statisztikai áttekintés
konfidencia intervallumok: a populációs paraméter intervallumbecslése, és általában 95% – ban állapították meg. Ha valaki 100 mintát venne a populációból, akkor az átlagos pontszám vagy a mérés 95 ilyen mintapopulációból a 95% – os konfidencia intervallum tartományba esne. Minél közelebb vagy szorosabb, hogy a 95% – os CI tartománya a tényleges átlagtól függ, annál erősebb a teszt eredménye.,
standard mérési hiba: ez az érték jelzi azt a tartományt ( + / – ), amelyen belül a beteg valódi pontszáma beleférhet egy adott tesztbe. Ha a TÉRDHAJLÍTÁS mozgási tartományának goniometrikus mérésére szolgáló SEM 3,5 fok, akkor a valódi/tényleges mozgási tartomány változása 116,5 és 123,5 fok között várható, ha a tényleges mért érték 120 fok. Azt is gondolják, hogy az értékek szórása az ismételt vizsgálati pontszámoktól.
érzékenység: ha a betegnek van állapota, mekkora az esélye annak, hogy a klinikai teszt pozitív lesz?, Ez az igazi pozitívumok mértéke. Az értékek 0-tól 1,0-ig terjednek, ahol 1,0 = 100% valódi pozitív. A mnemonikus orr alkalmazzák ezeket a megállapításokat. Ha egy teszt nagy érzékenységgel rendelkezik, és a teszt negatív, akkor a klinikus jobban érzi magát a betegség (orr) kizárásában. A nagyobb érzékenységű klinikai vizsgálatok jobbak a betegek szűrésére a célállapot szempontjából, de nem olyan jók, hogy konkrét diagnózist biztosítsanak., Más szavakkal, ha egy nagyon érzékeny teszt negatív, akkor biztosabb lehet abban, hogy a betegnek nincs állapota, azonban ha a teszt pozitív, akkor nem lehet biztos abban, hogy ilyen állapotban voltak, kivéve, ha a teszt szintén nagyon specifikus volt.
specificitás: ha a betegnek nincs állapota, mekkora az esélye annak, hogy a klinikai vizsgálat negatív lesz? Ez az igazi negatívok mértéke. Az értékek 0-tól 1,0-ig terjednek, ahol 1,0 = 100% valódi negatív. A mnemonikus SpIn alkalmazzák ezeket az eredményeket., Ha egy tesztnek magas a specifikussága és a teszt pozitív, akkor a klinikus jobban érzi magát a betegségben (SpIn). Ha egy nagyon specifikus teszt pozitív, akkor biztosabb lehet abban, hogy a betegnek megvan a feltétele, azonban ha a teszt negatív, akkor nem lehet biztos abban, hogy nincs ilyen állapota, kivéve, ha a teszt szintén nagyon érzékeny volt.
pozitív valószínűségi Arány (+LR): az esélyek változását fejezi ki, amely pozitív teszt esetén előnyben részesíti az állapotot. Ez egy vizsgálat specifikusságának és érzékenységének kiszámítása (+LR = érzékenység / 1-specifitás)., A + LR > 1.0 növeli annak valószínűségét, hogy a vizsgálati eredmény alapján helyes diagnózist biztosítson.
negatív valószínűségi Arány: az esélyek változását fejezi ki, hogy egy állapot negatív teszt esetén hiányzik. Ez egy vizsgálat specifikusságának és érzékenységének kiszámítása (- LR = 1-érzékenység / specifitás). Az LR < 1.0 növeli annak valószínűségét, hogy a vizsgálati eredmény alapján helyes diagnózist biztosít.,
Odds Ratio: ez a relatív kockázat becslése, és általában akkor alkalmazzák, ha a relatív kockázatot nem lehet pontosan meghatározni a vizsgálat korlátai alapján (a kumulatív incidencia pontos kiszámításának képtelensége, azaz eset-kontroll vizsgálat). Gyakran használják a hatás méretének kifejezésére. Ez az arány az esélye egy esemény előforduló egy csoportban, hogy az esélye, hogy előforduló egy másik csoportban. Ez annak a valószínűsége, hogy ugyanaz az esemény vagy állapot két csoportban fordul elő., A 1: 1 odds arány azt jelenti, nincs különbség esélye a csoportok között (az esemény vagy feltétel egyaránt előfordul mindkét csoportban).
relatív kockázat: Ez a relatív hatás mértéke, amely az arány, amely leírja a kitett csoporthoz kapcsolódó kockázatokat a megvilágítatlan csoporthoz képest. Ez azt jelzi, hogy annak a valószínűsége, hogy valaki, aki ki van téve a kockázati tényező alakul ki a feltétel képest, hogy valaki, aki nem volt kitéve.
