T bbi Yay n Haz rlamada Özgün Teknik Öneriler

Transkript

1 .Ü. Cerrahpafla T p Fakültesi Sürekli T p E itimi Etkinlikleri Araflt rmalar ve Etik Sempozyum Dizisi No: 50 May s 2006; s T bbi Yay n Haz rlamada Özgün Teknik Öneriler Prof. Dr. Mustafa fienocak 1. G R fi - YAPISAL EK ÖGELER Yay n n özellikle Bulgular bölümü, nesnel sonuçlar sunan tablo ve grafikler (çizimler) de içerir. Bunlar bilgileri özetleyerek ve daha h zl, rahat alg - lan r bir görsellikle sunmay amaçlarlar. Tüm bilimsel çal flmalar, ayn zamanda istatistiksel yarg lamalar da içerir. Bu yarg lamalar ço unlukla tablo ve grafikler içinde de yer al rlar ayr ca yöntem-gereç bölümünde gere inde istatistiksel de erlendirme yöntemlerinin neler oldu una iliflkin aç klamalar da bulunur. Afla daki alt-bölümlerde tüm bu özelliklere k saca de inilecektir. 2. B YO STAT ST KSEL DE ERLEND RME PUÇLARI Tüm bilimsel çal flmalar, sonuçlar n n güvenilirli i ve nesnelli i aç s ndan biyoistatistiksel de erlendirmeler içermek zorundad rlar. Bu de erlendirmeler, çal flman n içeri i ve tasar m na ba l olarak büyük çeflitlilikler gösterebilir. Bilimsel araflt rmalarda, bazen nesnel olarak dile getirilmemifl olsa da bir veya daha fazla varsay m bulunmal d r. Örne in yeni bir tedavi yönteminin eski yönteme göre daha uzun yaflam süresi sa layaca n düflünmek bir varsay md r ve araflt rma bunun do rulu unu saptamak üzere yap l r.bir varsay m mutlaka kesin nesnel ölçütlerle belirtilmek tan mlanmak durumundad r ve çözümleyici bir araflt rman n amac bu varsay m n geçerlili ini kan tlamakt r. Genelde do ada özelde T p ta, Biyolojide, kesin (% 100 de iflmez) durumlar ve sonuçlar bulunmad için de erlendirmede de her zaman belli bir hata yapma flans göz önünde bulundurulur. Geçerli bir varsay m, do ru kabul edildi inde, yanl fl karar verilmifl ol- 19

2 Mustafa fienocak ma flans çok düflük olan varsay md r. Bu düflük flans s n r olarak da I. tip hata veya a tipi hata olarak önkabulsel bir de er al n r. T p ve biyolojik bilimler için bu s n r genellikle (önkabulsel olarak) % 5 dir ve 0.05 olarak simgelenir. Bir araflt rman n sonuç irdelenmesi,varsay m n kabul edilmesi durumunda, yap lmas söz konusu olan a hatas n n düzeyini p simgesi alt nda yans t r. Böylece p de eri varsay m için, geçerlili inde yan lma olas l - olarak belirtilir.sonuçta, de erlendirilen bir varsay m için p>0.05 durumuna eriflilmifl olmas, o varsay m n genelde geçerli olamayacak kadar yüksek bir yan lma flans içerdi ini gösterir. Buna karfl l k p<0.05 durumu, de erlendirilen varsay m n göz ard edilebilecek kadar düflük yan lma flans oldu- unun yani genel bir geçerlilikle kabul edilebilece inin göstergesidir. Dolay - s ile bu düzeyde bir yan lma flans tafl yan varsay mlar do ru kabul edilerek, çal flma bafllang c ndaki önermeler bazen soru olarak gündeme getirilmifl olabilirler - geçerli kabul edilir. Baz yay nlar, p düzeyini, istatistiksel de erlendirmede bulunmufl olan gerçek sonucu ile p=0.034 gibi verebilmektedirler. Bu de erin anlaml l k s - n r olarak kabul edilmifl olan önkabul de erden büyük veya küçük oldu una dikkat etmek yarg için yeterlidir. Baz dergiler p de erinin do rudan sunumunu zorunlu tutmaktad rlar. zleme kolayl olsun diye izin veren dergilerde - baz yay nlarda da çeflitli p düzeyleri özel simgelere atanabilir - (NS): p>0.05, (*): p<0.05, (**): p<0.01, vs gibi ve her k yassal durumun sonunda bu simgeler kullan labilir. Sonuçlarda kullan lan temel istatistiksel yarg terimi ise Anlaml olmak d r. Anlaml olmak ; ilgilenilen varsay m n, yeni, bilinenden farkl oldu unun veya en kabas ndan k yaslanan iki büyüklü ün, nedensel de iflikliklere dayand r lacak kadar farkl oldu unun aç klamas d r. Bu çerçevedeki terimsel birliktelikler flöyledir; p>0.05 : Anlaml fark bulunamad (AD : Anlaml de il, NS : Not significant) p< 0.05 (p<0.01, p<0.001) : Anlaml fark bulundu. Her varsay m aç k olarak belirtilmifl olmayabilir. Çeflitli de iflkenlerin, de iflik kümelerdeki nicel düzeyleri, gerekli istatistiksel yaklafl mlarla saptan p yarg land nda e er anlaml fark bulunabildi ise, bu, kümelerden birin- 20

