευδώς θετικών (σφάλμα τύπου Ι) β = ρυθμός ψευδώς αρνητικών (σφάλμα τύπου ΙΙ) Δ = «η ελάχιστη κλινικά σημαντική διαφορά» Ν = το μέγεθος του δείγματος. Δεδομένης της διαδικασίας ελέγχου, οι ποσότητες αυτές αλληλοεξαρτώνται π.χ. Δ αυξάνεται πιο εύκολα το ανακαλύπτουμε το 1-β αυξάνεται. Αθήνα, 10 & 17 Μαίου
73 Πού είναι το πρόβλημα; Το «α» και το «β» είναι ανταγωνιστικά Με δεδομένο το Δ Και δεδομένο το Ν Μειώνοντας το «α» αυξάνεται το «β» Μειώνοντας το «β» αυξάνεται το «α» Συμπέρασμα: πιθανότητα λάθους θα παραμείνει ό,τι και να κάνουμε Αθήνα, 10 & 17 Μαίου
74 Τι μπορεί να γίνει; (1) Να αυξήσουμε το μέγεθος του δείγματος κρατώντας το Δ σταθερό. Με ποιο τρόπο; Να μειώσουμε το «α» κρατώντας το «β» σταθερό Να μειώσουμε το «β» κρατώντας το «α» σταθερό Να τα μειώσουμε και τα δύο=μεγάλη αύξηση του δείγματος Αθήνα, 10 & 17 Μαίου
75 Τι μπορεί να γίνει; (2) Να αυξήσουμε το Δ κρατώντας το μέγεθος του δείγματος σταθερό. Ποιο είναι το αποτέλεσμα; Ας θυμηθούμε ότι το «β» είναι συνάρτηση του Δ Όταν το Δ αυξάνεται το «β» μειώνεται «Κερδίζουμε» ότι το «α» παραμένει σταθερό Ποιο είναι το πρόβλημα; Η απόφαση αυτή είναι τεχνητή. Είναι λογικό να υποθέσουμε μεγάλο Δ; π.χ. είναι λογικό να πούμε ότι η νέα θεραπεία θα αυξήσει το RR κατά 50%, ενώ όλοι ξέρουν ότι αυτό δεν ειναι λογικό! Αθήνα, 10 & 17 Μαίου
76 Sample size = 30,Power = 29% Sampling distn under H0: μ 1 - μ 2 = 0 Sampling distn under H 1 : μ 1 - μ 2 = 2 μ 1 - μ 2 76 Αθήνα, 10 & 17 Μαίου 2016
77 Sample size = 60,Power = 46% Sampling distn under H0: μ 1 - μ 2 = 0 Sampling distn under H 1 : μ 1 - μ 2 = 2 μ 1 - μ 2 Αθήνα, 10 & 17 Μαίου
78 Sample size = 120,Power = 71% Sampling distn under H0: μ 1 - μ 2 = 0 Sampling distn under H 1 : μ 1 - μ 2 = 2 μ 1 - μ 2 Αθήνα, 10 & 17 Μαίου
79 Sample size = 240, Power = 93% Sampling distn under H0: μ 1 - μ 2 = 0 Sampling distn under H 1 : μ 1 - μ 2 = 2 μ 1 - μ 2 Αθήνα, 10 & 17 Μαίου
80 Sample size = 400, Power > 99% Sampling distn under H0: μ 1 - μ 2 = 0 Sampling distn under H 1 : μ 1 - μ 2 = 2 μ 1 - μ 2 Αθήνα, 10 & 17 Μαίου
81 Επομένως Άρα υπάρχει ο κίνδυνος Να απορρίψουμε τη νέα θεραπεία ενώ αυτή είναι καλή Να δεχτούμε τη θεραπεία ως καλή ενώ στην πραγματικότητα δεν είναι Συνεπώς πρέπει να κρατήσουμε υπό έλεγχο τις πιθανότητες τέτοιων σφαλμάτων με κατάλληλο σχεδιασμό Αθήνα, 10 & 17 Μαίου
Μπεττίνα Χάιδιτς. Επίκουρη Καθηγήτρια Υγιεινής Ιατρικής Στατιστικής e mail:
Μπεττίνα Χάιδιτς Επίκουρη Καθηγήτρια Υγιεινής Ιατρικής Στατιστικής e mail: haidich@med.auth.gr Υπολογισμός μεγέθους δείγματος Πιο πολλές επιδημιολογικές μελέτες έχουν ως στόχο να εκτιμηθεί κάποιο χαρακτηριστικό
Διαβάστε περισσότεραΤΕΙ Αθήνας Μεθοδολογία της έρευνας και Ιατρική στατιστική
ΤΕΙ Αθήνας Μεθοδολογία της έρευνας και Ιατρική στατιστική Ενότητα 3: Έλεγχοι υποθέσεων - Διαστήματα εμπιστοσύνης Δρ.Ευσταθία Παπαγεωργίου, Αναπληρώτρια Καθηγήτρια Οι ερευνητικές υποθέσεις Στην έρευνα ελέγχουμε
Διαβάστε περισσότεραΈλεγχος υποθέσεων - Ισχύς και Μέγεθος είγματος Sample Size and Power. Γρηγόρης Χλουβεράκης, Ph.D. Αναπληρωτής Καθηγητής Πανεπιστήμιο Κρήτης
Έλεγχος υποθέσεων - Ισχύς και Μέγεθος είγματος Sample Size and Power Γρηγόρης Χλουβεράκης, Ph.D. Αναπληρωτής Καθηγητής Πανεπιστήμιο Κρήτης Πόσα άτομα να συμπεριλάβω στη μελέτη μου για να είναι έγκυρη,
Διαβάστε περισσότεραΕνότητα 2: Έλεγχοι Υποθέσεων Διαστήματα Εμπιστοσύνης
ΕΘΝΙΚΟ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΙΑΤΡΙΚΗ ΣΧΟΛΗ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΕΦΑΡΜΟΣΜΕΝΗ ΝΕΥΡΟΑΝΑΤΟΜΙΑ» «Βιοστατιστική, Μεθοδολογία και Συγγραφή Επιστημονικής Μελέτης» Ενότητα 2: Έλεγχοι Υποθέσεων
Διαβάστε περισσότεραΑναλυτική Στατιστική
