BĠLGĠSAYARDA ĠSTATĠSTĠK ÇÖZÜMLEMELER

Transkript

1 BĠLGĠSAYARDA ĠSTATĠSTĠK ÇÖZÜMLEMELER DÖNEM III Yrd.Doç.Dr. Ġsmail YILDIZ Biyoistatistik ve Tıbbi BiliĢim AD Öğretim üyesi 1

2 FRĠEDMAN ĠKĠ YÖNLÜ VARYANS ANALĠZĠ TESTĠ: Friedman testi, iki yönlü varyans analizinin non parametrik alternatifi olan bir testtir. n birimlik bir gruptan k iģlem için sıralı, skor ya da aralıklı ölçekle elde edilmiģ veriler elde edilmiģ ise k iģlem etkisinin farklılığını test etmek amacıyla Friedman testi uygulanır.

3 NonParametric Analyze Friedman (Bağımlı 2 den fazla grup ortalaması) Nonparametric Test K Related samples Wilcoxon ile ikili KarĢılaĢtırmalar yapılır P <0.05 Ġstenilen verinin tekrarlı ölçümleri Test Variable kutusuna atılır est Statistics tablosunda Asymp Sig Değeri alınır Okey

4 1- Analyze butonuna basılır, 2- Nonparametric Tests butonuna basılır, 3- K Related Samples butonuna basılır

5 1-KarĢılaĢtırılmak istenen bağımlı değiģken çiftleri iģaretlenerek Test variable kutusuna atılır, 2- OK butonuna basılır. ĠĢlemin sonunda Output sayfası açılır 1 2

6 1- Test Statistic tablosuna bakılır bu tablodaki Asymp Sig satırı bizim için anlamlı P değerini verir, 2- Hb1 - Hb2-Hb3 ün P:0.120 yani P>0.05 yani Hb1, Hb2 ve Hb3 değerleri arasında anlamlı fark yok, 3- Eger P <0.05 olsa idi ikiģerli olarak karģılaģtırılması gerekirdi (Wilcoxon testi ile) 1 2

7 ÖRNEK: 4 birim üzerinde 3 farklı yönteme göre elde edilen test sonuçları skor değerler olarak aģağıdaki Ģekildeki gibi bulunmuģtur. Bireylerin puanları iģlemlere göre farklı mıdır?. Yöntem/ birim A B C

8 ÇÖZÜM: 1- a,b,c,adlı üç değiģken oluģturulur ve altına değerleri girilir.

9 2-Analiz> Nonparametric Tests>K-Related Samples seçeneği tıklanır.

10 3-Gelen pencerede Test Variables alanına a,b,c değiģkenleri taģınır 4-Test Type seçeneklerinden Friedman iģaretlenir ve OK tıklanır.

11 Bu çıktıya göre test sonucunda P=0,247>0,05 elde edilir. Birimlerin puanları iģlemlere göre farklı değildir.

12 Lojistik Regresyon Analizi Lojistik regresyon analizi doğrusal regresyondan farklı olarak bağımlı değiģkeni ikil (dikotom) olması gerekir. Bağımsız değiģkenler sayısal veya kategorik olabilir

13 Analyze Lojistik Regresyon Analizi Regression Binary lojistik Dependent kutusuna bağımlı degiģken Independent kutusuna tüm bağımsız değiģkenler atılır OKEY Regresyon denklemi: (Coefficients tablosunda B sütunundaki değerler ) Constant + her bagımsız degiģkenin katsayısı Anova tablosunda regression satırının Sig değeri bağımsız değiģkenlerin total etkisini verir Coefficients tablosunda her bağımsız değiģken için Sig değerine bakılır

14 1.Analyze, Regression, Binary Logistic butonuna basılır 1 2 3

15 1-Dikotom (ikili) kodlanmıģ bagımlı değiģken dependent kutusuna atılır, 2-Bağımsız değiģkenler covariates kutusuna atılır, 3-Categorical butonu tıklanır 1 2 3

16 1-Katogorik değiģkenler categorical covariates kutusuna atılır, 2-Continue tıklanır, 3-OK butonu tıklanır 3 1 2

