Статистический анализ для диссертаций на заказ
Статистика в медицинских и биологических исследованиях Статьи по статистическому анализу Диссертации Книги для научной работы Статистический анализ для диссертаций на заказ
заказать статистический анализ для диссертации

Статистический анализ для диссертаций на заказ

Мы консультируем по всем вопросам статистического анализа в медико-биологических исследованиях, и, при необходимости, помогаем его провести 

Подробнее>>>

 

 


Заказать статистический анализ для диссертации Обратная связь

SiteHeart

278679709

 

Основные определения математической статистики, встречающиеся в области клинических исследований

Рандомизация не только уравнивает вероятность получения пациентом различных сравниваемых воздействий, но и позволяет формировать группы, сходные с точки зрения прогностических факторов. Таким образом, рандомизация обеспечивает подбор больных так, чтобы контрольная группа ни в чем не отличалась от экспериментальной, кроме изучаемого ме­тода лечения. Но и этого оказывается недостаточно. Тесно связа­на с проблемой рандомизации и так называемая проблема слепоты исследования. Для того чтобы ни врач, ни исследователь, ни пациент не могли каким-либо образом влиять на получаемые результаты, используется такое понятие, как слепота исследования. Например, если позволяют клинические особенности дан­ного исследования, часто применяется так называемый двойной слепой метод, когда ни врач, ни пациент не знают, какой из ме­тодов лечения был применен.

Важным вопросом является и вопрос представительности (или репрезентативности) выборки по отношению ко всей по­пуляции, из которой она отбиралась. Обычно, если выборка из­влечена из совокупности случайным образом и имеет достаточно большой объем, средние характеристики пациентов в выборке практически такие же, как в соответствующей популяции. На практике большинство групп пациентов, включенных в раз­личные клинические исследования, представляют собой сме­щенные выборки. Это связано с особенностями включения па­циентов в исследование: часто пациенты включаются потому, что находятся на лечении в центре, проводящем исследование, или потому, что, с точки зрения исследователя, представляют собой интересный клинический случай. В принципе такое отсутствие репрезентативности не приводит к каким-то непра­вильным выводам. Однако исследователь должен четко понимать, на какую популяцию реально могут быть распространены результаты, полученные в таком исследовании.

Следующая важная математическая задача — определение необходимого объема выборки. Под «необходимым» понимают ми­нимально возможное число пациентов, включенных в исследо­вание, которое при выбранном дизайне позволяет установить наличие статистически значимых различий между сравниваемыми методами. К сожалению, о важности решения этой задачи вспоминают, как правило, когда исследования уже закончены и начинается процесс статистической обработки полученных ре­зультатов. Эта проблема очень важна, и она будет рассмотрена нами подробно в разделе, посвященном планированию клини­ческих исследований.

Цель клинических исследований - выявление методов, по­зволяющих улучшить существующие результаты лечения, диаг­ностику, предупреждение заболеваний. Если новый метод позво­ляет получить высокий процент излечения больных, страдающих ранее не излечимым заболеванием, доказать его эффективность можно путем оценки результатов лишь в одной группе, без со­поставления с контролем. Такие исследования называются не­контролируемыми. Контролируемые клинические исследования — это исследования, в которых сопоставляемые группы получают различные виды лечения. Обычно контролируемые исследова­ния являются проспективными, т.е. данные получают после нача­ла исследования. В отличие от проспективных исследований из­вестны случаи, когда в качестве контроля может использоваться ретроспективно собранная информация: данные литературы или результаты других исследований.

При планировании исследований очень важно сформулировать его цель. Если целью проводимого исследования является установление различий (или преимущества) методов лечения, математически данный вопрос решается обычно с помощью проверки статистического критерия (или теста). Применяемые для этого процедуры связаны с формулированием статистических гипотез. Иногда для решения этой задачи применяют и метод доверительных интервалов.

Статистическая гипотеза это утверждение, ошибочное отрицание которого хотелось бы избежать. Обычно в области кли­нических исследований принято формулировать так называемую нулевую гипотезу (H0) таким образом, чтобы это утверждение желательно было бы отвергнуть (например, нет различия в эффекте у сравниваемых методов). Нельзя забывать, что нулевой гипотезе соответствует альтернативная гипотеза (НА)— это вывод, к которому хотелось бы прийти в результате исследования (например, эффекты сравниваемых методов различны). С про­цедурами проверки гипотез тесно связаны понятия ошибки I и II рода. Так, ошибка Ipoda — возможность ошибочно отклонить нулевую гипотезу, т.е. найти различия там, где их нет (ложноположительный результат). Приемлемая для данного эксперимента вероятность ошибки I рода называется уровнем значимости а. Ошибка Ирода возникает тогда, когда мы принимаем нулевую гипотезу, а она не верна, другими словами, не находим существующее различие (ложноотрицательный результат). Вероятность ошибки II рода обозначается буквой (3. Вероятность обнаружить имеющиеся различия, т.е. чувствительность, или мощ­ность критерия, равна 1 - р. При прочих равных условиях тот критерий имеет преимущество, у которого вероятность ошибки II рода меньше (соответственно чувствительность больше).

Кроме того, для оценки справедливости Н0 важен показатель, который обычно обозначается буквой р и называется р-значение. Он оценивает вероятность того, что значение критерия окажется не меньше критического значения при условии справедливости нулевой гипотезы (т.е. при отсутствии различий между сравниваемыми группами).

При планировании клинических исследований в зависимости от конкретных условий и целей может быть выбран различный порядок их проведения, или дизайн. Говоря о дизайне исследования, обычно подразумевают его основные компоненты: установление порядка проведения исследования или плана, указание выбранных методов рандомизации и степени слепоты, оценка необходимого числа включаемых пациентов. Наиболее часто встречающиеся варианты планов исследования: перекрестный план, план латинских квадратов, мулътиперекрестный план, план па­раллельных групп, блочные планы, план «игра на лидера», последовательный план.

Необходимые определения и сведения о различных элементах дизайна содержатся в описаниях «Good Clinical Practice». Приведенные выше понятия планирования клинического исследования будут рассмотрены нами с точки зрения математики и статистики.

 

 

<Предыдущая страница | Оглавление>

 

 

 

  заказать статистический анализ для диссертации
Статистический анализ для диссертаций на заказ

Рейтинг@Mail.ru