Αναλυτική Στατιστική Συμπερασματολογία Στόχος: εξαγωγή συμπερασμάτων για το σύνολο ενός πληθυσμού, αντλώντας πληροφορίες από ένα μικρό υποσύνολο αυτού Ορισμοί Πληθυσμός: σύνολο όλων των υπό εξέταση μονάδων
Διαβάστε περισσότεραΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Εισήγηση 4A: Έλεγχοι Υποθέσεων και Διαστήματα Εμπιστοσύνης Διδάσκων: Δαφέρμος Βασίλειος ΤΜΗΜΑ ΠΟΛΙΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΣΧΟΛΗΣ ΚΟΙΝΩΝΙΚΩΝ
Διαβάστε περισσότεραΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ
A εξάμηνο 2009-2010 ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ Μεθοδολογία Έρευνας και Στατιστική ΑΝΤΩΝΙΟΣ ΧΡ. ΜΠΟΥΡΑΣ Χειμερινό Εξάμηνο 2009-2010 Ποιοτικές και Ποσοτικές
Διαβάστε περισσότεραΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ
ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Είδη μεταβλητών Ποσοτικά δεδομένα (π.χ. ηλικία, ύψος, αιμοσφαιρίνη) Ποιοτικά δεδομένα (π.χ. άνδρας/γυναίκα, ναι/όχι) Διατεταγμένα (π.χ. καλό/μέτριο/κακό) 2 Περιγραφή ποσοτικών
Διαβάστε περισσότεραΣτατιστική Ι (ΨΥΧ-1202) Διάλεξη 7. Στατιστικός έλεγχος υποθέσεων
(ΨΥΧ-1202) Λεωνίδας Α. Ζαμπετάκης Β.Sc., M.Env.Eng., M.Ind.Eng., D.Eng. Εmail: statisticsuoc@gmail.com Διαλέξεις: ftp://ftp.soc.uoc.gr/psycho/zampetakis/ Διάλεξη 7 Στατιστικός έλεγχος υποθέσεων ΠΑΝΕΠΙΣΤΗΜΙΟ
Διαβάστε περισσότεραΚριτική Αξιολόγηση Τυχαιοποιημένης Κλινικής Δοκιμής (RCT)
Clinical Research & Evidence-Based Medicine Unit Aristotle University of Thessaloniki Κριτική Αξιολόγηση Τυχαιοποιημένης Κλινικής Δοκιμής (RCT) Πασχάλης Πάσχος MD, MSc Γαστρεντερολόγος Μονάδα Κλινικής
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή εργασία ΑΓΧΟΣ ΚΑΙ ΚΑΤΑΘΛΙΨΗ ΣΕ ΓΥΝΑΙΚΕΣ ΜΕ ΚΑΡΚΙΝΟΥ ΤΟΥ ΜΑΣΤΟΥ ΜΕΤΑ ΑΠΟ ΜΑΣΤΕΚΤΟΜΗ
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ Πτυχιακή εργασία ΑΓΧΟΣ ΚΑΙ ΚΑΤΑΘΛΙΨΗ ΣΕ ΓΥΝΑΙΚΕΣ ΜΕ ΚΑΡΚΙΝΟΥ ΤΟΥ ΜΑΣΤΟΥ ΜΕΤΑ ΑΠΟ ΜΑΣΤΕΚΤΟΜΗ ΧΡΥΣΟΒΑΛΑΝΤΗΣ ΒΑΣΙΛΕΙΟΥ ΛΕΜΕΣΟΣ 2014 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
Διαβάστε περισσότεραΣυγγραφή και κριτική ανάλυση επιδημιολογικής εργασίας
Εργαστήριο Υγιεινής Επιδημιολογίας και Ιατρικής Στατιστικής Ιατρική Σχολή, Πανεπιστήμιο Αθηνών Συγγραφή και κριτική ανάλυση επιδημιολογικής εργασίας Δ. Παρασκευής Εργαστήριο Υγιεινής Επιδημιολογίας και
Διαβάστε περισσότερα6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων
6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων 6.1 Το Πρόβλημα του Ελέγχου Υποθέσεων Ενός υποθέσουμε ότι μία φαρμακευτική εταιρεία πειραματίζεται πάνω σε ένα νέο φάρμακο για κάποια ασθένεια έχοντας ως στόχο, τα πρώτα θετικά
Διαβάστε περισσότεραΛογαριθµιστική εξάρτηση
Είδη δεδοµένων Σε µία επιδηµιολογική έρευνα, καταγράφονται τα παρακάτω δεδοµένα για κάθε άτοµο: Λογαριθµιστική εξάρτηση Βάνα Σύψα Επίκουρη Καθηγήτρια Επιδηµιολογίας και Προληπτικής Ιατρικής Εργαστήριο
Διαβάστε περισσότεραΜαντζούνη, Πιπερίγκου, Χατζή. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 5 ο
Κατανομές Στατιστικών Συναρτήσεων Δύο δείγματα από κανονική κατανομή Έστω Χ= ( Χ, Χ,..., Χ ) τ.δ. από Ν( µ, σ ) μεγέθους n και 1 n 1 1 Y = (Y, Y,...,Y ) τ.δ. από Ν( µ, σ ) 1 n 1 Χ Y ( µ µ ) S σ Τ ( Χ,Y)
Διαβάστε περισσότεραΜεθοδολογία των επιστημών του Ανθρώπου : Στατιστική Εργαστήριο 6 :
Μεθοδολογία των επιστημών του Ανθρώπου : Στατιστική Εργαστήριο 6 : 1. Να χρησιμοποιηθεί το αρχείο gssft.sav για να γίνει έλεγχος της υπόθεσης ότι στους εργαζόμενους με πλήρη απασχόληση η τιμή του μέσου
Διαβάστε περισσότεραΈλεγχος υποθέσεων και διαστήματα εμπιστοσύνης
1 Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης Όπως γνωρίζουμε από προηγούμενα κεφάλαια, στόχος των περισσότερων στατιστικών αναλύσεων, είναι η έγκυρη γενίκευση των συμπερασμάτων, που προέρχονται από
