Ито интерпретация результатов: Тест ИТО. Описание теста, интерпритация результатов

результатов интерпретации | Биология для майоров I

Результаты обучения

• Анализировать простые данные и отображать результаты

Сбор данных

После завершения эксперимента собранные данные тщательно интерпретируются.Это включает в себя измерение зависимой переменной. Помните, что в случае нашего эксперимента с ВПЧ зависимой переменной является частота инфицирования ВПЧ.

Практический вопрос

Исследователи обнаружили, что из 1200 женщин в контрольной группе девять были инфицированы ВПЧ в конце исследования. Из 1200 женщин в экспериментальной группе ноль были инфицированы ВПЧ. Подтверждает ли этот результат первоначальную гипотезу о том, что вакцина против ВПЧ уменьшит инфицирование ВПЧ?

Показать ответ

Результаты показывают, что меньше людей, получивших вакцину, были инфицированы ВПЧ, по сравнению с количеством инфицированных людей, которые не получили вакцину.Это подтверждает гипотезу о том, что новая вакцина защищает от ВПЧ.

Значение

Хотя исследование HPV предполагает, что вакцина защищает от заражения HPV, является ли это открытие значительным? В науке, как и в жизни, все может происходить по разным причинам. Убедительное исследование исключит «удачу» (случайный шанс) как объяснение результатов. Считается, что сильные результаты имеют большое значение: очень маловероятно, что они возникнут в результате случайных или случайных событий.

Важность результата часто зависит от размера исследования; чем больше число участников, тем более убедительными будут результаты.Например, представьте, что в исследовании приняли участие только 10 женщин. В контрольной группе заразились 2 из 5 женщин. В опытной группе 0 из 5 были инфицированы. Сначала вы можете подумать, что это доказывает эффективность вакцины, но это НЕ убедительный или значимый результат. Почему бы нет? Случайные события могут легко объяснить разницу между группами. Например, возможно, ни одна из пяти женщин экспериментальной группы не была сексуально активной в течение периода исследования. Следовательно, у них не было шансов заразиться ВПЧ.Может показаться, что вакцина работает, но скептически настроенный читатель может объяснить результаты, предложив множество других сценариев.

Однако представьте себе, если бы такое же исследование было проведено с 10 000 женщин, и уровень инфицирования составлял бы 2 000 из 5 000 в контрольной группе и ноль из 5 000 в экспериментальной группе. Случайные события будут распределены среди очень большой группы людей в этом исследовании; в среднем две большие группы должны иметь схожее сексуальное поведение и другие факторы, влияющие на уровень инфицирования.Если в конце исследования будет большая разница, очень маловероятно, что результат и были получены случайно.

Статистический анализ подтвердил значимость результата вакцины против ВПЧ.

Практический вопрос

Исследователи сообщили о значительных результатах эксперимента с вакциной против ВПЧ. Если бы результаты НЕ были значительными, что бы это значило?

Показать ответ

Если бы результаты этого эксперимента не были значимыми, это означало бы, что число женщин, не заразившихся ВПЧ после вакцинации, было таким же, как если бы они были получены случайно.

После того, как результаты интерпретированы и сделаны выводы, исследователи часто возвращаются к своей работе и начинают задавать дополнительные вопросы. Таким образом, научное исследование является мощным инструментом исследования.

Практический вопрос

Какой следующий хороший вопрос исследователи вакцины против ВПЧ захотят проверить? ( Правильно несколько ответов. )

1. В каком возрасте эта вакцина наиболее эффективна (в какой возрастной группе следует вакцинировать)?
2. Защищает ли вакцина против ВПЧ как мужчин, так и женщин?
3. Защищает ли защита от ВПЧ от рака?
4. Следует ли принуждать девочек к вакцинации против воли родителей?

Показать ответы

Вопросы a, b, anc c — лучшие вопросы.Эти вопросы в настоящее время изучаются.

Хотя вопрос d важен и вызвал большой политический резонанс, это не научный вопрос. Ученые могут предсказать, что произойдет, если девочки будут вакцинированы или нет, но не могут решить, что важнее: риск заболевания или родительский авторитет.

Графические данные

Посмотрите этот десятиминутный видеоролик о простом построении графиков:

Вы можете просмотреть стенограмму «Руководства для начинающих по построению графиков» здесь (ссылка откроется в новом окне).

Внесите свой вклад!

У вас была идея улучшить этот контент? Нам очень понравится ваш вклад.

Улучшить эту страницуПодробнее

Интерпретация результатов лабораторных исследований

Введение

В больницах из года в год заказывается все больше лабораторных исследований, и это расширение, похоже, еще не достигло своего верхнего предела. Учитывая большой объем лабораторных тестов, кажется, что их ценность становится все более очевидной для врачей и пациентов.Еще более важным является высокий уровень доверия врачей к лабораторным данным.

Выбор диагностических лабораторных параметров во многом зависит от рассматриваемой медицинской проблемы, но в лаборатории мы часто видим множество различных тестов, заказываемых для каждого отдельного образца. Некритичный заказ слишком большого количества тестов не обязательно предоставит клиницисту дополнительную информацию, а иногда может еще больше затруднить интерпретацию результатов.

Следовательно, при выборе теста важно, чтобы клиницист знал, насколько тест подходит для предполагаемого использования, и не в последнюю очередь знал, насколько надежным является результат теста.В этом отношении важной задачей лаборатории является предоставление необходимой информации о методах и результатах тестов, тем самым поддерживая клинициста в процессе принятия решений.

Рациональное использование клинического биохимического анализа требует понимания того, что фактически включают лабораторные результаты. Поэтому важно понимать следующие концепции:

• Референтный интервал
• Смещение (точность)
• точность
• Чувствительность
• Специфичность
• Прогнозируемое значение

Референтный интервал

Интерпретация лабораторных результатов требует, чтобы результат можно было соотнести с соответствующим эталонным значением.Это могут быть более ранние результаты того же пациента, если это возможно, или сравнение с данными из «нормальной» популяции. В последнем случае, чтобы использовать результат теста, необходимо указать контрольную область для рассматриваемого анализа.

Контрольная зона устанавливается путем сбора образцов от нормального здорового населения, по крайней мере, 100 человек, предпочтительно нескольких сотен человек. Это могут быть собственные исследования лаборатории, основанные на образцах крови доноров или, например, от персонала больницы, или с использованием данных из литературы.Для установления четко определенного референтного интервала доступны протоколы IFCC [1].

Измерение образцов от разных людей, как и следовало ожидать, не даст точно одинаковых результатов. Это связано с естественной биологической изменчивостью и неопределенностью самого измерения. Таким образом, эталонный интервал, основанный на нормальной совокупности, будет группироваться вокруг среднего и часто показывает нормальное распределение или распределение Гаусса. Форма распределения зависит от биологической изменчивости рассматриваемого аналита, отбора проб и обработки материала, а также от неопределенности измерения.

Чтобы использовать это эталонное распределение в клинической практике, вам необходимо ограничить площадь, введя эталонный интервал. Если измеряемая переменная имеет нормальное распределение, статистически приблизительно 95% (95,6%) значений будут находиться в пределах диапазона, определяемого средним значением ± 2 стандартных отклонения. Измерения в этих пределах часто используются для описания тестовых значений, обычно наблюдаемых у здорового населения, и их часто называют «нормальным диапазоном». Аналогичным образом, приблизительно 99% будут в пределах среднего ± 3 стандартных отклонения.

Таким образом, эталонный интервал, включающий 95% значений, ограничен нижним и верхним эталонным пределом, соответствующим 2,5% и 97,5%. Значения по обе стороны от этих контрольных пределов, таким образом, не входят в «нормальный диапазон». Статистически это означает, что 5% населения или один из двадцати должны считаться ненормальными!