3 T bbi Yay n Haz rlamada Özgün Teknik Öneriler de daha yüksek olarak saptanm fl olan düzeyin, gerçekten, rastlant lara yer b rakmayacak flekilde, büyük oldu unu gösterecektir. Örne in, varsay m dile getirilmemifl olsa bile afla daki tablodan edinilen bilgi; A kümesi B kümesi p (N = 101) (N = 55) Yafl(y l) 74.3 ± ± 11.5 <0.001 A kümesinin yafl n n, B kümesinden daha yüksek oldu unu ve bu konuda yan lma flans n n çok düflük oldu unu vurgulayacakt r. Bir çal flma, tasar m çerçevesinde, pek çok p düzeyi üretebilir, bunlar n her biri orada say sal büyüklükleri ile sunulan de iflkenlerin bilimsel aç dan birbirlerine göre yüksek-alçak say lmalar n yans tmaktad r. statistiksel yarg laman n, biraz da felsefi say labilecek en önemli taraf, sonucu, klinik gözlemlerle de ba daflt rarak de erlendirmektir. statistiksel aç dan çok ileri düzeyde anlaml - p<0.001 bulunmas na karfl n, klinik aç dan hiç bir özellik tafl mayacak farkl laflmalar olabilir. Bunun karfl t olarak da istatistiksel anlaml l k düzeyine eriflilememesine karfl n, klinik gözlemler çerçevesinde büyük de iflimlerin- yararlar n gözlendi i konumlarla karfl lafl labilir. statistiksel anlams zl n, yöntembilimsel pek çok nedeni olabilir ve ancak uygun koflullar yerine getirildi inde böylesi hatalar ortadan kalkabilir. Ancak, her aç dan yeterli ve güvenilir koflullarda gerçeklefltirilmifl araflt rmalarda e er klinik aç dan da farkl lafl m gözlenebiliyorsa, s n r düzeyde istatistiksel anlams zl klar > p >0.05 -, varsay m n reddedilmesi için neden olmamal d r. Bu koflullarda klinikçinin yorumu daha öne ç kart labilir. 3. STAT ST KSEL S MGELEME Bir bilimsel yay n haz rlarken veya okurken, biyoistatistik konusunda uzman olunmasa bile, çal flmay iyi aktarmak veya anlamak aç s ndan, baz lar - na mutlaka, baz lar na çok s k rastlanan istatistik simge, terim ve kavramlar tan mak uygun olur. Afla da bu tür bilgilere iliflkin çok k sa bir liste, özet aç klamalar ile sunulmaktad r: 21