Διαβάστε περισσότεραΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ
Α εξάμηνο 2010-2011 ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ Ποιοτικές και Ποσοτικές μέθοδοι και προσεγγίσεις για την επιστημονική έρευνα users.sch.gr/abouras
Διαβάστε περισσότεραΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΚΕΦΑΛΑΙΟ 17
ΚΕΦΑΛΑΙΟ 17 ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ Στο κεφάλαιο αυτό θα αναφερθούμε σε ένα άλλο πρόβλημα της Στατιστικής που έχει κυρίως (αλλά όχι μόνο) σχέση με τις παραμέτρους ενός πληθυσμού (τις παραμέτρους της κατανομής
Διαβάστε περισσότεραΣκοπός του μαθήματος. Έλεγχος μηδενικής υπόθεσης OR-RR. Έλεγχος μηδενικής υπόθεσης. Σφάλαμα τύπου Ι -Σφάλμα τύπου ΙΙ 20/4/2013
Σκοπός του μαθήματος Έλεγχος μηδενικής υπόθεσης OR-RR Μαρία Γκριζιώτη Μsc Ιατρικής Ερευνητικής Μεθοδολογίας Μηδενική υπόθεση p value 95% Διαστήματα Εμπιστοσύνης Odds Ratio Relative Risk Έλεγχος μηδενικής
Διαβάστε περισσότεραΠΙΘΑΝΟΤΗΤΕΣ. Κλινική ή ερευνητική παρατήρηση Πόσο αληθινή είναι; Τι θα συζητηθεί σε αυτό το µάθηµα
ΠΙΘΑΝΟΤΗΤΕΣ ΠΙΘΑΝΟΤΗΤΕΣ ΣΤΗΝ ΚΛΙΝΙΚΗ ΙΑΤΡΙΚΗ Κλινική ή ερευνητική παρατήρηση Πόσο αληθινή είναι; VS. Chance Bias Τι θα συζητηθεί σε αυτό το µάθηµα Η θεωρία των πιθανοτήτων Σφάλµατα προκατάληψης (biases)
Διαβάστε περισσότεραΜια κριτική ματιά στην κλινική. μελέτη GRIPHON
Μια κριτική ματιά στην κλινική μελέτη GRIPHON Κατερίνα Μαραθιά Πνευμονολόγος Εντατικολόγος Διευθύντρια ΚΧ ΜΕΘ Διακλινικό Ιατρείο Πνευμονικής Υπέρτασης Ωνάσειο Καρδιοχειρουργικό Κέντρο Δήλωση σύγκρουσης
Διαβάστε περισσότεραΜέθοδοι δειγματοληψίας, καθορισμός μεγέθους δείγματος, τύποι σφαλμάτων, κριτήρια εισαγωγής και αποκλεισμού
Μέθοδοι δειγματοληψίας, καθορισμός μεγέθους δείγματος, τύποι σφαλμάτων, κριτήρια εισαγωγής και αποκλεισμού Γεσθημανή Μηντζιώρη MD, MSc, PhD Μονάδα Ενδοκρινολογίας της Αναπαραγωγής, Α Μαιευτική και Γυναικολογική
Διαβάστε περισσότεραΑσκήσεις Εξετάσεων. Μεταπτυχιακό Πρόγραμμα Σπουδών στη. Διοίκηση των Επιχειρήσεων
Ασκήσεις Εξετάσεων Μεταπτυχιακό Πρόγραμμα Σπουδών στη Διοίκηση των Επιχειρήσεων ΑΣΚΗΣΗ 1: Έλεγχος για τη μέση τιμή ενός πληθυσμού Η αντικαπνιστική νομοθεσία υποχρεώνει τους καπνιστές που εργάζονται σε
Διαβάστε περισσότεραΜενύχτα, Πιπερίγκου, Σαββάτης. ΒΙΟΣΤΑΤΙΣΤΙΚΗ Εργαστήριο 5 ο
Κατανομές Στατιστικών Συναρτήσεων Δύο ανεξάρτητα δείγματα από κανονική κατανομή Έστω Χ= ( Χ, Χ,..., Χ ) τ.δ. από Ν( µ, σ ) μεγέθους n και 1 n 1 1 Y = (Y, Y,..., Y ) τ.δ. από Ν( µ, σ ) 1 n 1 Χ Y ( µ µ )
Διαβάστε περισσότεραΕνότητα 1: Εισαγωγή. ΤΕΙ Στερεάς Ελλάδας. Τμήμα Φυσικοθεραπείας. Προπτυχιακό Πρόγραμμα. Μάθημα: Βιοστατιστική-Οικονομία της υγείας Εξάμηνο: Ε (5 ο )
ΤΕΙ Στερεάς Ελλάδας Τμήμα Φυσικοθεραπείας Προπτυχιακό Πρόγραμμα Μάθημα: Βιοστατιστική-Οικονομία της υγείας Εξάμηνο: Ε (5 ο ) Ενότητα 1: Εισαγωγή Δρ. Χρήστος Γενιτσαρόπουλος Λαμία, 2017 1.1. Σκοπός και
Διαβάστε περισσότεραΚΛΙΝΙΚΕΣ ΜΕΛΕΤΕΣ: ΠΩΣ ΕΠΗΡΕΑΖΟΥΝ ΤΗΝ ΚΑΘΗΜΕΡΙΝΗ ΠΡΑΚΤΙΚΗ ΤΣΩΝΗΣ ΙΩΑΝΝΗΣ, ΕΙΔΙΚΕΥΟΜΕΝΟΣ ΑΙΜΑΤΟΛΟΓΙΑΣ
ΚΛΙΝΙΚΕΣ ΜΕΛΕΤΕΣ: ΠΩΣ ΕΠΗΡΕΑΖΟΥΝ ΤΗΝ ΚΑΘΗΜΕΡΙΝΗ ΠΡΑΚΤΙΚΗ ΤΣΩΝΗΣ ΙΩΑΝΝΗΣ, ΕΙΔΙΚΕΥΟΜΕΝΟΣ ΑΙΜΑΤΟΛΟΓΙΑΣ Κλινικές Μελέτες Πείραμα σε ανθρώπους ώστε να μετρηθούν η αποτελεσματικότητα και οι κίνδυνοι νέων θεραπευτικών
Διαβάστε περισσότεραΜΕΘΟΔΟΛΟΓΙΑ ΤΗΣ ΕΡΕΥΝΑΣ Η ΚΛΙΝΙΚΗ ΠΡΟΣΕΓΓΙΣΗ
ΜΕΘΟΔΟΛΟΓΙΑ ΤΗΣ ΕΡΕΥΝΑΣ Η ΚΛΙΝΙΚΗ ΠΡΟΣΕΓΓΙΣΗ Γεώργιος ΜΑΣΤΟΡΑΚΟΣ ΕΝΔΟΚΡΙΝΟΛΟΓΙΚΗ ΜΟΝΑΔΑ ΑΡΕΤΑΙΕΙΟ ΝΟΣΟΚΟΜΕΙΟ ΙΑΤΡΙΚΗ ΣΧΟΛΗ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΑΘΗΝΩΝ ΔΗΜΙΟΥΡΓΙΑ ΚΛΙΝΙΚΩΝ ΕΡΩΤΗΣΕΩΝ Γιατί η ερώτηση πρέπει να είναι
Διαβάστε περισσότεραΤΙ ΕΙΝΑΙ ΚΛΙΝΙΚΗ ΕΡΕΥΝΑ;