Если заказаны два теста, вероятность того, что второй тест будет в пределах нормальной популяции, также будет 95%, но вероятность того, что оба теста будут нормальными, равна 0.95 ² = 0,90. Если заказано 10 тестов, что часто случается, вероятность того, что все они находятся в пределах 95% -ного интервала, составляет 0,60. С другой стороны, некоторые биохимические параметры демонстрируют значительные биологические вариации, поэтому у пациента с патологическим состоянием также возможно получить результат теста в пределах референсного интервала (рис. 1).

Нажмите для увеличения

Рис. 1: Нормальные распределения со средним значением = 10 и средним значением = 18, стандартным отклонением = 2. 95% значений находятся в пределах ± 2 × SD.

Таким образом, ненормальные результаты не всегда указывают на болезнь или патологическую ситуацию, а нормальный результат не всегда указывает на отсутствие болезни. Конечно, чем более ненормальный результат, тем больше вероятность того, что он связан с патологическим состоянием.

При установлении референсного интервала некоторые биохимические параметры не будут иметь нормального распределения. Часто встречаются так называемые асимметричные распределения, но данные часто можно преобразовать в нормальное распределение, применив логарифмическое преобразование.Без преобразования около 95% наблюдений все равно будут находиться в пределах 2 стандартных отклонений, но эти 5% вне пределов вполне могут оказаться на одном конце.

Чтобы избежать этого, можно использовать непараметрическую статистику для определения 2,5-го и 97,5-го процентилей, или, проще говоря, вам может потребоваться определить контрольные пределы, чтобы 2,5% результатов было вырезано с каждой стороны распределения. Для некоторых параметров было решено использовать 99-й процентиль, чтобы 1% результатов находился в верхнем диапазоне.

Интервал может часто отличаться в зависимости от возраста, пола, размера или этнического происхождения, поэтому сбор данных из огромного количества лабораторных тестов для установления референсного интервала — трудоемкое и дорогостоящее дело. Для многих коммерческих аналитических методов производитель устанавливает референсный интервал. Чтобы использовать это, необходимо подчеркнуть, что интервал должен быть четко определен и подходить для демографического населения.

В последние годы в крупных проектах с участием нескольких лабораторий из разных стран участвовали в сборе и измерении образцов с целью установления общих референсных интервалов.Таким образом, референсные интервалы для наиболее распространенных аналитов были установлены на основе большого количества данных, например Северный эталонный интервальный проект (NORIP).

ТАБЛИЦА I: Референсные интервалы для креатинина

Установление референсного интервала, таким образом, позволяет клиницисту сравнивать результаты от индивидуума с результатами от популяции и тем самым использовать тот факт, что внутрииндивидуальные биологические вариации, даже если они могут быть значительными, намного меньше, чем вариация для рассматриваемой популяции.

Внутрииндивидуальная биологическая изменчивость

Несмотря на то, что индивидуум может значительно отличаться от нормальной популяции, тем не менее важно учитывать внутрииндивидуальные вариации рассматриваемого биохимического параметра. Многие аналиты измеряются с более высоким или более низким результатом, в зависимости от колебаний компонентов жидкости тела вокруг заданного гомеостатического значения. Таким образом, сезонные колебания, биологические циклы или ритмы, потребление пищи, упражнения или просто время суток могут повлиять на параметр, который необходимо измерить.

Это, конечно, представляет особый интерес при сравнении результатов теста пациента с предыдущим, например в связи с оценкой лечения. При этом клиницист должен принять во внимание биологические вариации и провести критическую оценку изменений, наблюдаемых в результатах.

Не всегда существует четкая граница между здоровьем и болезнью, но, тем не менее, существует тенденция интерпретировать лабораторные тесты как здоровье или болезнь. Таким образом, при использовании пределов эталонного интервала будут некоторые случаи, которые вызовут ненужную ложную тревогу.

Например, во время развития болезни, на первых стадиях или в процессе прогрессирования, биологическая изменчивость представляет собой потенциальный риск ложной интерпретации. Аналогичным образом, для некоторых количеств биологическая изменчивость в патологических состояниях выше, чем в здоровом состоянии, и диагностическая ценность теста снижается.

Биологическая вариация может быть оценена на основе измеренных значений аналитической вариации (CV):

CV _всего ² = CV _{аналитический} ² + CV _{биологический} ² и, следовательно:

CV _{биологический} =

Биологическая вариация для биохимического параметра — это мера того, насколько большое увеличение / уменьшение, как можно ожидать, внесет вклад в аналитическую вариацию в нормальной ситуации.

Зная биологические и аналитические вариации внутри индивида (промежуточные), можно определить, можно ли интерпретировать результат теста как существенно отличающийся от предыдущего, полученного пациентом, и принять во внимание так называемое критическое различие. Определяя статистическую вероятность, критическую разницу (CD) можно рассчитать как:

CD =

CD = 2,77 *

Фактор 2,77 равен разности z-статистики, равной 1.96 для этого примера с вероятностью 0,05 (5%), что результат вызван случайным отклонением. Z-оценка зависит исключительно от вероятности, выбранной для значимости, и от того, являются ли изменения однонаправленными (рост ИЛИ падение) или двунаправленными. Примеры значений z можно найти у Фрейзера [2].

Чаще всего клинициста интересуют двунаправленные изменения с вероятностью 5%, что означает, что, как правило, мы будем искать различия, превышающие 2,8 * CV.

Таким образом, знание биологических вариаций внутри индивида имеет абсолютное значение для оценки лабораторных результатов.

Пример:

Глюкоза измеряется как в плазме, так и в глюкозе цельной крови. Внутрииндивидуальная биологическая вариация для глюкозы составляет CV _{биологическая} ~ 6%, тогда как аналитическая вариация CV _{аналитическая} ~ 2% для глюкозы в плазме и 3-4% для цельной крови. Тогда ежедневное отклонение пациента будет:

CV _{глюкозы} = =

6,3% для глюкозы плазмы

Теперь вычисляем критическую разность CD = 2.77 * = 18% означает, что два значения теста на глюкозу, которые расходятся более чем на 18%, будут значительно отличаться.

При мониторинге диабета или нарушения толерантности к глюкозе (IGT) существуют рекомендуемые значения концентрации глюкозы в плазме натощак (FPG):

• FPG
• 7,0 ммоль / л> FPG ≥ 5,6 ммоль / л ~ IGT
• ГПН ≥ 7,0 ммоль / л ~ диабет.

При сравнении результатов испытаний с рекомендованными пределами необходимо учитывать биологические и аналитические ошибки.

Точность и прецизионность

Когда образец измеряется несколько раз, редко получают одинаковые результаты каждый раз. Вместо этого результаты будут более или менее отклоняться в зависимости от точности метода измерения. Точно так же измерение образца двумя разными методами редко дает точно такие же результаты, но различаются более или менее в зависимости от точности методов.

Таким образом, два основных фактора, влияющих на аналитическую неопределенность, — это точность (неточность) и точность (систематическая ошибка), каждая из которых вносит вклад в случайные и систематические ошибки.Точность определяется как степень, в которой повторные измерения в неизменных условиях показывают одинаковые результаты. В лаборатории термин неточность чаще используется для обозначения случайных аналитических ошибок, влияющих на результаты.

Точность определяется как степень близости измерений величины к ее фактическому или принятому значению. Однако чаще всего термин «систематическая погрешность», который соответствует степени погрешности, используется в лаборатории для описания систематических различий между методами измерения или между методом и эталонным значением.

При определении точности важно использовать концентрации аналита, близкие к пределам клинического решения. Для каждой концентрации рассчитывается среднее значение (M) и стандартное отклонение (SD):

SD =

Стандартное отклонение или так называемый коэффициент вариации (CV), который представляет собой стандартное отклонение в процентах от среднего, является мерой точности:

CV =

SD представляет собой сумму всех изменений, влияющих на анализ.Это, например, испытательный прибор, различные технологи, занимающиеся анализом, условия окружающей среды и просто повседневные изменения. Тогда SD является мерой межсерийной точности.