4 Mustafa fienocak Tan mlay c istatistik: Verilerin özet istatistik de erlerinin sunuldu u (olgu say lar, özek de erler, da l m özellikleri, s kl klar, vs), yarg lama yap lmad de erlendirmelerdir. Çözümleyici istatistik: Verilerin, yarg lamas yap lan varsay m çerçevesinde, k yassal veya birlikte de iflim özellikleri çerçevesinde de erlendirilmesidir. Bu amaçla pek çok farkl istatistiksel de erlendirme yöntemi (test) kullan l r. n : olgu say s, belirli say da bir toplum parças veya örneklem için geçerlidir. p : Genel anlamda olas l k karfl l. Temel kullan m, istatistiksel yarg - da, varsay m n kabul edilmesi durumunda yap lacak olan I. Tip hatan n düzeyini belirtmektir. Bir özelli in toplumsal s kl n göstermek için de kullan labilmektedir (bu amaçla kullan labilir p de kullan labilmektedir ). xi : Bir veri setinde genellikle nicel verilerden herhangi biri. `x : üst çizgili x ; aritmetik ortalama (örneklem kümesi için) m : ; aritmetik ortalama (toplumsal bir özellik için) SD : standart sapma (örneklem kümesi için), SD 2 : Varyans (örneklem) s : standart sapma (toplumsal özellik için), s2 : Varyans (toplum) sd : serbestlik derecesi (df : degree of freedom) SE: standart hata (standart error) Standart sapmalar ve standart hatalar aritmetik ortalaman n devam na ± simgesi ile eklenirler. CI : Güven aral (Confidence Interval) ; belli yüzde ile gösterilir (% 95, % 90 CI gibi ) ve bu s n r de erler belirtilir :Ör.: % 95 CI ( ) d : Genelde fark durumlar n simgeler, Meta analiz de etki büyüklü ü olarak da kullan labilir. t (student s t), z, F, X 2, (ki-kare) : Çeflitli istatistiksel de erlendirme testlerinin simgeleri. r : Korelasyon katsay s (Basit, do rusal korelasyon), iki nicelik aras ndaki do rusal birlikte de iflimin simgesi R 2 : Belirtme katsay s ; r nin karesi, birlikte de iflimin gücünü yans t r OR, RR : Göreli de erlendirme simgeleri ; Odds Ratio, Risk Ratio e : Genel anlamda beklenen, kuramsal olarak hesaplanan de erleri simgeler. 22