ΤΙ ΕΙΝΑΙ ΚΛΙΝΙΚΗ ΕΡΕΥΝΑ; Μάγδα Τσολάκη, MD, PhD Νευρολόγος, Ψυχίατρος, Θεολόγος, Καθηγήτρια Α.Π.Θ. Διευθύντρια της Α Νευρολογικής Κλινικής Πρόεδρος Πανελλήνιας Ομοσπονδίας Νόσου Alzheimer DISCLOSURES Grants
Διαβάστε περισσότεραΣτατιστική Επιχειρήσεων ΙΙ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Στατιστική Επιχειρήσεων ΙΙ Ενότητα #4: Έλεγχος Υποθέσεων Μιλτιάδης Χαλικιάς Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης Το παρόν
Διαβάστε περισσότεραt-distribution t a (ν) s N μ = where X s s x = ν 2 FD ν 1 FD a/2 a/2 t-distribution normal distribution for ν>120
t-ditribution t X x μ = where x = ν FD ν FD t a (ν) 0 t-ditribution normal ditribution for ν>0 a/ a/ -ta ta ΒΑΘΜΟΙ ΕΛΕΥΘΕΡΙΑΣ (freedom degree) Βαθμοί ελευθερίας (ν): ο αριθμός των ανεξάρτητων μετρήσεων
Διαβάστε περισσότεραΚλινικές Μελέτες. Εισαγωγή. Εκτίµηση έκβασης. Κλινικές Μελέτες - Μέρος 3ο 1. Μέρος 3ο. Intervention
Κλινικές Μελέτες Μέρος 3ο 1 Εισαγωγή Ερευνητική υπόθεση Επιλογή ασθενών Τυχαιοποίηση Biases πριν και µετά την τυχαιοποίηση Intervention Open study Blind study Μέτρηση έκβασης Συµπεράσµατα 2 Εκτίµηση έκβασης
Διαβάστε περισσότεραΜέρος IV. Ελεγχοι Υποθέσεων (Hypothesis Testing)
Μέρος IV. Ελεγχοι Υποθέσεων (ypothesis Testig) Βασικές έννοιες Γενική μεθοδολογία Σφάλμα τύπου Ι και -vlue Στατιστικοί έλεγχοι υποθέσεων για ειδικές περιπτώσεις Εφαρμοσμένη Στατιστική Μέρος 4 ο - Κ. Μπλέκας
Διαβάστε περισσότεραΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS)
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS) Έλεγχος Υποθέσεων για την Μέση Τιμή ενός Δείγματος (One Sample t-test) Το κριτήριο One sample t-test χρησιμοποιείται όταν θέλουμε να συγκρίνουμε τον αριθμητικό
Διαβάστε περισσότεραΈλεγχος Υποθέσεων. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς
Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς Η μηδενική υπόθεση είναι ένας ισχυρισμός σχετικά με την τιμή μιας πληθυσμιακής παραμέτρου. Είναι
Διαβάστε περισσότεραΥ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..
Μέτρα Κινδύνου για Δίτιμα Κατηγορικά Δεδομένα Σε αυτή την ενότητα θα ορίσουμε δείκτες μέτρησης του κινδύνου εμφάνισης μίας νόσου όταν έχουμε δίτιμες κατηγορικές μεταβλητές. Στην πιο απλή περίπτωση μας
Διαβάστε περισσότεραΕπιδημιολογία 3 ΣΧΕΔΙΑΣΜΟΣ ΜΕΛΕΤΩΝ. Ροβίθης Μ. 2006
Επιδημιολογία 3 ΣΧΕΔΙΑΣΜΟΣ ΜΕΛΕΤΩΝ Ροβίθης Μ. 2006 1 Τα στάδια της επιδημιολογικής έρευνας ταξινομούνται με μια λογική σειρά στην οποία κάθε φάση εξαρτάται από την προηγούμενη. Μια εκτεταμένη λίστα είναι
Διαβάστε περισσότεραΜονοπαραγοντική Ανάλυση Διακύμανσης Ανεξάρτητων Δειγμάτων
Μονοπαραγοντική Ανάλυση Διακύμανσης Ανεξάρτητων Δειγμάτων 1 Μονοπαραγοντική Ανάλυση Διακύμανσης Παραμετρικό στατιστικό κριτήριο για τη μελέτη της επίδρασης μιας ανεξάρτητης μεταβλητής στην εξαρτημένη Λογική
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 22 Μαΐου /32
Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 22 Μαΐου 2017 1/32 Εισαγωγή: Τυπικό παράδειγμα στατιστικού ελέγχου υποθέσεων. Ενας νέος τύπος
Διαβάστε περισσότεραΕΙΔΗ ΕΡΕΥΝΑΣ I: ΠΕΙΡΑΜΑΤΙΚΗ ΕΡΕΥΝΑ & ΠΕΙΡΑΜΑΤΙΚΟΙ ΣΧΕΔΙΑΣΜΟΙ
ΤΕΧΝΙΚΕΣ ΕΡΕΥΝΑΣ (# 252) Ε ΕΞΑΜΗΝΟ 9 η ΕΙΣΗΓΗΣΗ ΣΗΜΕΙΩΣΕΙΣ ΕΙΔΗ ΕΡΕΥΝΑΣ I: ΠΕΙΡΑΜΑΤΙΚΗ ΕΡΕΥΝΑ & ΠΕΙΡΑΜΑΤΙΚΟΙ ΣΧΕΔΙΑΣΜΟΙ ΛΙΓΗ ΘΕΩΡΙΑ Στην προηγούμενη διάλεξη μάθαμε ότι υπάρχουν διάφορες μορφές έρευνας
Διαβάστε περισσότεραΠείραμα. Χειρισμός των συνθηκών από τον ερευνητή. Σύνολο παρατηρήσεων που πραγματοποιούνται κάτω από ελεγχόμενες συνθήκες
Πείραμα Χειρισμός των συνθηκών από τον ερευνητή Σύνολο παρατηρήσεων που πραγματοποιούνται κάτω από ελεγχόμενες συνθήκες Πειραματικές μελέτες Ο ερευνητής καθορίζει τις συνθήκες της μελέτης. Η έκθεση ή όχι
Διαβάστε περισσότεραΥ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..
