ΠΦΥ -Εκπαίδευση > Συζητήσεις πάνω σε ιατρικά θέματα
Βιοστατιστική και επιδημιολογία
medicus:
Κατά την στατιστική ανάλυση δεδομένων, σε όλα τα παρασκευαστικά επίπεδα εργασιών-μελετών (ανακοινώσεις συνεδρίων, δημοσιεύσεις σε ιατρικά περιοδικά, διατριβές κλπ), παρατηρείται το εξής φαινόμενο: ο ερευνητής, μόλις διαπιστώνει την μη κανονικότητα της κατανομής των δεδομένων του, εγκαταλείπει την παραμετρική μέθοδο και συνεχίζει την ανάλυσή του με μη παραμετρικές μεθόδους.
Αυτό είναι ένα από τα μεγαλύτερα σφάλματα, σε μία στατιστική ανάλυση, διότι η χρήση μη παραμετρικών δοκιμασιών συνεπάγεται, πάντα, απώλεια και ποιοτική αλλοίωση της πληροφορίας που κρύβουν τα δεδομένα. Αυτό σημαίνει ότι το τελικό συμπέρασμα είναι, στατιστικώς, μη αποδεκτό.
Τι πρέπει να κάνει, λοιπόν, ο ερευνητής; Εάν δεν διαπιστώνει κανονικότητα στην κατανομή των δεδομένων του, πρέπει οπωσδήποτε να εφαρμόσει όλους τους δυνατούς συναρτησιακούς μετασχηματισμούς (το SPSS διαθέτει περισσότερες από 70 μαθηματικές συναρτήσεις, για μετασχηματισμό δεδομένων). Εάν και τότε διαπιστώσει μη κανονικότητα, αναγκαστικά(!!!), κάνει χρήση μη παραμετρικών δοκιμασιών παράλληλα, όμως, με χρήση προσομοιωτικής μεθόδου Bootstrapping.
Επειδή, όμως, το νόημα της ρύσης "τα αγαθά κόποις κτώνται" έχει σχεδόν διαγραφεί από τον μοντέρνο "ερευνητή" που το μόνο για το οποίο κοπιάζει είναι η δόξα, η έδρα, η χρηματοδότηση και το χειροκρότημα, έχουμε κατακλυστεί από μυριάδες ανούσιες, πλήρεις λανθασμένων συμπερασμάτων, εργασίες και μελέτες.
medicus:
Μία ελληνική ( :o επιτέλους !!!) παρουσίαση στην εισαγωγή των βασικών εννοιών της στατιστικής.
Πρόκειται για μία αρκετά προσεγμένη εργασία, με όμορφα και απλά συνοδευτικά γραφικά που βοηθάνε έναν τελείως αρχάριο ( ??? ) να κατανοήσει εύκολα και γρήγορα τις βάσεις μίας στατιστικής ανάλυσης. Επιπλέον, μπορεί να χρησιμοποιηθεί για μία ταχεία και χαλαρή επανάληψη, από άτομα πιο προχωρημένα στην στατιστική ( 8) ). Εξάλλου, η επανάληψη δεν έβλαψε ποτέ κανέναν. ;)
medicus:
medicus:
Το Χ2 είναι ένα ευαίσθητο στατιστικό κριτήριο, ιδιαίτερα όταν εφαρμόζεται σε δείγματα μικρότερα του 25 ή μεγαλύτερα του 250. Εάν κάποιος ερευνητής εφαρμόσει το Χ2 έξω από αυτά τα όρια εισάγει μία παραμόρφωση στην ανάλυσή του.
Τι πρέπει, λοιπόν, να κάνουμε σε μία τέτοια περίπτωση; Καταφεύγουμε σε μεθόδους προσομοίωσης (Exact Tests). Οι μέθοδοι προσομοίωσης συνιστώνται, ιδιαίτερα, όταν:
- έχουμε δεδομένα "αραιά"
- έχουμε ανισοσκελή δείγματα
- όταν έχουμε δεδομένα που περιλαμβάνουν ισχυρούς δεσμούς.
Για μικρά μεγέθη δείγματος (n<25) άριστη είναι η επιλογή της μεθόδου Monte Carlo.
Για μεγάλα μεγέθη δείγματος (n>250) άριστη είναι η επιλογή της μεθόδου Random Sample, χωρίς να αποκλείουμε και την Monte Carlo.
medicus:
EpiInfo-7 (δωρεάν λογισμικό επιδημιολογικών αναλύσεων): δημιουργία χαρτών κατά συστάδες, διπλού επιπέδου δεδομένων.
Πλοήγηση
[0] Λίστα μηνυμάτων
[#] Επόμενη σελίδα
Μετάβαση στην πλήρη έκδοση