5 T bbi Yay n Haz rlamada Özgün Teknik Öneriler Regresyon: De iflkenler aras birlikte de iflimin matematiksel modellemesi. Basit, çoklu, lojistik, Cox, vs gibi, konunun özelli ine ve de iflkenlerin say - s, tipine göre farkl laflan pek çok çeflidi bulunur. Bivariat (Çift de iflkenli) çözümleme: Bir sonucun sadece bir nedene dayand r lmas n temel alan istatistiksel yarg lamad r. Genelde bu tür durumlar do al olarak bulunmazlar ancak çal flma tasar m n n özelli i çerçevesinde yapay olarak ortaya ç kabilirler veya çoklu çözümlemeler ile birlikte yarg lamada yard mc olarak gerçeklefltirilebilirler. Bir seferde birden fazla de iflkenin sonuca etkisinin konumsal de erlendirmesi ise Çokde iflkenli (Multivariat) yarg lama yöntemleri ile gerçeklefltirilir. 4. YÖNTEMB L MSEL ve B YO STAT ST KSEL B LG LER N YAYIN Ç NDE SUNULMASI Bu çerçevedeki bilgiler, yay n n Yöntem ve Gereçler bölümünde yer al rlar, olgular n araflt rmaya al nma-seçilme ölçütleri ile birlikte bu al nma-atamaya iliflkin yöntembilimsel önlemler (Randomizasyon: rassalllama, körlük, vs) de uygun yerde aç klan r. statistiksel de erlendirme için, son zamanlara özel bir bölüm oluflturuldu u saptanmaktad r. Bu bölüm örneklem say s n n hesaplanmas n, nesnel ölçütlerle aç klayarak bafllamakta, kullan lan tekniklerin aç klanmas ile sürmektedir. Örneklem hesaplamas ster tan mlay c ister çözümleyici, tüm araflt rmalarda durumsal bir öngörü veya belli bir nedensellik varsay m n n kan tlanmas amaçlan r. Bu amaç, nesnel verileri ile tan mlanabilir dolay s ile araflt r c bu nesnel sonuca güvenilir olarak var labilmesi için gereken en az örneklem say s n da çal flma öncesi hesaplar. Bu hesaplamalarla ilgili formüller ve yaz l mlar ilgilenilen konunun özellikleri çerçevesinde, istatistik kitaplar nda, internet sitelerinde, vs bulunabilmektedir. Çözümleyici çal flmalarda, bu büyüklü ün, Güven düzeyi : I. Tip hata pay d fl nda kalan olas l k ve Güç : II. Tip hata pay d fl nda kalan olas l k : Power önkabulleri ile belirlenmesi zaten bilimsel bir zorunluluktur. Randomizasyon: Rassalllama Çözümleyici araflt rmalar n en güveniliri kabul edilen Randomize Klinik Araflt rmalarda, randomizasyonun varl, yöntemi, varsa gereçleri (rassal say lar tablosu, bilgisayarda rassal üretim gibi, rassal atama merkezince bildi- 23

6 Mustafa fienocak rim, vs) aç klanmal d r. Son dönemlerde özellikle Randomize Klinik Araflt rmalarda randomizasyonun (rassallaman n) gizlili i de önem tafl maktad r ve olgular n da l m n n tedavi bafllayana dek gizli kalmas esas al nmaktad r. Bu sürecin nas l sa land na iliflkin bilgiler, randomizasyonu gerçeklefltirenler, sonuçlar n aktar m yollar (merkezi telefon, say land r lm fl kutular vs) çeflitli dergilerce bildirimi zorunlu özellikler olarak istenebilmektedir. Körlük Çal flma, herhangi bir flekilde kat l mc lar n n kör olmas n gerektiriyorsa bunun bildirilmesi, gere inde yönteminin aç klanmas gerekmektedir. Çeflitli araflt rma tiplerinde o alan n ve/veya çal flman n koflullar na ba l olarak 1-4 körleme yap labilir. Sadece hastalar n kör olabilmesinin yan s ra, tedavi giriflimini uygulayanlar n, sonuçlar saptayan-belirleyenlerin hatta verileri elektronik ortama iflleyen ve de erlendirenlerin de kör olmas n n istenebildi i konumlar vard r. Ender de olsa körlü ün iyi uygulan p uygulanmad - n ölçümleyen yöntemlerin de kullan ld çal flmalara rastlanmaktad r. Çeflitli k lavuzlar ve/veya yay n de erlendirme ölçütleri 3-4 aflamal körlü ü önermekte ve denetlemektedirler ancak do ald r ki tüm araflt rmalar bu koflullar sa layamaz. Buna karfl l k sak nca tafl mayan çal flmalarda tüm körlük aflamalar n n uygulanmas na giderek daha fazla özen gösterilmektedir. statistiksel de erlendirme yöntemleri Çal flmada kullan lacak istatistiksel özetleyiciler :(ortalama, SD, SE gibi) bildirilir. Da l m özeliklerine iliflkin bilgiler (% 95 güven s n rlar gibi) de giderek zorunlu olmaktad r. statistiksel çözümleyici yarg lar n yap ld araflt rmalarda kullan lan statistiksel yöntemler aç k olarak ve gere inde seçim nedenleri vurgulanarak belirtilmelidir. Çözümlemede kullan lan istatistiksel bilgisayar yaz l m n n ad da belirtilebilir ; bu yaz l m n Kay tl (registrated) olmas büyük önem tafl r. Anlaml l k düzeyi olarak seçilen p düzeyi belirtilir ve de erlenidrmenin çift veya tek yönlü yap ld aç klan r. Veriler, belli bir dönüfltürme (transformasyon) yap larak de erlendirilmekte ise bu dönüfltürme ifllemi aç klan r. istatistiksel terimler bilinen teknik adlar ile verilir ve gere inde bu çerçevede kullan lan terimler, k saltmalar ve semboller ayr nt l bir flekilde tan mlanmal d r 24

