Statistische Überprüfung
Konfidenzintervalle: Die Intervallschätzung eines Populationsparameters, und in der Regel bei 95% etabliert. Wenn man 100 Proben aus der Population entnehmen würde, würde der Mittelwert oder die Messung von 95 dieser Stichprobenpopulationen im Bereich von 95% Konfidenzintervallen liegen. Je näher oder enger der Bereich des 95% – CI vom tatsächlichen Mittelwert entfernt ist, desto stärker sind die Ergebnisse dieses Tests.,
Standardfehler der Messung: Dieser Wert gibt den Bereich (+/-) an, in den der wahre Wert eines Patienten in einen bestimmten Test passen könnte. Wenn das SEM für die goniometrische Messung des Bewegungsbereichs für die Kniebeugung 3,5 Grad beträgt, könnte man erwarten, dass eine Variation des wahren/tatsächlichen Bewegungsbereichs zwischen 116,5 und 123,5 Grad liegt, wenn der tatsächliche Messwert 120 Grad beträgt. Es wird auch als Standardabweichung der Werte von wiederholten Testergebnissen angesehen.
Empfindlichkeit: Wenn ein Patient eine Erkrankung hat, wie hoch ist die Wahrscheinlichkeit, dass der klinische Test positiv ist?, Dies ist Ihr Maß für wahres Positives. Die Werte reichen von 0 bis 1,0, wobei 1,0 = 100% true positive ist. Die mnemonische Schnauze wird verwendet, um diese Ergebnisse anzuwenden. Wenn ein Test eine hohe Empfindlichkeit aufweist und der Test negativ ist, kann sich ein Arzt besser fühlen, wenn er die Krankheit ausschließt (Schnauze). Klinische Tests mit höherer Empfindlichkeit sind besser für das Screening von Patienten auf den Zielzustand, aber nicht so gut für die Bereitstellung einer spezifischen Diagnose., Mit anderen Worten, wenn ein hochempfindlicher Test negativ ist, können Sie sich sicherer fühlen, dass der Patient die Bedingung nicht hat, aber wenn der Test positiv ist, können Sie nicht sicher sein, dass sie diese Bedingung hatten, es sei denn, der Test war auch sehr spezifisch.
Spezifität: Wenn ein Patient keinen Zustand hat, wie hoch ist die Wahrscheinlichkeit, dass der klinische Test negativ ist? Dies ist Ihr Maß für wahre Negative. Die Werte reichen von 0 bis 1,0, wobei 1,0 = 100% wahre Negative ist. Der mnemonische SpIn wird verwendet, um diese Ergebnisse anzuwenden., Wenn ein Test eine hohe Spezifität aufweist und der Test positiv ist, kann sich ein Kliniker besser fühlen, wenn er an der Krankheit beteiligt ist (SpIn). Wenn ein hochspezifischer Test positiv ist, können Sie sich sicherer fühlen, dass der Patient den Zustand hat, aber wenn der Test negativ ist, können Sie nicht sicher sein, dass er diesen Zustand nicht hat, es sei denn, der Test war auch sehr empfindlich.
Positive Likelihood Ratio (+LR): Drückt die Änderung der Quoten aus, die den Zustand begünstigt, wenn ein positiver Test durchgeführt wird. Es ist eine Berechnung der Spezifität und der Empfindlichkeit eines Tests (+LR = Sensitivität / 1-Spezifität)., A +LR > 1.0 erhöht die Wahrscheinlichkeit einer korrekten Diagnose basierend auf dem Testergebnis.
Negatives Wahrscheinlichkeitsverhältnis: Drückt die Änderung der Wahrscheinlichkeit aus, dass eine Bedingung fehlt, wenn ein negativer Test gegeben wird. Es ist eine Berechnung der Spezifität und der Empfindlichkeit eines Tests (- LR = 1-Empfindlichkeit / Spezifität). Ein LR < 1.0 erhöht die Wahrscheinlichkeit einer korrekten Diagnose basierend auf dem Testergebnis.,
Odds Ratio: Dies ist die Schätzung des relativen Risikos und wird typischerweise verwendet, wenn das relative Risiko aufgrund der Einschränkungen der Studie nicht genau bestimmt werden kann (Unfähigkeit, die kumulative Inzidenz genau zu berechnen, dh eine Fall-Kontroll-Studie). Es wird oft verwendet, um die Effektgröße auszudrücken. Es ist das Verhältnis der Chancen eines Ereignisses, das in einer Gruppe auftritt, zu den Chancen, dass es in einer anderen Gruppe auftritt. Es ist die Wahrscheinlichkeit, dass dasselbe Ereignis oder dieselbe Bedingung in zwei Gruppen auftritt., Ein Quotenverhältnis von 1:1 bedeutet keinen Unterschied in den Quoten zwischen den Gruppen (das Ereignis oder die Bedingung tritt in beiden Gruppen gleichermaßen auf).