Μέτρα Κινδύνου για Δίτιμα Κατηγορικά Δεδομένα Σε αυτή την ενότητα θα ορίσουμε δείκτες μέτρησης του κινδύνου εμφάνισης μίας νόσου όταν έχουμε δίτιμες κατηγορικές μεταβλητές. Στην πιο απλή περίπτωση μας
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 6-7 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 735468 Σε αρκετές εφαρμογές
Διαβάστε περισσότεραΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ. Επαγωγική στατιστική (Στατιστική Συμπερασματολογία) Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων
ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ Επαγωγική στατιστική (Στατιστική Συμπερασματολογία) Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων α) Σημειοεκτιμητική β) Εκτιμήσεις Διαστήματος ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ Παράδειγμα
Διαβάστε περισσότεραΕρμηνεύοντας τα Αποτελέσματα των Τυχαιοποιημένων Κλινικών Μελετών: Προσέγγιση βασιζόμενη στην Κριτική Αξιολόγηση
Ερμηνεύοντας τα Αποτελέσματα των Τυχαιοποιημένων Κλινικών Μελετών: Προσέγγιση βασιζόμενη στην Κριτική Αξιολόγηση Ηλίας Ζιντζαράς, MSc, PhD, PhD Καθηγητής Βιομαθηματικών-Βιομετρίας Εργαστήριο Βιομαθηματικών,
Διαβάστε περισσότεραΓ. Πειραματισμός - Βιομετρία
Γ. Πειραματισμός - Βιομετρία Πληθυσμοί και δείγματα Πληθυσμός Περιλαμβάνει όλες τις πιθανές τιμές μιας μεταβλητής, δηλαδή αναφέρεται σε μια παρατήρηση σε όλα τα άτομα του πληθυσμού Ο πληθυσμός προσδιορίζεται
Διαβάστε περισσότεραRepeated measures Επαναληπτικές μετρήσεις
ΠΡΟΒΛΗΜΑ Στο αρχείο δεδομένων diavitis.sav καταγράφεται η ποσότητα γλυκόζης στο αίμα 10 ασθενών στην αρχή της χορήγησης μιας θεραπείας, μετά από ένα μήνα και μετά από δύο μήνες. Μελετήστε την επίδραση
Διαβάστε περισσότεραΣυνάφεια μεταξύ ποιοτικών μεταβλητών. Εκδ. #3,
Συνάφεια μεταξύ ποιοτικών μεταβλητών Εκδ. #3, 19.03.2016 Ο έλεγχος ανεξαρτησίας χ 2 Ο έλεγχος ανεξαρτησίας χ 2 εφαρμόζεται για να εξετάσουμε τη συνάφεια μεταξύ δύο ποιοτικών μεταβλητών με την έννοια της
Διαβάστε περισσότεραΣ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium iv
Σ ΤΑΤ Ι Σ Τ Ι Κ Η i Statisticum collegium iv Στατιστική Συμπερασματολογία Ι Σημειακές Εκτιμήσεις Διαστήματα Εμπιστοσύνης Στατιστική Συμπερασματολογία (Statistical Inference) Το πεδίο της Στατιστικής Συμπερασματολογία,
Διαβάστε περισσότεραΚαρκίνος ορθού Προεγχειρητική ακτινοθεραπεία. Λουίζα Βίνη Ογκολόγος Ακτινοθεραπεύτρια Τμήμα Ακτινοθεραπείας Ιατρικό Αθηνών
Καρκίνος ορθού Προεγχειρητική ακτινοθεραπεία Λουίζα Βίνη Ογκολόγος Ακτινοθεραπεύτρια Τμήμα Ακτινοθεραπείας Ιατρικό Αθηνών Prognostic groups in 1676 patients with T3 rectal cancer treated without preoperative
Διαβάστε περισσότεραGroup 2 Methotrexate 7.5 mg/week, increased to 15 mg/week after 4 weeks. Methotrexate 7.5 mg/week, increased to 15 mg/week after 4 weeks
Group 1 Methotrexate 7.5 mg/week, increased to 15 mg/week after 4 weeks Group 2 Methotrexate 7.5 mg/week, increased to 15 mg/week after 4 weeks Sulfasalazine 2000-3000 mg/day Leflunomide 20 mg/day Infliximab
Διαβάστε περισσότεραΔειγματοληπτικές κατανομές
Δειγματοληπτικές κατανομές Κατανομές που χρησιμοποιούνται για τον έλεγχο υποθέσεων στα δείγματα Κανονική κατανομή (z-κατανομή) t-κατανομή Χ κατανομή F-κατανομή Ζητάμε να προσδιορίσουμε τις παραμέτρους
Διαβάστε περισσότεραΖ Σεμινάριο ΕΧΕ 24 Σεπτεμβρίου 2013
Κλέα Κατσουγιάννη Καθηγήτρια Βιοστατιστικής και Επιδημιολογίας Εργαστήριο Υγιεινής, Επιδημιολογίας και Ιατρικής Στατιστικής Ιατρική Σχολή Πανεπιστημίου Αθηνών Ζ Σεμινάριο ΕΧΕ 24 Σεπτεμβρίου 2013 Μεταβλητότητα
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 7-8 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 735468 Σε αρκετές εφαρμογές
Διαβάστε περισσότεραΕρευνητική υπόθεση. Εισαγωγή ΜΑΘΗΜΑ 11Ο 1. ΜΑΘΗΜΑ Θεραπεία Μέρος 2 ο. Κλινικές µελέτες. Σύνδεση µε το προηγούµενο µάθηµα
ΜΑΘΗΜΑ Θεραπεία Μέρος 2 ο Κλινικές Μελέτες 1 Εισαγωγή Σύνδεση µε το προηγούµενο µάθηµα Ανάγκη ελέγχου και επιβεβαίωσης των προτεινόµενων θεραπειών Είδη µελετών των θεραπευτικών µεθόδων Κλινικές µελέτες
Διαβάστε περισσότεραΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 10. Εισαγωγή στην εκτιμητική
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ
Διαβάστε περισσότεραΤεκµηριωµένη Ιατρική 2011-12 ΒΛΑΒΗ. Βασίλης Κ. Λιακόπουλος Λέκτορας Νεφρολογίας ΑΠΘ
Τεκµηριωµένη Ιατρική 2011-12 ΒΛΑΒΗ Βασίλης Κ. Λιακόπουλος Λέκτορας Νεφρολογίας ΑΠΘ Αναλογία Λόγος Πηλίκο Αναλογία Proportion Αναλογία (Proportion) Ο αριθµητής ΣΥΜΠΕΡΙΛΑΜΒΑΝΕΤΑΙ ΑΠΑΡΑΙΤΗΤΩΣ στον παρανοµαστή
Διαβάστε περισσότεραΚλωνάρης Στάθης. ΠΜΣ: Οργάνωση & Διοίκηση Επιχειρήσεων Τροφίμων και Γεωργίας