7 T bbi Yay n Haz rlamada Özgün Teknik Öneriler 5. TABLOLAR Tablolar, çal flma kümelerinin temel özelliklerini ve araflt rma konusu olan özelliklerini aç kça özetleyecek flekilde kurgulan r. Özelliklerin nesnel de erleri gerekli verileri ile (nicel özellikler için; olgu say s, ortalama, standart sapma, gere inde medyan, gere inde da l m aral Range -, nitel özellikler için; olgu say lar ve toplam içindeki yüzdeler, vs) ve varsa k yassal sonuçlar ile (p düzeyleri) sunulabilir. Ortaya ç kan özel durumlar için (olgu kaybolmas gibi) uygun aç klama yöntemleri de sunulmal d r. Tablolarda genellikle düfley çizgilerden tamamen kaç n l r, düfley çizgilerin ise ancak gereklileri verilir. Bazen tablolardaki durumlarla, bafll klarla ilgili özel bilgilerin verilmesi gerekebilir, bunlar tablo alt nda dipnot olarak sunulurlar; simgeleme için; *,,,,,,**,, iflaretleri kullan l r. Afla da çeflitli durumlar ve tasar m düzenleri için sanal örnekler sunulmaktad r. Do al olarak bu örneklerin d fl nda araflt rma tasar mlar na sahip pek çok çal flma tipi ve istatistiksel de erlendirme yöntemi bulunmaktad r ve bunlar n çok farkl ç kt lar olabilir. Bu örnekler sadece temel yaklafl mlar vurgulamak için verilmektedir. Tablo 1. TEMEL ÖZELL KLER Özellik Olgu kümesi Denetim kümesi p ( N = 101) ( N = 55) Yafl(y l) 74.3 ± ± 11.5 <0.001 Cinsiyet say (%) 0.13 : AD Erkek 46 ( 45.5) 32 ( 58.2) Kad n 55 (54.5) 23 ( 41.8) Aile öyküsü- say (%) 45 (44.6) 6 ( 10.9) Albümin (g/l) 43.3 ± ± : AD Genellikle tüm çal flmalarda, araflt rma örnekleminin öncül tan t m, konu ile ilgili özelliklerinin vurgulanmas ile sunulur. Araflt rman n sonuçlar aç s ndan, bafllang ç özelliklerinin düzeyi, da l m önem tafl yorsa, çal flma k yassal yarg lamalar içeren bir tasar ma sahipse, gere inde öncül durumlar aç s ndan, araflt rma kümelerinin yarg lamas n n sunulmas da uygun olacakt r. 25