При определении систематической ошибки среднее значение серии измерений на образце сравнивается с известной концентрацией аналита в образце или с ожидаемым значением. Величину смещения можно определить с помощью соответствующего стандартного материала (например, сертифицированного стандартного материала), содержащего известную концентрацию аналита.

В лаборатории клинической химии систематическая ошибка метода обычно определяется путем сравнения результатов с результатами ряда других лабораторий, измеряющих тот же материал образца. Это межлабораторное сравнение, известное как проверка квалификации, подразумевает, что лаборатория регулярно получает образцы с неизвестной концентрацией аналита.

Обычно сравнение проводится с лабораториями, использующими ту же методологию, и затем сравнение показывает способность лаборатории достичь правильного результата теста.Как указано, смещение вызвано систематическими ошибками, такими как калибровка, изменение реагента (номер партии) и т. Д., И соответствующие неточности, SD или CV по отношению к эталонному значению или межлабораторное сравнение является мерой смещения метода. Эти типы ошибок независимы в том смысле, что вы можете проводить анализ с высокой точностью, но с низкой точностью, и наоборот.

Обычно в лаборатории, когда два или более прибора используются для одного анализа, регулярное сравнение методов и проверка систематической ошибки проводятся путем параллельного анализа.Оборудование, используемое для тестирования в местах оказания медицинской помощи (POCT), является хорошим примером с довольно большим количеством инструментов по всей больнице. Таким образом, для результата пациента не должно иметь значения, был ли образец проанализирован на приборе №1, приборе №2, №3 или №10.

Часто точность и предвзятость иллюстрируются стрельбой в цель. Отклонение от центра соответствует смещению, а точность соответствует расширению пулевых отверстий.

Аналитическая вариация может значительно повлиять на надежность лабораторного теста, в частности, когда биологическая вариация мала по сравнению с аналитической ошибкой.При интерпретации результата теста врач должен иметь возможность знать систематическую ошибку и точность метода или общую ошибку (TE) для метода:

TE = B + 1.96 * I

B = систематическая ошибка, I = неточность, уровень значимости 95%). Это может быть сопроводительный или легко доступный метод или таблица данных (в лабораторной информационной системе или в Интернете). Для многих лабораторных тестов программы внешней оценки качества или правительственные постановления (например, CLIA) предоставляют значения для приемлемой аналитической вариации, так называемые общие допустимые ошибки (TE _a ), которые включают неточность и систематическую ошибку измерения.

Обратите внимание, что систематическая ошибка как систематическое различие между тестом и эталонным (истинным) значением не имеет отношения к тесту, который не стандартизирован; примером может служить тест D-димера.

Примером важности аналитической ошибки является измерение С-реактивного белка (СРБ) в качестве реагента острой фазы и в качестве теста на риск сердечно-сосудистых заболеваний. Как реагент острой фазы СРБ может резко увеличиваться в ответ, например, на инфекции, и тест измеряет более широкий диапазон уровней CRP.

Из-за высокой неточности нижних диапазонов этого метода недостаточно для проверки риска сердечно-сосудистых заболеваний. Для прогнозирования сердечно-сосудистых заболеваний анализ должен уметь различать значения CRP:

• > 1,0 мг / л и
• > 3,0 мг / л (высокий риск)

(Американская кардиологическая ассоциация и Центры США по контролю и профилактике заболеваний). Безусловно, очень важна точность выполнения аналитического метода.Однако несколько высокочувствительных анализов CRP показывают аналитическую погрешность в диапазоне 5-10%, и этого, вероятно, будет недостаточно. Согласно Westgard [3] допустимое значение CV действительно должно быть около нуля.

Чувствительность и специфичность

В терминологии клинической биохимии чувствительный метод обычно означает, что анализ может измерять низкие концентрации аналита, а специфичность означает способность метода измерять сам аналит без вмешательства других веществ в исследуемой пробе.Таким образом, терминология здесь относится к аналитической чувствительности и аналитической специфичности.

При интерпретации лабораторных тестов мы говорим о клинической или диагностической чувствительности и специфичности, которые касаются возможности того, есть ли у пациента заболевание или нет. Для клинициста диагностическая чувствительность и специфичность являются важными вопросами, которые показывают, насколько надежен тест и насколько он подходит для предполагаемой цели.

Когда лабораторный результат показывает значение, соответствующее определенному болезненному состоянию, есть две возможности: болезнь может присутствовать или болезнь может отсутствовать.В первом случае мы имеем дело с истинно положительным (TP) результатом, а во втором — с ложноположительным (FP) результатом для заболевания. Точно так же, если результат показывает отсутствие болезни, человек может быть свободен от болезни или действительно болен. В этом случае у нас есть истинно отрицательные (TN) или ложноотрицательные (FN) соответственно.

Диагностическая чувствительность — это мера доли фактических положительных результатов, которые правильно определены как положительные. Таким образом, это мера способности аналитического метода идентифицировать конкретное заболевание.Чувствительность рассчитывается как процент истинно положительных результатов (TP) среди всех больных (рис. 2):

Нажмите для увеличения

Рис. 2: Нормальные распределения, со средним значением = 10 и средним значением = 18, стандартным отклонением = 2. 95% значений находятся в пределах ± 2 × SD.
Для отсечки на 95% красный = ложноотрицательный, синий = ложноположительный

TP / (TP + FN)

Точно так же диагностическая специфичность измеряет долю правильно идентифицированных негативов и, таким образом, является мерой способности метода исключить конкретное заболевание.Затем рассчитывается специфичность как процент истинно отрицательных результатов (TN) среди всех без заболевания:

TN / (TN + FP)

Тест, показывающий, что женщина не беременна, когда она на самом деле беременна, является примером теста с низкой чувствительностью, тогда как тест с низкой специфичностью — это тест, показывающий беременность, когда женщина не беременна.

Несмотря на то, что метод тестирования обладает высокой специфичностью и высокой чувствительностью, вы не обязательно получите правильный ответ для постановки диагноза.Это в значительной степени зависит от распространенности заболевания; это количество людей с заболеванием в данной популяции, особенно при низкой распространенности.

Например, очень редкое заболевание и лабораторный тест на это заболевание с чувствительностью и специфичностью менее 100%. Вероятность ложноположительных результатов высока, и, таким образом, получается низкая прогнозируемая ценность.

Прогностическая ценность — это вероятность наличия заболевания при положительном результате теста или отсутствия заболевания при отрицательном результате теста.В формуле это можно отобразить так:

Прогнозирующая ценность положительного результата теста: PPV = TP / (TP + FP)

Прогнозирующая ценность отрицательного результата теста: NPV = TN / (TN + FN)

Таким образом, прогностические значения зависят от чувствительности, специфичности и распространенности и, таким образом, представляют вероятность того, что положительный тест отражает основное состояние, на которое проводится тестирование.

Заключение

Некоторые параметры важны при интерпретации лабораторных результатов, и, кроме того, интерпретация также зависит от причины, по которой запрашивается тест — будь то диагностическая цель, мониторинг или скрининг.Если тест запрашивается для исключения диагноза, то требуется высокочувствительный тест; если это необходимо для диагностики заболевания высокого риска, то необходим высокоспецифический параметр.

Интерпретация лабораторных результатов фактически начинается с того, что клиницист запрашивает правильный тест для клинической проблемы, с которой он / она сталкивается. Ожидается, что результат предоставит информацию, которая поддержит решение о последующем лечении. Какие действия будут предприняты, зависит от понимания врачом лабораторных результатов и от того, как реагировать на эту информацию.Этот круг от рассмотрения лабораторных анализов до интерпретации и действий — это цикл от мозга к мозгу [4].