Κλωνάρης Στάθης ΠΜΣ: Οργάνωση & Διοίκηση Επιχειρήσεων Τροφίμων και Γεωργίας Η Υπόθεση είναι μία πεποίθηση σχετικά με μία παράμετρο Παράμετρος μπορεί να είναι ο μέσος ενός πληθυσμού, ένα ποσοστό, ένας συντελεστής
Διαβάστε περισσότεραΣ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ
Σ ΤΑΤ Ι Σ Τ Ι Κ Η i ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ Κατανομή Δειγματοληψίας του Δειγματικού Μέσου Ο Δειγματικός Μέσος X είναι μια Τυχαία Μεταβλητή. Καθώς η επιλογή και χρήση διαφορετικών δειγμάτων από έναν
Διαβάστε περισσότεραΧαράλαµπος Κ. Μαµουλάκης
Τα λάθη στο δείγµα και τη στατιστική ανάλυση Χαράλαµπος Κ. Μαµουλάκης Επικουρος Καθηγητής Ουρολογίας Ουρολογική Κλινική Πανεπιστηµιακό Γενικό Νοσοκοµείο Ηρακλείου Πανεπιστήµιο Κρήτης, Τµήµα Ιατρικής Σύγκρουση
Διαβάστε περισσότεραΜάθηµα: Κλινικές οκιµές
ΜΠΣ Βιοστατιστικής Αθήνα, Εαρινό Εξάµηνο 2015 Μάθηµα: Κλινικές οκιµές Βασισµένο στο µάθηµα του Καθηγητή Steve Lagakos, και σε σηµειώσεις των R. Gelber, K. Stanley & J. Ware. Ουρανία αφνή Καθηγήτρια, ιευθύντρια
Διαβάστε περισσότεραΕνότητα 3. Έλεγχος υπόθεσης. Σύγκριση μέσων τιμών
Ενότητα 3 Έλεγχος υπόθεσης. Σύγκριση μέσων τιμών Εκτός από τις μέσες τιμές, τυπικές αποκλίσεις κλπ, θέλουμε να βρούμε κατά πόσον αυτές οι παρατηρούμενες τάσεις εξαρτώνται από συγκεκριμένες συνθήκες ή προϋποθέσεις.
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΒΙΟΛΟΓΙΑ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΒΙΟΛΟΓΙΑ Εξάμηνο Υ/Ε Ώρες Θεωρίας Ώρες Ασκήσης Διδακτικές μονάδες ECTS A Υ 3 3 4 6 Διδάσκουσα Μ. Αλεξίου Χατζάκη, Επίκ. Καθηγήτρια Γεν. Βιολογίας. Aντικειμενικοί στόχοι του μαθήματος Οι στόχοι
Διαβάστε περισσότεραΑνάλυση ποσοτικών δεδομένων. ΕΡΓΑΣΤΗΡΙΟ 2 ΔΙΟΙΚΗΣΗ & ΚΟΙΝΩΝΙΚΟΣ ΣΧΕΔΙΑΣΜΟΣ ΣΤΗΝ ΤΟΞΙΚΟΕΞΆΡΤΗΣΗ Dr. Ρέμος Αρμάος
Ανάλυση ποσοτικών δεδομένων ΕΡΓΑΣΤΗΡΙΟ 2 ΔΙΟΙΚΗΣΗ & ΚΟΙΝΩΝΙΚΟΣ ΣΧΕΔΙΑΣΜΟΣ ΣΤΗΝ ΤΟΞΙΚΟΕΞΆΡΤΗΣΗ Dr. Ρέμος Αρμάος Εισαγωγή στη στατιστική Στατιστική: σύνολο αρχών και μεθοδολογιών που χρησιμοποιούνται για:
Διαβάστε περισσότεραΔΙΑΣΤΡΕΒΛΩΣΗ ΚΑΙ ΣΥΣΤΗΜΑΤΙΚΟ ΛΑΘΟΣ ΣΤΙΣ ΜΕΤΑ-ΑΝΑΛΥΣΕΙΣ
ΔΙΑΣΤΡΕΒΛΩΣΗ ΚΑΙ ΣΥΣΤΗΜΑΤΙΚΟ ΛΑΘΟΣ ΣΤΙΣ ΜΕΤΑ-ΑΝΑΛΥΣΕΙΣ Δημοσθένης Β. Παναγιωτάκος Καθηγητής Βιοστατιστικής Επιδημιολογίας ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ & ΑΓΩΓΗΣ Τμήμα Επιστήμης Διαιτολογίας Διατροφής ΧΑΡΟΚΟΠΕΙΟ
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΕΛΕΝΑ ΦΛΟΚΑ Επίκουρος Καθηγήτρια Τµήµα Φυσικής, Τοµέας Φυσικής Περιβάλλοντος- Μετεωρολογίας ΓΕΝΙΚΟΙ ΟΡΙΣΜΟΙ Πληθυσµός Σύνολο ατόµων ή αντικειµένων στα οποία αναφέρονται
Διαβάστε περισσότεραΜΕΡΟΣ Α Κάθε µια από τις παρακάτω φράσεις (1α, 1β, 1γ, 2α κτλ) µπορεί να είναι σωστή ή λανθασµένη. Ποιες είναι σωστές και ποιες όχι;
2. ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΕΠΑΓΩΓΗ. ΣΚΟΠΟΣ στο τέλος της ενότητας είναι να γνωρίζετε - Τι είναι η «δειγµατοληπτική κατανοµή» π.χ. της µέσης τιµής - τι είναι και σε τι χρησιµεύει το «τυπικό σφάλµα της µέσης
Διαβάστε περισσότεραΕπιλογή χρόνου κατάλυσης κολπικής μαρμαρυγής
Επιλογή χρόνου κατάλυσης κολπικής μαρμαρυγής Στυλιανός Τζέης MD, PhD, FESC Επιμελητής Α, Καρδιολογικό Τμήμα, Νοσοκομείο Ερρίκος Ντυνάν Atrial fibrillation begets atrial fibrillation Over the long term,
Διαβάστε περισσότεραΣχεδιασμοί ερευνών. Βαγγέλης Ευαγγέλου
Σχεδιασμοί ερευνών Βαγγέλης Ευαγγέλου Ιεράρχηση των αποδείξεων στην ιατρική έρευνα Figure 2. Box Plots for Total Citation Counts for Various Study Designs for Articles Published in 1991 and 2001 Box length
Διαβάστε περισσότεραΔιάλεξη 1 Βασικές έννοιες
Εργαστήριο SPSS Ψ-4201 (ΕΡΓ) Λεωνίδας Α. Ζαμπετάκης Β.Sc., M.Env.Eng., M.Ind.Eng., D.Eng. Εmail: statisticsuoc@gmail.com Διαλέξεις αναρτημένες στο: Διαλέξεις: ftp://ftp.soc.uoc.gr/psycho/zampetakis/ Διάλεξη
Διαβάστε περισσότεραχ 2 test ανεξαρτησίας
χ 2 test ανεξαρτησίας Καθηγητής Ι. Κ. ΔΗΜΗΤΡΙΟΥ demetri@econ.uoa.gr 7.2 Το χ 2 Τεστ Ανεξαρτησίας Tο χ 2 τεστ ανεξαρτησίας (όπως και η παλινδρόμηση) είναι στατιστικά εργαλεία για τον εντοπισμό σχέσεων μεταξύ
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 3: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΔιαδικασία Ελέγχου Μηδενικών Υποθέσεων
Διαδικασία Ελέγχου Μηδενικών Υποθέσεων Πέτρος Ρούσσος, Τμήμα Ψυχολογίας, ΕΚΠΑ Η λογική της διαδικασίας Ο σάκος περιέχει έναν μεγάλο αλλά άγνωστο αριθμό (αρκετές χιλιάδες) λευκών και μαύρων βόλων: 1 Το
Διαβάστε περισσότεραΕισαγωγή στην Ανάλυση Δεδομένων
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 09-10-2015 Εισαγωγή στην Ανάλυση Δεδομένων Βασικές έννοιες Αν. Καθ. Μαρί-Νοέλ Ντυκέν ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 30-10-2015 1. Στατιστικοί παράμετροι - Διάστημα εμπιστοσύνης Υπολογισμός
Διαβάστε περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή Εργασία. Κόπωση και ποιότητα ζωής ασθενών με καρκίνο.