8 Mustafa fienocak Tablo 2. ÇALIfiMAYA ÖZGÜ KIYASSAL ÖZELL KLER Özellik Olgu kümesi Denetim kümesi p (N = 101) (N = 55) Total Kolestrol (mg/dl) Çal flma öncesi (-1 gün) ± ± : AD Çal flma 3. gün ± ± : AD -1. güne göre de iflim (p) : AD Çal flma 7. gün ± ± güne göre de iflim (p) < Çal flman n tasar m özelliklerine ba l olarak, çeflitli süreçlerde, çeflitli k - yassal yarg lar bulunabilir ve bunlar birden fazla boyut tafl yabilirler, Tablolar olabildi ince anlafl l r flekilde tüm boyutlar yans tma özelli i de tafl mal d r. Yukar daki tabloda hem izleme süreci içinde farkl lafl m hem de bu süreçteki kümesel k yaslar, sunulabilmektedir. Tablo 3. ÇALIfiMAYA ÖZGÜ KIYASSAL ÖZELL KLER Özellik A. Tedavi kümesi B. Tedavi kümesi p Oral Aft Tedavi öncesi Aft l olgu / Toplam Olgu 1 / / 19 AD Aft say s :Ort. ± SD,Medyan 4.3 ± 1.1, ± 1.8, 4 AD 1. Ay Konrol Aft l olgu / Toplam Olgu 12 / / Aft say s :Ort. ± SD,Medyan 2.3 ± 0.6, ± 1.1, Ay Konrol Aft l olgu / Toplam Olgu 2 / / Aft say s :Ort. ± SD,Medyan 0.15 ± 0.01, ± 0.7,

9 T bbi Yay n Haz rlamada Özgün Teknik Öneriler Tablo 4. ÇALIfiMAYA ÖZGÜ KIYASSAL ÖZELL KLER Özellik Tedavi Öncesi 4. hafta De iflim p St. Mark Skor Medyan (Range) Tedavi Kümesi (n=19) 10 ( ) 3 (2 4.25) <0.01 Plasebo ( n= 14) 9 ( 9 10) 8.25 ( )* AD Küme k yas (p) 0.74 : AD * : Bir olgu 2. haftada çal flmadan ç kar lm flt r. Tablo 5. ÇALIfiMAYA ÖZGÜ DURUMSAL ÖZELL KLER Komplikasyon Hasta say s (n _ 125) % Minör komplikasyon Supraventricular aritmi Transfüzyon Atelektazi 9 7 Enfeksiyon 6 5 Parezi 3 2 Majör komplikasyon Empiem 6 5 Pneumoni 5 4 Myokard infarktüs 2 2 Bronchopleural fistul 2 2 Ventricular aritmi 1 1 Pulmoner ödem

10 Mustafa fienocak Tablo 6. ÇALIfiMAYA ÖZGÜ KIYASSAL ÖZELL KLER Lojistik Regresyon de erlendirmesinde Majör komplikasyon- Risk faktörleri ilgisi Toplam Komplikasyonlu Olgu n % OR 95% CI Pneumonektomi Yok Var Squamous cell carcinoma Yok Var Sigara Hiç içmemifl Eski-Güncel içici Diabet Yok Var KKH Yok Var KOAH Yok Var Ç Z MLER (GRAF KLER) Yay nlarda, özellikle sonuçlar n görsel aç dan daha rahat alg lanabilmesi amac ile çeflitli tipte çizimler-grafikler kullan l r. Gerçekten de iyi haz rlanm fl çizimler, sonuç bölümün yaz sal k sm n nerede ise hiç okumadan, eriflilen durumu, tüm bilgileri ile de erler, istatistiksel yarg lama, vs yans tabilme özelli ine sahiptirler. Çizimler, araflt rman n da özelli ine uygun olarak genelde üç temel tipte ele al nabilirler; - K yassal Durum yans tan çizimler: Ansal de erlerin düzeyini yans tan, gere inde birden fazla kümenin k - yassal kümeler veya konu de iflkenin ölçümsel durumunu gösteren çizimlerdir. 28