Цикл от мозга к мозгу включает в себя знание:

• Преаналитические параметры
• Биохимический тест
• Биологическая вариация
• Подходящее время для взятия соответствующих проб
• Аналитические параметры
• Точность
• Неточность
• Диагностическая чувствительность и специфичность
• Постаналитические параметры
• Пределы клинического решения
• Количество отказов
• Клиническая интерпретация

Многие исследования были сосредоточены на ошибках на преаналитической и аналитической фазах, но меньше на постаналитических ошибках.Можно предположить высокий уровень ошибок при сборе проб, идентификации и штрих-кодировании, анализе и отчетности, но эти ошибки кажутся менее частыми по сравнению с ошибками при выборе правильного теста и ошибками в интерпретации результата. Согласно Laposata [5], исследование показало, что при нарушении свертываемости крови примерно 75% случаев были связаны с неверной интерпретацией результатов теста на определенном уровне.

По данным литературы 70-80% решений в диагностике основываются на лабораторных результатах.В лаборатории многое делается для помощи в интерпретации результатов, помимо эталонных значений, ошибок измерения, отмеченных результатов и т. Д.

Однако очевидно, что еще многое предстоит сделать для улучшения представления данных — и информации; информация, которая может помочь медицинскому персоналу правильно использовать лабораторную информацию. Сетевые лабораторные информационные системы можно улучшить с помощью средств принятия решений и инструментов, которые учитывают знания, основанные на фактах.

4.4 Интерпретация и представление результатов

4.4 Интерпретация и представление результатов

Содержание
— Назад — Далее

4,4
Интерпретация и представление результатов

После
процесс сбора и обработки данных, это было бы необходимо
выполнить некоторую интерпретацию этих данных, чтобы обеспечить
более читабельная информация, а также для выделения аспектов
которые заслуживают особого внимания, но могут быть спрятаны внутри
более длинный отчет с данными.

4.4.1
Представление результатов для технических целей

Это
сложно дать рекомендации по подготовке технического
интерпретация результатов, потому что это будет зависеть от
полученная информация, характеристики исследуемой территории и
также на опыте команды. Тем не менее, этот отчет
должен охватывать следующие вопросы:

• Короткое
описание знаний о проблемах эрозии в
площадь до реализации программы измерений,
что оправдало выбор данного участка для измерения.

•
Оценка новых качественных и количественных аспектов
эрозионных процессов, изученных в ходе Программы. Эрозия
и нормы стока наносов для отдельных событий или усредненные
здесь следует подвести итоги года вместе с некоторыми
информация о коэффициентах стока и растворенных твердых веществах
концентрации.

•
Оценка достоверности полученных данных с
некоторое обсуждение поведения концентраций донных отложений
во время событий сходство или различия между
события, сезонные закономерности эрозии и наносов
транспортировка событий, и репрезентативность событий
произошедшее в течение периода измерения, учитывая
долгосрочные ставки.Преимущества или ограничения
программу измерений следует обсудить здесь.

•
Наконец, оценка актуальности эрозии и
скорость выхода наносов, измеренная с учетом проблем
деградация земель, ухудшение качества воды и ущерб
гидротехнические сооружения.

реализация программы измерения эрозии в
Экспериментальная площадка требует привлечения группы специалистов.Ориентация на состав и посвящение такого
команда представлена ​​на основе опыта, приобретенного в
три полевых участка во время реализации пилотного проекта.

необходимые приборы будут также резюмированы, и
будет указана стоимость инструментов.

следующие оценки необходимого персонала, времени и
оборудование изготовлено на базе типовой опытной площадки
описанный в главе 3, и сроком на три года.Этот
время считается подходящим для процесса отбора и
установка экспериментальной площадки, в том числе первый год
полноценное функционирование и сбор данных, обработка и
реализация.

Кому
облегчить понимание, инструменты и другие
будут представлены аспекты оборудования экспериментальной площадки.
сначала, затем следует оценка необходимого персонала и
указание о программе выездного визита.

необходимое оборудование в составе:

• поле
приборостроение;
• вспомогательный
оборудование; и
• лаборатория
для анализа проб.

Рекомендации
об экспериментальной площадке были представлены и могут быть
резюмируется как: расширение до 20 км ² , три или более
водосборы, оборудованные в той же экспериментальной зоне, контроль
гарантированное землепользование в долгосрочной перспективе, простая доступность
разрешено экспериментальными целями, защита от
стихийные бедствия и вандализм, устойчивость канала в пределах досягаемости
измерение.

Поле
приборы, подробно представленные в главе 3, состоят из
из:

• Сток
структура управления.Лоток или водослив в зависимости от обстоятельств
загрузочного транспорта потока.

•
Регистратор данных. Два счетных канала. Минимальная автономность одного
месяц с частотой записи 5 минут. Щелочные батареи
со сроком службы более 12 месяцев.

•
Датчик уровня воды. Электронное устройство для преобразования воды
уровень в электронный импульс. Непосредственно читается
Регистратор данных. Емкостное сенсорное устройство рекомендуется для
полузасушливые условия.

•
Прибор для отбора проб взвешенных отложений. Два одновременных
рекомендуемые системы: а) программируемая подача воды
прибор запускается регистратором данных или другим уровнем воды
пороговый механизм срабатывания и возможность вывода сигналов на
регистратор данных для записи точного времени отбора проб; б) а
сифонное устройство для отбора проб, состоящее из серии бутылок на
разной высоты, на которой отбираются пробы воды при разной воде
уровни по мере повышения гидрографа.Это сделано во избежание пропуска
верхняя часть гидрографа. Бутылки установлены
в панели, установленной в вертикальном направлении потока.

•
Станции регистрации осадков. Минимум один регистратор дождя
на гидрометрическую станцию. Механизм опрокидывающегося ковша
плювиометры, подключенные к регистратору данных и с 0,2 мм
разрешение, рекомендуется.

вспомогательное оборудование перечислено в главе 3. Из всех
процитированные инструменты и материалы, счета портативных компьютеров
за хорошую часть стоимости.Необходимо подчеркнуть его
особенности надежности, прочности, автономности и веса. А
водонепроницаемая сумка — важный аксессуар, а также кабели, вилки
или специальные интерфейсные устройства для связи с регистратором данных
и необходимое программное обеспечение для передачи данных на компьютер.

лабораторное оборудование также подробно описано в главе 3. К стоимости
перечисленного материала необходимо прибавить стоимость
комнатные и условные объекты и услуги (водоснабжение,
электричество, обслуживание и т. д…), который обычно предоставляется
агентство-исполнитель.

рекомендованный персонал, необходимый на три года внедрения
включая год полной эксплуатации состоит из:

• Исследования
руководитель, ответственный за проект. Опытный исследователь в
почвы и гидрология поверхности. Обеспечивает дизайн, направление и
авторский надзор за проектом. Неполное посвящение
проект. 12 чел. / Мес.

•
Ассистент руководителя исследования. Опытный исследователь почв.
и / или гидрология поверхности. Он или она исполнительный
исследователь проекта, постоянное участие. Иметь возможность
взять на себя руководство, если того потребуют обстоятельства. 36 человек / мес.

•
Двое младших исследователей. Постдокторантура (Ph.D.) или докторантура
исследователи почв или гидрологии. Ответственный за выполнение
эксплуатация проекта под непосредственным контролем
научный сотрудник.Монтаж оборудования,
контрольно-измерительные приборы, сбор данных, обработка и
интерпретация. Эксплуатация установок и обслуживание.
Лабораторный анализ. 2 x 36 чел / мес

•
Вспомогательный (нетехнический) персонал. Один полевой помощник,
в основном для обслуживания и хранения установок.
Желательно с проживанием в непосредственной близости от экспериментального
площадь. 12 человек / мес. Персонал секретариата в основном для
производство документов и общая помощь в управлении.12
человеко / мес.