Relatives Risiko: Dies ist das Maß für den relativen Effekt, dh das Verhältnis, das die mit der exponierten Gruppe verbundenen Risiken im Vergleich zur nicht exponierten Gruppe beschreibt. Es zeigt die Wahrscheinlichkeit an, dass jemand, der einem Risikofaktor ausgesetzt war, den Zustand im Vergleich zu jemandem entwickelt, der nicht exponiert war.
Effektgröße: Die Größe der Differenz zwischen zwei Behandlungen oder die Beziehung zwischen zwei Variablen., Eine größere Effektgröße für eine Behandlung zeigt an, dass dies zu einem größeren positiven Unterschied im gemessenen Ergebnis führte.
Validität: Misst der klinische Test, was er messen soll? Dies ist die Frage, die Gültigkeit beantwortet. Dies kann häufig anhand von Sensitivitäts-und Spezifitätswerten sowie Wahrscheinlichkeitsraten gemessen werden (positive und negative Vorhersagewerte werden häufig verwendet, sind jedoch nicht so hilfreich wie Wahrscheinlichkeitsraten).
Zuverlässigkeit: Wie gut sind sich Prüfer über die Ergebnisse eines Tests einig? Zuverlässigkeit ist ein Maß für Übereinstimmung, aber keine Gültigkeit., Es basiert auf der Fehlermenge, die in einer Reihe von Partituren vorhanden ist. Damit ein klinischer Test eine gute Gültigkeit hat, ist eine gute Zuverlässigkeit erforderlich. Tests, die keine gute Gültigkeit haben, können jedoch immer noch eine hervorragende Zuverlässigkeit aufweisen. Prüfer können einen Test möglicherweise sehr zuverlässig zwischen sich und anderen Prüfern messen, Dies bedeutet jedoch nicht unbedingt, dass der Test ein gutes Maß für einen bestimmten Zustand oder eine bestimmte Diagnose darstellt. Es wird anhand von Koeffizienten (Kappa-oder Intraklassenkorrelationskoeffizienten in Abhängigkeit von der Art der Variablen) gemessen.,
Kappa: Dies ist ein Maß der Übereinstimmung, das zufällig korrigiert wurde. Diese Statistik wertet den Anteil der beobachteten Übereinstimmung aus und berücksichtigt dann den Anteil, der zufällig erwartet werden kann. Es wurde in erster Linie entwickelt, um nicht-parametrische Daten wie dichotome Variablen zu messen, die Ja/Nein und positive/negative Antworten enthalten, und kategoriale Variablen wie manuelle Muskeltestnoten. Die Bandbreite der Werte reicht von 0 bis 10 und der interpretation der Werte vorgeschlagen worden, als:
1.0 = Perfekt
0.8-1.0 = sehr gut
0.6 bis 0.8 = Wesentlicher
0,4-0.,6 = Moderat
< 0,4 = Schlecht
Gewichtete Kappa: Die reguläre Kappa-Statistik unterscheidet nicht zwischen Meinungsverschiedenheiten. Wenn ein Forscher einer Meinungsverschiedenheit aufgrund größerer möglicher Risiken ein größeres Gewicht zuweisen möchte, wird er zu einem gewichteten Kappa. Einige Meinungsverschiedenheiten können ernster sein als andere. Nicht alle Daten können so differenziert werden, aber wenn dies möglich ist, kann dieses gewichtete Kappa zur Schätzung der Zuverlässigkeit verwendet werden.
Intraklassischer Korrelationskoeffizient (ICC): Der ICC ist ein Zuverlässigkeitskoeffizient., Es berechnet die Varianz der Punktzahlen und kann sowohl den Grad der Übereinstimmung als auch die Übereinstimmung zwischen den Bewertungen widerspiegeln. Es reicht von 0 bis 1,0. Das ICC ist ein Zuverlässigkeitsmaß, das in erster Linie für parametrische Variablen (Intervall-oder Verhältnisdaten) entwickelt wurde, die kontinuierlich sind, wie z. B. Bewegungsbereich, Höhe, Gewicht usw. Die interpretation der Werte vorgeschlagen worden, als:
1.0 = Perfekt
0.9-1.0 = sehr gut
0.75-0.9 = Gut
0,5 bis 0,75 = Mäßig
< 0.,5 = Schlechte
Korrelation: Korrelation ist ein Maß für Assoziation und nicht Vereinbarung (Zuverlässigkeitsmaße Vereinbarung). Es gibt die lineare Beziehung zwischen Variablen an und reicht von -1 bis 0 bis 1 und wird durch Koeffizienten (Pearson oder Spearmans) gemessen. Je näher die Variable an 1 ist, desto stärker ist die positive Korrelation und je näher an -1, desto stärker ist die negative Korrelation. Zum größten Teil gibt eine Null überhaupt keine Korrelation zwischen den Variablen an. Korrelationsgrößen wurden definiert als:
+ / – 0,1 bis 0,3 = Klein
+ / – 0,3 bis 0,5 = Mittel
+ / – 0,5 bis 1.,0 = Große
Korrelationskoeffizienten: Statistiken, die quantitativ die Stärke und Richtung einer Beziehung zwischen zwei Variablen beschreiben.