11 T bbi Yay n Haz rlamada Özgün Teknik Öneriler Olgu-denetim çal flmalar nda da, süreç bafl ve sonundaki durumlarla ilgilenen klinik çal flmalarda da, kesitsel araflt rmalarda da kullan labilirler. Hem nitel hem nicel de iflkenler için geçerlidirler. 2 boyutlu bu çizimlerde, yatay eksen genellikle k yas kümelerini tafl r, düfley eksende ise bu kümelerin gerçek düzeysel de erleri, ölçekli olarak yans - t l r. Genellikle sütun grafikler olarak rastlan rlar. Sadece basit ortalamalar de il, de iflim de erlerine iliflkin bilgileri de (SD, SE veya güven aral klar ), özellikle nicel de iflkenler için yans tmal d rlar. Grafiklerin üzerinde, k yassal konumlarla ilgili istatistiksel yarg sonuçlar n yans tan p de erleri de, hangi k yassal durumu ilgilendirdi i belirtilerek gösterilebilir. Afla daki örnekte, sözü edilen özelliklerin hemen tümünü yans tan bir grafik sunulmaktad r. Durumsal özellikleri, k yaslamalarla birlikte yans tan bir grafik örne i. Çal flmalar her zaman nicel de iflkenlerle ilgilenmek durumunda de ildir, nitel özelliklerin durumu, da l m da gözlenir hatta niceliklerle ilgilenilen araflt rmalarda bile, temel özellikler aç s ndan, niteliklerin durumu da l m ve k yaslanmas s kl kla gündeme gelir. Böylesi durumlarda yatay eksen yine nitel durum kümelerini tafl mak üzere, say sal veya % da l mlar di er eksende yans t l r. Bir anda birden fazla nitel özelli i de bu çerçevede sunabilmek olas d r. 29

12 Mustafa fienocak - Süreçsel de iflim yans tan çizimler : Belli de iflkenlerin, çal flma süreci boyunca geçirdikleri düzeysel de iflimleri, sürecin belli anlar ndaki de erleri ile yans tan grafiklerdir. Bunlar da gere inde birden fazla kümenin k yassal kümeler durumunu ayn anda yans tabilirler. Klinik deneyler için, özellikle de süreç içinde birden fazla de er denetimi yap l yorsa uygundurlar. Bunlar da hem nitel hem nicel de iflkenler için kullan labilirler. Yatay eksen genellikle çal flman n sürecini, kendine ait özelliklerle yans t r; bu, ifllem-öncesi, ifllem-sonras gibi çok yal n bir süreç düzeni olabilece i gibi son derece karmafl k ve fazla anl olabilir. Düfley eksende ise konu de iflkenin düzeysel de erleri, ölçekli olarak yans t r ve gere inde birden fazla k yassal küme bulunabilir. Bunlar genellikle çizgi grafikler olarak adland r l rlar ve yine de iflim de erlerine iliflkin bilgileri de yans tabilirler. Grafiklerin üzerinde, k yassal konumlarla ilgili istatistiksel yarg sonuçlar n yans tan p de erleri de, hangi k yassal durumu ilgilendirdi i belirtilerek gösterilebilir. Burada istatistiksel de erlendirme, sürecin çeflitli anlar aras ndaki de iflimleri irdelemek amac ile yap labilir. Birbirini izleyen her dönem aras ndaki farkl lafl m irdelenebilece i gibi, her de erlendirme an, 30

13 T bbi Yay n Haz rlamada Özgün Teknik Öneriler çal flma bafllang c na göre de irdelenebilir. Ayn flekilde çal flmada birden fazla k yassal küme varsa, bunlar aras ndaki k yaslamalar da çeflitli süreç anlar çerçevesinde yans t labilir. Süreç in özellikleri ve ilgilenilen de iflkenin yap s çerçevesinde tipik örneklerine rastlan r. Afla daki örnekte, sözü edilen özelliklerin hemen tümünü yans tan, süreçsel de iflimle ilgili bir grafik sunulmaktad r. Bu grafikte yatay eksen araflt rma sürecine özgü kesim noktalar içermektedir. Düfley eksen ise konu edilen nicel bir de iflkenin de erlerini yans tmaktad r. De iflimsel özellikleri, k yaslamalarla birlikte yans tan bir grafik örne i. Süreçsel de iflimle ilgi en s k rastlanan bir di er tip grafik, düfley eksende, zaman içinde giderek azalan veya artan bir olay s kl n n bulundu u tiptir. 31