программа посещения во многом обусловлена ​​погодой:

• один или два
еженедельные выезды в дождливую погоду для обслуживания пробоотборников;
• один раз в месяц
визит для восстановления данных; и
• возможные посещения
во время сброса для прямого отбора проб, технического обслуживания и
общий надзор за эксплуатацией.

финансирование исследовательских инициатив по измерению эрозии может
возникают из разных источников в зависимости от контекста
конкретный исследовательский проект.Первоисточником должен быть
бюджет на исследования на национальном уровне. Если национальная эрозия
Программа управления настроена в соответствии с рекомендациями, она должна обеспечивать
адекватные механизмы для направления необходимых средств на исследования.

Международный
или наднациональные организации могут играть важную роль в
некоторые случаи. Комиссия Европейских сообществ по исследованиям
Программа предоставляет значительные средства для исследовательских проектов по
окружающей среды, среди них проекты измерения эрозии
включены.Это финансирование ограничено странами-членами, но
Комиссия Европейских сообществ (CEC) имеет другие
программы, ориентированные на страны, не являющиеся членами. В этом контексте и
особенно нацелен на сотрудничество со Средиземноморьем
государства, не являющиеся членами, программа MEDA должна быть подчеркнута, потому что
его важности и потенциального источника финансирования проектов в
различные области, в том числе экологическое сотрудничество (CEC,
1996).

Соединенные
Система Наций традиционно предоставляет возможности финансирования для
прикладные исследовательские проекты в области наук о Земле,
сельское хозяйство, водные ресурсы, охрана окружающей среды и др…
Участвуют несколько агентств ООН, среди них ФАО, ЮНЕСКО,
Следует указать ПРООН и ЮНЕП.

Содержание
— Назад — Далее

Интерпретация статистических результатов | Медицина Интенсив

Введение

Клинические исследования — это незаменимое средство для развития научных знаний и их внедрения в повседневную клиническую практику, чтобы предоставить пациентам наилучшие возможности для восстановления или улучшения своего здоровья, понимаемого как годы и качество жизни.1

Но для этого нам понадобятся инструменты, позволяющие проводить исследования, описывать биологическую реальность, облегчать понимание клинических исследований и позволять манипулировать посредством экспериментов, чтобы установить связи между стимулами (лекарствами, хирургической техникой и т. Д. .) и интересные результаты.

Статистические методы — это математические модели, требующие определенных знаний для их интерпретации. 2.3 Без адекватного понимания обобщение результатов исследования может быть бесполезным или опасным.С этической точки зрения4 очень важно приложить усилия для понимания, если мы хотим быть в курсе научных достижений.4 Кроме того, с учетом огромного объема научной продукции, доступной сегодня, подпитываемой необходимостью профессионального продвижения публикаций, важно знать, как интерпретировать статистические результаты, чтобы отличать важные вещи от неважных, развивать аналитический дух 5 и оценивать любые возможные последствия для нашей клинической и исследовательской практики.

Цель этого исследования — предоставить общую точку зрения на интерпретацию наиболее распространенных статистических результатов и выделить все ограничения и потенциальные ошибки (Таблица 1) для адекватного понимания таких результатов.Информация может быть более базовой или более сложной, не очень полной, но она всегда необходима и всегда будет относиться к ее использованию в клинических исследованиях тяжелобольного пациента.

Сводная статистика

Сводная статистика позволяет нам визуализировать характеристики распределения данных, синтезируя измерение изменения переменной, и они являются базовыми понятиями в статистике. Среднее арифметическое — это сумма каждого значения, деленная на общее количество особей в данной популяции.На него влияет наличие экстремальных значений, поэтому он не подходит для не очень однородных распределений 6, таких как пребывание в отделении интенсивной терапии. Усеченное среднее исключает экстремальные значения, а режим соответствует наиболее распространенному значению в распределении; однако полезность обоих ограничена.

Дисперсия — это индикатор, используемый для определения степени разделения одного массива (набора данных) по отношению к его среднему арифметическому, хотя обычно мы используем стандартное отклонение (SD) как квадратный корень из дисперсии, выраженной в тех же единицах измерения. переменная.7 SD показывает дисперсию распределения, которая на один SD выше среднего обычно указывает на асимметричное распределение (когда количество случаев выше при высоких или низких значениях, таких как пребывание в отделении интенсивной терапии). Если распределение нормальное, оно покажет значения, в которых мы находим 68% (± 1SD), 95% (± 2SD) или 99,7% (± 3SD) данных. Отсюда и популярное выражение «среднее ± стандартное отклонение», хотя здесь предпочтение отдается термину «среднее значение» (SD).

Когда распределение переменной асимметрично, мы используем меры, основанные на порядке.Среднее значение — это основное значение, полученное после упорядочивания значений. Квартили, децили или процентили являются результатом деления упорядоченной выборки на 4, 10 или 100 равных частей. Среднее значение соответствует 2-му квартилю, 5-му децилю и 50-му процентилю. В этих случаях предпочтительными средними дисперсиями являются процентили 25 и 75 или разница между ними, называемая межквартильным интервалом (IQR). Это не то же самое, что диапазон переменной, указывающий на верхний и нижний пределы переменной. Пребывание в ОИТ или количество дней на ИВЛ — это значения асимметричного распределения, которые мы скорее выражаем, используя средние значения и процентили 25–75 или IQR.8

Графические представления

Распределения количественных переменных обычно представлены в виде гистограмм (столбчатых диаграмм) или диаграмм дисперсии (точечная диаграмма). Коробчатые диаграммы (рис. 1) очень указывают на распределение одной переменной. Поле ограничено снизу вверх квартилями Q1 и Q3 со средним значением в центре. Крылья коробки содержат даже самое низкое меньшее значение и предел Q3, по крайней мере, в 1,5 раза превышающий IQR. Значения выше этого запаса являются отдаленными значениями (выше Q3 + 1.5 × IQR) и экстремальные значения (выше Q3 + 3 × IQR).

Распространенность и заболеваемость

Распространенность — это доля случаев в данной популяции, демонстрирующих определенный признак или заболевание. Распространенность может быть точечной распространенностью или распространенностью периода, когда анализируется промежуток времени от t0 до t1 и популяция подсчитывается в середине интервала. Исследования реестра ENVIN-UCI являются примером последнего типа дизайна.9 Исследования распространенности оценивают глобальные тенденции и позволяют нам генерировать гипотезы, но не причинно-следственные связи.

Заболеваемость — это количество новых случаев данного заболевания или признака в популяции за период времени. Кумулятивная заболеваемость — это доля пациентов из группы риска, у которых не было болезни в течение определенного периода времени. Уровень заболеваемости (также называемый плотностью заболеваемости [ID]) — это количество новых случаев за определенный период времени, деленное на сумму единиц времени, подверженных риску, для каждого индивидуума, подвергшегося воздействию.

Например, в популяции из 200 пациентов в критическом состоянии, интубированных по крайней мере в течение 48 часов, в течение одного месяца наблюдается 16 связанных с ИВЛ пневмоний (ВАП).Риск или кумулятивная частота ВАП составит 16/200 = 8% для каждого человека или 8 на каждые 100 пациентов, которым ежемесячно проводится ИВЛ. У тяжелобольных пациентов измерение кумулятивной заболеваемости может быть малоинформативным, поскольку меняются факторы риска и возникают потери (умершие пациенты или пациенты, у которых отсутствует фактор риска, такой как искусственная вентиляция легких). В этом случае мы можем использовать актуарную модель, которая учитывает эти потери, или ID. Последний показатель, который мы используем для инфекций, связанных с устройствами (ИВЛ, катетеры).Он измеряется в обратных единицах времени (6 ВАП на каждые 1000 пациентов в день на ИВЛ, 3 инфекции, связанные с катетером, на каждые 1000 пациентов, носящих катетер в день). Оценка единиц времени, связанных с риском, может быть очень важной, поскольку она не добавляет кумулятивных эффектов, вызванных сохранением факторов. Это не то же самое, что 500 пациентов, проводящих 3 дня на ИВЛ, чем 300 пациентов, проводящих 5 дней, и это не то же самое, что один пациент с несколькими катетерами и в общей сложности 6 люменов, что пациент с двухпросветным катетером, даже если в знаменателе одинаковый.По договоренности здесь учитывается общая сумма дней, потраченных на ИВЛ, и общая сумма дней ношения катетера.10

Меры ассоциации

Меры ассоциации количественно определяют существующую взаимосвязь между двумя различными переменными. Их цель — установить, существует ли реальная связь между воздействием или признаком и данным состоянием или заболеванием, хотя это не предполагает причинной связи. Эти меры позволяют установить, различается ли частота признака (заболевания) у пациентов, подвергшихся воздействию данной переменной.