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ Πτυχιακή Εργασία Κόπωση και ποιότητα ζωής ασθενών με καρκίνο Μαργαρίτα Μάου Λευκωσία 2012 ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ
Διαβάστε περισσότεραΚΛΙΝΙΚΕΣ ΔΟΚΙΜΕΣ - ΑΞΙΟΛΟΓΗΣΗ ΘΕΡΑΠΕΥΤΙΚΩΝ ΜΕΤΡΩΝ
ΚΛΙΝΙΚΕΣ ΔΟΚΙΜΕΣ - ΑΞΙΟΛΟΓΗΣΗ ΘΕΡΑΠΕΥΤΙΚΩΝ ΜΕΤΡΩΝ Μπενέτου Βίκυ Παιδίατρος Επίκουρη Καθηγήτρια Εργαστήριο Υγιεινής, Επιδημιολογίας και Ιατρικής Στατιστικής Ιατρική Σχολή Αθηνών ΠΜΣ «ΜΕΘ και Επείγουσα Νοσηλευτική»
Διαβάστε περισσότεραΛΟΥΚΑΣ Κ. ΠΑΠΠΑΣ ΚΑΡΔΙΟΛΟΓΟΣ ΓΝΑ «Γ. ΓΕΝΝΗΜΑΤΑΣ»
ΛΟΥΚΑΣ Κ. ΠΑΠΠΑΣ ΚΑΡΔΙΟΛΟΓΟΣ ΓΝΑ «Γ. ΓΕΝΝΗΜΑΤΑΣ» Βασικά Ερωτήματα Ποια είναι η βέλτιστη δόση ασπιρίνης; Ποιος είναι ο ρόλος των αναστολέων GP IIb/IIIa; Ποια είναι η βέλτιστη δόση φόρτισης με κλοπιδογρέλη;
Διαβάστε περισσότεραAιτιότητα. Ιωάννα Τζουλάκη
Aιτιότητα Ιωάννα Τζουλάκη Αιτιότητα Αναλυτική επιδημιολογία: έλεγχο υποθέσεων Συσχέτιση έκθεσης σε κάποιο παράγοντα και εμφάνιση της νόσου Συσχέτιση (στατιστική) δεν συνεπάγεται την σχέση αίτιου αποτελέσματος
Διαβάστε περισσότεραΕισαγωγή στην Εκτιμητική
Εισαγωγή στην Εκτιμητική Πληθυσμός Εκτίμηση παραμέτρου πληθυσμού μ, σ 2, σ, p Δείγμα Υπολογισμός στατιστικού Ερώτηματα: Πόσο κοντά στην πραγματική τιμή της παραμέτρου του πληθυσμού βρίσκεται η εκτίμηση
Διαβάστε περισσότεραΕφαρμοσμένη Στατιστική
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εφαρμοσμένη Στατιστική Έλεγχοι υποθέσεων Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραΜελέτες αναλυτικής επιδημιολογίας στηδιερεύνησηεπιδημιών
Μελέτες αναλυτικής επιδημιολογίας στηδιερεύνησηεπιδημιών Μελέτες ασθενών-μαρτύρων (case-control studies) Πρόγραμμα εκπαίδευσης στην επιδημιολογική επιτήρηση και διερεύνηση επιδημιών ΕΣΔΥ ΚΕΕΛΠΝΟ, 2010
Διαβάστε περισσότεραΗ ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ. (Power of a Test) ΚΕΦΑΛΑΙΟ 21
ΚΕΦΑΛΑΙΟ 21 Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ (Power of a Test) Όπως είδαμε προηγουμένως, στον Στατιστικό Έλεγχο Υποθέσεων, ορίζουμε δύο είδη πιθανών λαθών (κινδύνων) που μπορεί να συμβούν όταν παίρνουμε αποφάσεις
Διαβάστε περισσότεραDoes anemia contribute to end-organ dysfunction in ICU patients Statistical Analysis
Does anemia contribute to end-organ dysfunction in ICU patients Statistical Analysis Xue Han, MPH and Matt Shotwell, PhD Department of Biostatistics Vanderbilt University School of Medicine March 14, 2014
Διαβάστε περισσότεραΠέτρος Γαλάνης, MPH, PhD Εργαστήριο Οργάνωσης και Αξιολόγησης Υπηρεσιών Υγείας Τμήμα Νοσηλευτικής, Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών
Πέτρος Γαλάνης, MPH, PhD Εργαστήριο Οργάνωσης και Αξιολόγησης Υπηρεσιών Υγείας Τμήμα Νοσηλευτικής, Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών Καθορισμός ερευνητικής υπόθεσης Κριτήρια ένταξης και αποκλεισμού
Διαβάστε περισσότερα2.5 ΕΛΕΓΧΟΣ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ (The Quantile Test)
.5 ΕΛΕΓΧΟΣ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ (The Quantile Test) Ο διωνυμικός έλεγχος μπορεί να χρησιμοποιηθεί για τον έλεγχο υποθέσεων αναφερομένων στα ποσοστιαία σημεία μίας τυχαίας μεταβλητής. Στην
Διαβάστε περισσότεραΕισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500
Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της
Διαβάστε περισσότεραΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS)
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS) Έλεγχος Υποθέσεων για τους Μέσους - Εξαρτημένα Δείγματα (Paired samples t-test) Το κριτήριο Paired samples t-test χρησιμοποιείται όταν θέλουμε να συγκρίνουμε
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ Μ.Ν. Ντυκέν, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. Ε. Αναστασίου, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. ΔΙΑΛΕΞΕΙΣ 09-10 ΣΗΜΠΕΡΑΣΜΑΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ: Έλεγχοι υποθέσεων Βόλος, 2016-2017