Hatásméret: a két kezelés közötti különbség nagysága vagy a két változó közötti kapcsolat., Egy kezelés nagyobb hatásmérete azt jelzi, hogy nagyobb pozitív különbséget eredményezett a mért eredményben.
érvényesség: a klinikai teszt méri-e, hogy mit szándékozik mérni? Ez az a kérdés, amelyre az érvényesség válaszol. Ezt gyakran érzékenységi és Specifikussági értékekkel, valamint valószínűségi arányokkal lehet mérni (a pozitív és negatív prediktív értékeket gyakran használják, de nem olyan hasznosak, mint a valószínűségi arányok).
megbízhatóság: mennyire értenek egyet a vizsgáztatók a teszt megállapításaival? A megbízhatóság a megállapodás mértéke, de nem érvényesség., Ez azon a hibán alapul, amely egy sor pontszámban jelen van. Annak érdekében, hogy a klinikai vizsgálat jó érvényességű legyen, jó megbízhatóságra van szükség. Azonban azok a tesztek, amelyek nem rendelkeznek jó érvényességgel, továbbra is kiváló megbízhatósággal rendelkeznek. A vizsgáztatók képesek lehetnek nagyon megbízhatóan megmérni a tesztet egymás és más vizsgáztatók között, de ez nem feltétlenül jelenti azt, hogy a teszt egy adott állapot vagy diagnózis jó mércéje. Ezt együtthatókkal mérik (Kappa vagy Intraclass korrelációs együtthatók a változó típusától függően).,
> Ez egy olyan megállapodás, amelyet véletlenül korrigáltak. Ez a statisztika értékeli a megfigyelt megállapodás arányát, majd figyelembe veszi azt az arányt, amely véletlenszerűen várható. Elsősorban nem parametrikus adatok, például dichotóm változók mérésére tervezték, amelyek tartalmazzák az Igen / Nem és a pozitív / negatív válaszokat, valamint a kategorikus változókat, például a kézi izomteszt fokozatokat. A pontszámok tartománya 0-tól 10-ig terjed, és a pontszámok értelmezését a következőképpen javasolták:
1.0 = Perfect
0.8 – 1.0 = Excellent
0.6 – 0.8 = continential
0.4-0.,6 = mérsékelt
< 0.4 = szegény
súlyozott Kappa: a rendszeres Kappa statisztika nem tesz különbséget a nézeteltérések között. Ha egy kutató nagyobb súlyt akar hozzárendelni az egyik nézeteltéréshez a másikkal szemben a nagyobb lehetséges kockázatok miatt, akkor súlyozott Kappa lesz. Egyes nézeteltérések súlyosabbak lehetnek, mint mások. Nem minden adat különböztethető meg így, de ha lehet, akkor ez a súlyozott Kappa felhasználható a megbízhatóság becslésére.
Intraclass korrelációs együttható( ICC): az ICC megbízhatósági együttható., Kiszámítja a pontszámok szórását, és képes tükrözni mind a levelezés mértékét, mind a minősítések közötti megállapodást. Ez 0-tól 1,0-ig terjed. Az ICC egy olyan megbízhatósági intézkedés, amelyet elsősorban parametrikus változókra (intervallum-vagy arányadatokra) terveztek, amelyek folyamatosak, például mozgásmérési tartomány, magasság, súly stb. A pontszámok értelmezését a következőképpen javasolták:
1.0 = Perfect
0.9-1.0 = Excellent
0.75-0.9 = Good
0.5-0.75 = Moderate
< 0.,5 = szegény
korreláció: a korreláció a társulás mértéke, nem pedig a megállapodás (megbízhatósági intézkedések megállapodás). A változók és a -1 és 0 közötti tartományok közötti lineáris összefüggést jelzi, és együtthatókkal (Pearson vagy Spearmans) mérik. Minél közelebb van a változó az 1-hez, annál erősebb a pozitív korreláció, annál közelebb van a -1-hez, annál erősebb a negatív korreláció. A legtöbb esetben a nulla azt jelzi, hogy egyáltalán nincs korreláció a változók között. A korrelációs méretek meghatározása a következő:
+/ – 0,1 – 0,3 = Small
+ / – 0,3 – 0,5 = Medium
+ / – 0,5-1.,0 = Nagy
korrelációs együtthatók: statisztikák, amelyek kvantitatív módon leírják a két változó közötti kapcsolat erősségét és irányát.