Абсолютная разница в процентах. Также известна как разница рисков, относительный риск, избыточный риск или абсолютное снижение риска. Он показывает, насколько увеличился или уменьшился риск данного события в зависимости от группы событий. Это абсолютный показатель, который предоставляет ограниченную информацию, потому что снижение на 1% может быть очень важным, когда базальный риск составляет 2%, но незначительным, когда начальный риск достигает 30%.

Отношение шансов заболевания. Шансы — это термин, используемый в азартных играх, и он показывает, каковы шансы на получение того или иного результата.Например, если вероятность выживания пациента составляет 75%, а вероятность его смерти составляет 25%, шансы на выживание будут составлять 75% / 25%, или 3-1, или просто 3, чтобы упростить. Это означает, что вероятность выживания пациента в три раза выше, чем вероятность его смерти.

Относительная разница в процентах. Также называется относительной разницей риска (RRD) или относительным снижением риска (RRR). Это разница риска или заболеваемости, деленная на заболеваемость в группе сравнения. Он показывает, насколько реально варьируется риск смены группы сравнения.Он используется для расчета величины эффекта. Например, переход от уровня заболеваемости 0,99% к уровню заболеваемости 0,75% может быть более или менее клинически значимым, но снижение относительного риска на 24% (те же данные) гораздо более впечатляюще, особенно если доверительный интервал такой оценки не равен включены.11

Соотношение пропорций. Также называется относительным риском или степенью риска (ОР). Это наиболее успешный индикатор из всех, и он оценивается как соотношение заболеваемости в группе, подвергшейся воздействию, по сравнению с коэффициентом заболеваемости в группе, не подвергшейся воздействию.Он интерпретируется как количество раз, когда риск возникновения события увеличивается или уменьшается в зависимости от воздействия. RR> 1 указывает на более высокий риск; нулевой эффект при значении 1;

1 руб. Свидетельствует о более низком риске. Поскольку это относительный показатель, он должен сопровождаться данными об абсолютной заболеваемости, чтобы можно было оценить клиническую значимость эффекта. Коэффициент смертности 0,03% по сравнению с коэффициентом смертности 0,01% даст RR = 3. С другой стороны, клиническое влияние этой ассоциации может быть неуместным.RR1 может быть трудно интерпретировать. RR = 0,20 не свидетельствует о снижении риска на 20%, но указывает на 1 / 0,20 — риск, который в 5 раз ниже.

Продольные исследования и клинические испытания используют одну статистическую концепцию, известную как число, необходимое для лечения (NNT). Он говорит нам, сколько людей нужно будет пролечить, чтобы добиться дополнительного положительного результата или избежать отрицательного. Он оценивается с использованием обратной величины абсолютной разности заболеваемости.

Отношение шансов. Его интерпретация зависит от контекста дизайна исследования, в котором он используется.В случае исследований и контрольных исследований фактический уровень заболеваемости в группе, не подвергшейся воздействию, неизвестен, поскольку не проводится последующее наблюдение за всей популяцией, вместо этого выбирается одна репрезентативная выборка из этой группы. При этом невозможно узнать реальный RR, поскольку у нас нет данных о заболеваемости не подвергшихся воздействию. Тем не менее, мы можем знать вероятность воздействия фактора риска в группах, подвергшихся и не подвергавшихся воздействию; то есть самые высокие шансы облучения пациента и самые высокие шансы облучения не-пациента.Это отношение шансов мы называем ИЛИ в клинических и контрольных исследованиях. Его интерпретация представляет собой оценку коэффициента заболеваемости в исходной популяции при условии, что выбор средств контроля происходил независимо от воздействия.

Доверительные интервалы

Все меры, принятые в выборке субъектов, представляют собой оценку фактических показателей в общей популяции, что мы и хотим знать. Каждый раз, когда мы выбираем выборку, мы хотим, чтобы она была репрезентативной для всей совокупности, поэтому мы используем критерии включения и исключения, которые облегчают проведение определенного исследования и не создают чрезмерных различий с целевой группой, поэтому мы можем обобщить результаты.

Чтобы оценить оценку показателя, мы используем доверительные интервалы (ДИ), обычно равные 95%. Девяносто пять процентов (95%) доверительных интервалов не означают, что существует 95% -ный шанс найти эту меру в этом интервале в реальной популяции. ДИ девяноста пять процентов (95%) означает, что мы уверены, что используемый метод даст нам выборки, которые в 95% случаев должны генерировать оценку, включенную в этот интервал. Но это не означает, что в реальной совокупности показатель включен в этот интервал.Он может быть включен, а может и не быть (рис. 2).

Корреляция и согласованность

Линейная регрессия — это процедура, которую мы используем для установления линейной корреляции (y = a + bx) в поведении двух переменных. Это можно увидеть графически, когда облако точек, созданное с помощью пар переменных, приближается к прямой линии, что поможет нам определить значения одной переменной на основе другой.

Корреляция — это линейная связь между двумя независимыми переменными, которая устанавливается как асимметрия в поведении обеих.Важно подчеркнуть, что корреляции не подразумевают наличие причинно-следственной связи, но что между двумя переменными существует какая-то связь с промежуточной переменной.12

Чтобы измерить корреляцию между двумя переменными, мы используем ковариацию или ее стандартизацию, то есть коэффициент корреляции Пирсона r. Этот индекс требует нормального распределения переменных и варьируется от -1 (отрицательная корреляция) до +1 (положительная корреляция). Когда его значение близко к 0, линейной корреляции нет.В случаях, когда распределение не является нормальным, мы можем использовать коэффициенты ранговой корреляции Спирмена или Кендалла, чтобы найти нелинейные корреляции.

Чтобы интерпретировать корреляции, мы не должны забывать, что коэффициент Пирсона r измеряет линейную корреляцию, но мы также можем иметь нелинейные корреляции между различными переменными. Важно иметь объективные меры и проверять влияние экстремальных значений. Корреляции должны иметь определенную логику при создании ассоциации, избегая ложных ассоциаций, отношений «часть-целое» (APACHE II с почечной дисфункцией) или переменных с расчетными значениями (pH и избыток оснований).Корреляции также часто и неправильно используются в качестве анализа соответствия между различными инструментами для измерения одной переменной.

Исследования надежности анализируют вариации при измерении одной переменной с использованием одного инструмента измерения и одного и того же наблюдателя (внутри наблюдателя) или нескольких наблюдателей (между наблюдателями) или согласования между двумя инструментами измерения.13 Эти исследования распространены в медицине интенсивной терапии, и они оценивают инвазивные параметры неинвазивными средствами. Соответствие между различными показателями качественных переменных использует индекс каппа, который измеряет согласие между экспертами, вычитая возможность совпадения случайно.Он колеблется от 1 (максимальное соответствие) до значений, которые могут быть отрицательными. Подсчитано, что значения индекса каппа> 0,6 указывают на хорошее соответствие, а значения 14 Индекс каппа не следует использовать в качественных группах количественных переменных.