14 Mustafa fienocak Tipik bir izleme grafi i örne i. Böylesi grafikler zleme araflt rmalar için özeldir ve genellikle sa kal m (survival) ile ilgilidirler ancak tedaviye ba l olarak çeflitli olaylar n s kl ndaki azalma-ço almay yans tmak için de kullan l rlar. Yatay eksendeki zamansal birim, özel eflit aral klarla belirlenebildi i gibi olay n her gözlemlendi i an, yeni bir ölçümsel kesit olarak alarak da alabilir. - De iflkenler aras ba nt modelleri yans tan çizimler: 2 veya daha fazla de iflkenin, birbirleri aras nda bulunan çeflitli matematiksel ba nt modellerini yans tan çizimlerdir. Nicel de iflkenler aras ba nt lar aç s ndan ancak 3 eksen görüntülenebilir. Baz koflullarda özel çizelgeler olarak kullan lan ve belli de iflkenlerin düzeyleri verildi inde-iflaretlendi inde, aranan bir di erinin de erini do rudan verecek flekilde tasarlanm fl örnekleri de bulunur. Bu ana çizim tiplerinin pek çok alt tipleri bulunabilece i gibi, tümünde de sözünü etti imiz her özelli in bulunmas gerekmemektedir. Ancak amaç en k sa yoldan en aç k flekilde, olabildi ince fazla bilgi sunabilmekse, bir yay n n sonuç k sm nda bulunabilecek tüm bilgilerin bu görsel sunumlarda yer alabilece i unutulmamal d r. Grafiklerdeki bilgiler, istatistiksel de erlendirmenin ana özelliklerinden biri olan de iflim de erlerini de olabildi ince yans tabilmelidir. statistiksel yarg lamay görsel olarak en rahat yans tma yöntemlerinden biri de güven aral klar n n (Confidence Interval: CI) sim- 32

15 T bbi Yay n Haz rlamada Özgün Teknik Öneriler gesel olarak görüntülenebilmesidir. Tüm k yassal yarg lamalar bu de iflim de eri kullan larak, hata pay seçimi ile (örne in ; % 95 güven aral klar ), k yas kümeleri ögeleri aras ndaki farklar veya de iflim aral klar n aç k olarak yans tabilir. ki de iflken aras ndaki matematiksel ba nt modelini yans tan grafik. Afla daki örnekte, s k kullan lan bir istatistiksel yarg ölçütünün (OR), bir meta analiz çal flmas içinde yer alan 10 çal flma çerçevesinde, %95 güven aral (%95 CI) simgesel çizimleri kullan larak nas l yans t ld gösterilmektedir. 33

16 Mustafa fienocak De iflim de eri olarak, güven aral kullanan bir çal flma örne inde OR de erlerinin istatistiksel yarg lamada kullan m grafi i. - Olgu Ak fl de iflimini yans tan çizimler : Çeflitli araflt rmalarda, çal flman n özelli i çerçevesinde, bafllang çta var olan olgular, - bir k sm ilgilenilen nedenle olmak üzere çal flmadan ayr l rlar (veya kaybolurlar). Özellikle izleme araflt rmalar nda sonuç de erlendirmenin do ru yap labilmesi ve bu konuda di er tekniklerin kullan labilmesi : intention to treat aç s ndan olgu say s de ifliminin basamakl ve aç klamal olarak verilmesi uygun olmaktad r. CONSORT ilkelerinden birisi de olan böylesi aç klamalar bir ak fl çizelgesi (diagram ) olarak vermek en sa l kl çözüm olmaktad r. 34

17 T bbi Yay n Haz rlamada Özgün Teknik Öneriler zleme özellikli randomize çal flmalarda olgular n süreç içindeki say sal de iflimlerinin nedenleri ile aç klanmas n sa layan ak fl çizelgesi kal b. 35