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 5-6 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 735468 Σε αρκετές εφαρμογές
Διαβάστε περισσότεραΑιτιότητα και τυχαίο σφάλμα στις επιδημιολογικές μελέτες
Αιτιότητα και τυχαίο σφάλμα στις επιδημιολογικές μελέτες Αιτιότητα Πρόγραμμα εκπαίδευσης στην επιδημιολογική επιτήρηση και διερεύνηση επιδημιών ΕΣΔΥ ΚΕΕΛΠΝΟ, 2007 "Ευτυχισμένος είναι αυτός που κατόρθωσε
Διαβάστε περισσότεραΕκπαιδευτική Έρευνα: Μέθοδοι Συλλογής και Ανάλυσης εδομένων Έλεγχοι Υποθέσεων
Εκπαιδευτική Έρευνα: Μέθοδοι Συλλογής και Ανάλυσης εδομένων Έλεγχοι Υποθέσεων Ένα Ερευνητικό Παράδειγμα Σκοπός της έρευνας ήταν να διαπιστωθεί εάν ο τρόπος αντίδρασης μιας γυναίκας απέναντι σε φαινόμενα
Διαβάστε περισσότεραΈρευνες ασθενών-μαρτύρων. Αναδρομικές. Case-control studies (retrospective) (case-control studies) Προοπτικές μελέτες
Επιδημιολογικές έρευνες Έρευνες ασθενών-μαρτύρων (αναδρομικές) Case-control studies (retrospective) Παραγωγικές (deductive) Αναλυτικές Επαγωγικές (inductive) Περιγραφικές Μη παρεμβατικές Παρεμβατικές Ανδρονίκη
Διαβάστε περισσότεραΣύγκριση μέσου όρου πληθυσμού με τιμή ελέγχου. One-Sample t-test
1 Σύγκριση μέσου όρου πληθυσμού με τιμή ελέγχου One-Sample t-test 2 Μια σύντομη αναδρομή Στα τέλη του 19 ου αιώνα μια μεγάλη αλλαγή για την επιστήμη ζυμώνονταν στην ζυθοποιία Guinness. Ο William Gosset
Διαβάστε περισσότεραΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ. 3 η ΠΑΡΟΥΣΙΑΣΗ. Ι. Δημόπουλος Τμήμα Διοίκησης Επιχειρήσεων και Οργανισμών. ΤΕΙ Πελοποννήσου
ΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ 3 η ΠΑΡΟΥΣΙΑΣΗ Ι. Δημόπουλος Τμήμα Διοίκησης Επιχειρήσεων και Οργανισμών. ΤΕΙ Πελοποννήσου Συλλογή δεδομένων Πρωτογενή δεδομένα Εργαστηριακές μετρήσεις Παρατήρηση Παρατήρηση με συμμετοχή,
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ ΣΤΑΤΙΣΤΙΚΗΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΤΟΜΕΑΣ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΕΠΙΧΕΙΡΗΣΙΑΚΗΣ ΕΡΕΥΝΑΣ ΕΡΓΑΣΤΗΡΙΟ ΣΤΑΤΙΣΤΙΚΗΣ Χ 2 test ανεξαρτησίας: σχέση 2 ποιοτικών μεταβλητών
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΕΠΙΒΙΩΣΗΣ ΜΕ ΜΟΝΤΕΛΑ ΑΝΑΛΟΓΙΚΏΝ ΚΙΝΔΥΝΩΝ COX
ΑΝΑΛΥΣΗ ΕΠΙΒΙΩΣΗΣ ΜΕ ΜΟΝΤΕΛΑ ΑΝΑΛΟΓΙΚΏΝ ΚΙΝΔΥΝΩΝ COX Θα δούμε ένα πραγματικό παράδειγμα από μία τυχαιοποιημένη διπλο-τυφλή κλινική μελέτη φάσης ΙΙΙ, που συγκρίθηκαν 3 θεραπευτικές αγωγές, ριφαμπουτίνη,
Διαβάστε περισσότεραΈλεγχος Υποθέσεων (Hypothesis Testing)
Έλεγχος Υποθέσεων (Hypothesis Testig) Ορισμοί Μορφές στατιστικού ελέγχου Πιθανότητες σφάλματος τύπου Ι και ΙΙ Ισχύς (Power) ενός ελέγχου Η P-τιμή (P-vlue) Στατιστικοί έλεγχοι υποθέσεων για ειδικές περιπτώσεις
Διαβάστε περισσότεραΜΑΘΗΜΑ ΕΠΙΔΗΜΙΟΛΟΓΙΑΣ
ΜΑΘΗΜΑ ΕΠΙΔΗΜΙΟΛΟΓΙΑΣ Epidemiology and Public Health Dept of Epidemiology and Public Health N. TZANAKIS M.D. Consultant in Respiratory Medicine Assistant Professor in Epidemiology P.O. Box 1352, 71110
Διαβάστε περισσότεραΚλινική Επιδηµιολογία. Μέτρα κινδύνου Αιτιολογική συσχέτιση
Κλινική Επιδηµιολογία Μέτρα κινδύνου Αιτιολογική συσχέτιση Μέτρα κινδύνου Αιτιολογική συσχέτιση Σύγκριση µεταξύ διαφορετικών πληθυσµών ως προς την έκθεση (exposure) Σύγκριση της κατανοµής της συχνότητας
Διαβάστε περισσότεραΜέρος Β /Στατιστική. Μέρος Β. Στατιστική. Γεωπονικό Πανεπιστήμιο Αθηνών Εργαστήριο Μαθηματικών&Στατιστικής/Γ. Παπαδόπουλος (www.aua.
Μέρος Β /Στατιστική Μέρος Β Στατιστική Γεωπονικό Πανεπιστήμιο Αθηνών Εργαστήριο Μαθηματικών&Στατιστικής/Γ. Παπαδόπουλος (www.aua.gr/gpapadopoulos) Από τις Πιθανότητες στη Στατιστική Στα προηγούμενα, στο
Διαβάστε περισσότερα