Соответствие количественных переменных измеряет коэффициент межклассовой корреляции (ICC), который анализирует дисперсию субъектов, инструмент измерения и ошибки, допущенные при измерении.15 Было согласовано, что хорошее соответствие должно быть больше нуля.75. Одним из наглядных и простых способов проверить соответствие количественных переменных является график Бланда – Альтмана, который показывает индивидуальные различия между показателями и их отношение к их среднему значению16. Мы не должны забывать, что в этих исследованиях, даже если он может совпадать с ICC, корреляция — не лучший метод анализа (рис. 3).

Валидность и точность исследований

В исследовании валидность можно определить как внутреннюю и внешнюю согласованность результатов. Это вселяет уверенность в том, что полученные данные представляют реальность, которую мы хотим наблюдать.Если мы проводим исследование тяжелобольных пациентов с сепсисом и используем критерии сепсиса, которые не обновлялись, то согласованность результатов нарушается и, как следствие, внутренняя достоверность. Если не включать пациентов с ослабленным иммунитетом, то выборка может не быть репрезентативной для всей популяции пациентов с сепсисом, что может поставить под угрозу внешнюю валидность. Внутренняя валидность является непременным условием исследования, а внешняя валидность дает нам возможность обобщить полученные результаты.Кроме того, мы должны быть осторожны с ошибками отбора (таблица 2). Одно из этих предубеждений рассматривает тяжелобольного пациента как пациента определенного типа, а не как клиническую ситуацию как таковую, возникающую при различных заболеваниях. У нас могут быть систематические ошибки в информации из-за разного количества регистров в отделении интенсивной терапии и предшествующих госпитализациях, что может создавать проблемы при оценке представляющих интерес переменных среди пациентов с разным предыдущим пребыванием в отделении интенсивной терапии17.

Точность исследования — это предел погрешности. с которыми были получены результаты.В основном это зависит от размера выборки, но не только от этого. Существуют конструкции и способы реестров, а также эффективные анализы, которые мы можем использовать для большей точности, например, количественные переменные вместо качественных или проведение анализа выживаемости вместо анализа результата как одной дихотомической переменной.

Тесты статистической значимости

Тесты статистической значимости стали популярными у Фишера, который использовал байесовский подход, чтобы предложить следующую аналитическую модель: принимая одну нулевую гипотезу H0 (отсутствие различий между двумя вариантами лечения) как истинную, проводится эксперимент, который даст определенные результаты, а затем вероятность p оценивается так, как если бы H0 было истинным.Очень маленькое значение p заставит нас искать альтернативу H0, хотя оно не будет автоматически отклонять его.

Почти одновременно Нейман и Пирсон предложили альтернативный метод, основанный на существовании двух (2) гипотез — нулевой гипотезы H0 (нет различий между двумя вариантами лечения) и альтернативы h2 (есть некоторые различия) — и ошибки типа I (сделанные при рассмотрении h2 действительным, когда H0 истинно) и ошибки типа II (сделанные при рассмотрении H0 действительным, когда h2 истинно). Цель эксперимента состояла в том, чтобы выбрать один из двух вариантов, основанный на вероятности совершения ошибок типа I (риск α) или ошибок типа II (риск β).

Сегодня мы используем один комбинированный метод18, определяя одну нулевую гипотезу H0 и планируя эксперимент для обнаружения некоторой разницы. Затем оценивается вероятность p получения таких результатов, считая H0 истинным. Если значение p мало, то действительность H0 будет отклонена (то есть нет различий), а если нет, то не будет, но и не будет принята. Это означает, что отсутствие статистической значимости в исследовании не интерпретируется как терапевтическая эквивалентность.19

Конечная навязчивая идея исследователей получить p

0,0520 основана на общем консенсусе в отношении точного теста Фишера21, который пытается решить, можно ли считать статистически значимым результат, полученный случайно не чаще одного раза на каждые 20 испытаний. Однако желаемое значение p зависит от размера выборки, а не от размера разницы, поэтому все, что нам нужно, это иметь более крупные выборки, чтобы получить «статистически значимые» результаты22. Исследователь несет ответственность за интерпретацию можно ли считать статистически значимый результат клинически значимым.23,24 Статья, недавно опубликованная в NEJM, в которой изучалось 49 331 экстренная госпитализация из-за сепсиса25, статистически показывает, что риск госпитальной смертности увеличивается на 4% каждый час (OR 1,04 [95% ДИ: 1,02–1,05]; p0,001), когда некоторые меры не были реализованы (гемокультуры, антибиотикотерапия и жидкости) в течение 3-часового окна возможностей. Сравнительная таблица показывает, как разница между выполнением вышеупомянутых мер в течение 3 часов или между 3 и 12 часами увеличивает уровень смертности с 22.От 6% до 23,6%. Эти проценты не будут интерпретироваться как разные в любом другом исследовании с разумным количеством пациентов, но здесь им дается значительное значение p благодаря огромному размеру выборки. Именно клиницисты несут ответственность за интерпретацию того, насколько на самом деле важно это увеличение смертности, и, очевидно, это зависит не только от значения p. Мы всегда должны помнить, что значение p не измеряет размер эффекта.

Одномерный анализ исследует одну и ту же переменную в разных группах людей, у которых есть одна характеристика, такая как фактор риска, или которые получают терапию.Мы используем тесты, которые могут применяться к количественным переменным, когда распределения являются нормальными (t-критерий Стьюдента для 2 выборок, ANOVA для нескольких выборок) или нет (U-критерий Манна – Уитни для 2 выборок, критерий Краскела – Уоллиса для нескольких выборок, Вилкоксона тест на повторные измерения). Чтобы определить, следует ли одна переменная модели нормального распределения, используются тест Колмогорова-Смирнова и тест Шапиро-Уилка. Для качественных переменных мы будем использовать критерий хи-квадрат Пирсона или точный критерий Фишера.

Для статистиков становится все более популярным продвигать байесовскую статистику как наиболее адекватный метод приближения к реальности клинических исследований26.

Интерпретация многомерного анализа

Эти методы используются для изучения математической взаимосвязи нескольких переменных в одном массиве ( набор данных). Появление пакетов статистического программного обеспечения с мощными анализаторами популяризировало их и придало их результатам большую убедительность. Однако сложность многомерного анализа заключается не в необходимых математических инструментах, а в последовательности предлагаемых гипотез, адекватном выборе переменных, применении соответствующих методов и тщательной интерпретации таких гипотез.

Адекватный методологический подход включает характеристику исследуемой популяции, анализируемые переменные, ассоциацию, которая должна быть изучена, и определение критериев включения для получения репрезентативной выборки такой популяции. При интерпретации многомерного анализа важнее всего знать, включены ли в модель соответствующие переменные, а не понимать значение результатов. Однако многомерный анализ не решит проблему отсутствия важного фактора в искомой связи.Напротив, включение многих переменных не улучшает модель. Рекомендуется не менее 10 случаев инцидентов для каждой включенной переменной27. Как сила, так и корректировка полученной модели очень важны и могут быть оценены с помощью таких тестов, как критерий согласия Хосмера-Лемешоу (хотя он подвергался критике, потому что он ищет «несущественность»), тест логарифмического отношения правдоподобия −2 (−2LL), который тем ниже, чем больше он приспособлен к модели данных, и R в квадрате Нагелькерке, который оценивает процент вариации объясняемой переменной по модели.

Связь между переменными, определенными многомерным анализом, не подразумевает причинно-следственной связи. Классические критерии причинно-следственной связи Брэдфорд-Хилла основаны на научном здравом смысле, а не на математических результатах28 (таблица 3). Важно проявлять осторожность при интерпретации статистически значимых результатов, которые могут иметь ложную связь с независимой переменной. Эти методы помогают нам оценить смешанные переменные, которые затрудняют установление и понимание причинно-следственной связи, но их следует использовать сознательно в анализе.29

Множественная регрессия

Множественная регрессия пытается установить связь, используя одно уравнение, обычно линейное, между различными значениями количественных переменных. Он ищет математические ассоциации, применяя одну функцию между значением одной переменной (зависимой) и значением других (независимой). В условиях интенсивной терапии его можно использовать для косвенной оценки интересующего значения (альвеолярно-артериальный градиент кислорода) на основе значений других переменных, полученных с помощью неинвазивных методов (PaO2 / FiO2, PEEP, APACHE IV и ДИВАН).30 Сгенерированные коэффициенты показывают, как зависимая переменная изменяется в зависимости от значений независимых переменных.

Логистическая регрессия

Он изучает взаимосвязь между независимыми качественными или количественными переменными и одной независимой качественной переменной, обычно дихотомической, такой как уровень смертности. ИЛИ, созданное для независимых переменных, показывает, насколько вероятно, что определенное значение встречается в зависимой переменной на основе значения этой переменной. Например, если исследование показывает, что существует связь между неадекватной эмпирической антибактериальной терапией и уровнем смертности от сепсиса через 30 дней с OR 2, то считается, что риск смертности через 30 дней удваивается у пациентов с сепсисом плюс неадекватный режим приема антибиотиков.Как характеристика выбранной выборки, так и выбор переменных имеют первостепенное значение для оценки влияния других переменных, которые могут создать путаницу или взаимодействие с моделью. Смешивающие переменные — это внешние переменные в отношении до воздействия, связанные как с воздействием, так и с заболеванием. Они вызывают предвзятость при оценке эффекта и могут создавать ложные эффекты, маскировать фактический эффект или даже обращать его вспять, а также возникают из-за неравномерного распределения в группах риска.В нашем примере, если в отобранной выборке высок процент хирургического сепсиса, влияние неадекватной эмпирической схемы приема антибиотиков будет намного ниже, чем если бы в выбранной выборке был высокий процент медицинского сепсиса.31 Взаимодействие происходит всякий раз, когда переменные меняют интенсивность или направление связи между фактором риска и эффектом. Взаимодействие не означает неразберихи, потому что распределение по группам риска не отличается.

Многовариантный анализ логистической регрессии также является инструментом для получения баллов, которые используются для перспективной оценки шансов события.Бета-оценки, генерируемые логистической моделью, на основе которой оценивается OR, используются для ранжирования определенных значений переменных, а затем генерируются баллы для оценки риска данного пациента.32 Это случай прогностических оценок, таких как APACHE, MPM или SAPS. Однако это не относится к шкале SOFA или шкале травматизма легких, хотя их связь с показателем смертности была недавно подтверждена.33

Регрессионные модели для данных о выживаемости

Базовый анализ выживаемости проводится с использованием метода Каплана-Мейера, который Функция выживания определяет предполагаемую вероятность дожить до времени t.Кривые можно сравнить с тестом логарифмического ранга (Мантела – Кокса), но этот метод не изучает другие связанные переменные.

Модель регрессии Кокса создает связь между независимыми переменными и другой зависящей от времени переменной: выживаемостью. Статистическая выживаемость показывает не только время до смерти, но и исследуемое время без событий. Оценщики, генерируемые этой моделью, называются степенью риска или отношением (HR), и они интерпретируются в зависимости от того, насколько высока HR, когда переменная увеличивается на одну единицу.Интерпретация HR отличается от интерпретации OR логистической регрессии.34 OR измеряет повышенный риск результата, возникающего независимо от времени, в то время как HR измеряет повышенные риски в единицу времени. Таким образом, результаты этих двух методов не взаимозаменяемы. Модель регрессии Кокса предполагает, что анализируемые переменные риска будут присутствовать в течение всего времени наблюдения, чтобы оказывать свое влияние. Это может быть диабет или возраст, но не другие переменные, которые измеряются время от времени, такие как оценка APACHE II, измеренная при поступлении, или реанимационный сепсис.Тем не менее, в наши дни это широко используемый метод35, который очень хорошо приспособлен к реальным потребностям анализа выживаемости у пациентов в критическом состоянии.

Интерпретация результатов диагностических тестов

Инструменты, используемые для оценки диагностических возможностей тестов, несложны, но их необходимо внедрять без промедления. Чувствительность — это доля больных с положительным результатом теста. Специфичность — это доля здоровых испытуемых с отрицательным результатом теста. Эти значения не зависят от распространенности заболевания, но варьируются в зависимости от тяжести первоначальной клинической картины.Чувствительность и специфичность основаны на предметах, которые, как мы уже знаем, больны или нет, и классифицируют тест в зависимости от того, попали ли они в цель. В процессе лечения чаще используются прогнозные значения. Они основаны на результатах анализов для определения вероятности заболевания. Прогнозирующая ценность положительного результата (PPV) показывает долю испытуемых с положительным результатом теста, которые действительно болеют. Прогнозирующая ценность отрицательного результата (NPV) показывает долю субъектов с отрицательным результатом теста, но не больных.

Прогностические значения напрямую связаны с распространенностью заболевания среди населения, к которому они применяются. Это называется вероятностью предварительного тестирования и обусловливает результаты этих индикаторов. Например, PPV прокальцитонина для лечения инфекций в амбулаторных популяциях отличается по сравнению с популяциями пациентов ER или ICU36. Другой способ анализа результатов диагностического теста — использование отношений правдоподобия. Положительные отношения правдоподобия показывают, насколько вероятно, что диагностический тест будет положительным у реального пациента по сравнению с отсутствием пациента.Это эквивалентно чувствительности и отношению правдоподобия специфичности. Отрицательные отношения правдоподобия являются обратными отношениям правдоподобия положительных результатов, и они показывают, насколько вероятно, что диагностический тест будет отрицательным у не-пациента по сравнению с реальным пациентом. Коэффициенты правдоподобия не зависят от распространенности и очень полезны в клинической практике.

Кривые ROC (рабочие характеристики приемника) используются в количественных тестах, и мы можем назначить одну диагностическую чувствительность и отношение правдоподобия специфичности к каждому значению или интервалу результатов.Это позволяет нам построить одну кривую с парами диагностической чувствительности и 1-специфичности, что эквивалентно положительным отношениям правдоподобия.37 Они измеряются с использованием площади под кривой (AUC). AUC интерпретируется как вероятность того, что при случайном выборе одного больного человека и одного здорового человека больной имеет диагностическую ценность по сравнению со здоровым. Диагональ кривой представляет собой AUC 0,5 с вероятностью 50%, что классификация верна, что эквивалентно сценарию случайного возникновения.Таким образом, чем ближе ROC-кривая подходит к диагонали, тем более показательным является диагностический тест с низкой ценностью. Кривые ROC устанавливают точку отсечения максимальной чувствительности и специфичности для данного теста (рис. 4). Кроме того, AUC можно сравнивать с помощью непараметрических тестов, таких как тест Делонга.

Выводы

Статистические инструменты должны улучшить нашу способность понимать биологическую реальность и результаты, которые приносят наши вмешательства. Их адекватное использование и интерпретация имеют важное значение для улучшения здоровья наших пациентов.

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов, связанного с этой рукописью.

Результаты / Выводы и интерпретация

Результаты / Выводы и интерпретация

Введение

Ведутся споры о том, возможно ли объективно сообщить о результатах ,
без какой-либо интерпретации этих результатов.Даже если это — это
возможно, это делает чтение очень скучным.

Зачем использовать прошедшее время при сообщении результатов
?

Так же, как метод дает отчет о том, что
вы сделали , Результаты
В разделе представлен отчет о том, что вы нашли .В разделе результатов требуется, чтобы вы рассказывали об учетной записи так, как если бы она
история: это было , в прошлом , а сейчас сообщается
как-то в прошлом. Это также относится к тому, что ваши респонденты ответили или сообщили
в любом интервью или ответах на анкету.

.