17 1- Variables in the Equation tablosuna dikkate alınır, 2-Significant sütununda her paremetre için p değerine bakılarak paremetrenin bağımlı değiģken için bağımsız prediktör olup olmadığına karar verilir. 1 2

18 1-Regresyon denklemi çıkarılırken variables in the Equation tablosundaki B sütunundaki degerler alınır, (GRUP: Constat+ fol2 + durum + yaģ + cinsiyet + hb1), GRUP: fol durum 0.007yaĢ 1.65cinsiyet hb1 1

19 ODDS RATĠO (OR)(Odds oranı): Vakaların etkene maruz kalma oddsu; Bir vakanın etkene maruz kalma ihtimalinin, bir vakanın etkene maruz kalmama ihtimaline bölünmesi ile elde edilir. Kontrol grubu arasında etkene maruz kalma oddsu; Bir kontrolün etkene maruz kalma ihtimalinin, bir kontrolün etkene maruz kalmama ihtimaline bölünmesi ile elde edilir. Odds Oranı: Etkene maruz kalan vakanın oddsu / Etkene maruz kalan kontrolün oddsu

20 SPSS de bir etkene maruz kalma OR hesaplamak için; Etken kodlanır Sütuna (Column) yazılır Etkene maruz kalma 1 Etkene maruz kalmama 2 olarak Gruplar Satıra (Row) yazılır Hasta grup 1 Kontrol grup 2 olarak kodlanır

21 1- Analyze butonuna basılır, 2- Descriptives Statstics butonuna basılır, 3- Crossabs butonuna basılır

22 Statistic butonuna basılır

23 1-Chi square kutusu iģaretlenir, 2-Risk iģaretlenir, 3-Continue butonuna basılır 1 2 2

24 Cells butonuna basılır

25 1- Row ve Column kutuları iģaretlenir,2- Continue butonuna basılır 2 1

26 1.ÇalıĢılan gruplar row a atılır, 2. AraĢtırılan etken column a atılır, 3. OK 1 3 2

27 hasta Total hasta kontrol hasta * sigara Crosstabulation sigara sigara iciy or sigara icmiy or Total Count % within hasta 41.8% 58.2% 100.0% % wit hin sigara 48.9% 29.6% 35.5% Count % within hasta 24.0% 76.0% 100.0% % wit hin sigara 51.1% 70.4% 64.5% Count % within hasta 30.3% 69.7% 100.0% % wit hin sigara 100.0% 100.0% 100.0% Hasta olan kiģinin sigara içme oddsu 23/32 : Kontrol grubundaki kiģinin sigara içme oddsu 24/ 76: Risk Esti mate Odds Ratio f or hasta (hasta / kontrol) For cohort sigara = sigara iciy or For cohort sigara = sigara icmiy or N of Valid Cases % Confidence Interv al Value Lower Upper Odds Oranı:0.718/ 0.315: 2.27

28 ODDS RATĠO (OR)(Odds oranı):

29 RELATĠVE RĠSK (RR) RĠSK ORANI Bir etkene maruz kalma ile bir olayın gerçekleģmesi arasındaki iliģkiyi ortaya koymada kullanılır. R (Etkene maruz kalan): Etkene maruz kalanlardan hasta olanlar Etkene Maruz kalanların tamamı R (Etkene maruz kalmayan): Etkene maruz kalmayanlardan hasta olanlar Etkene Maruz kalmayanların tamamı RR: R / R

30 hasta * sigara Crosstabulation hasta Total hasta kontrol Count % within hasta % wit hin sigara Count % within hasta % wit hin sigara Count % within hasta % wit hin sigara sigara sigara iciy or sigara icmiy or Total % 58.2% 100.0% 48.9% 29.6% 35.5% % 76.0% 100.0% 51.1% 70.4% 64.5% % 69.7% 100.0% 100.0% 100.0% 100.0% Sigara içenlerin hasta olma riski 23/47: Sigara içmeyenlerin hasta olma riski 32/108: Sigara içenlerin sigara içmeyenlere göre hasta olma relatif riski RR: 0.489/ 0.296: 1.65

31 RELATĠVE RĠSK (RR) RĠSK ORANI

32 Receiver Operating Characteric - ROC Her sınflandırma iģleminde yapıldığı gibi, metodlar kesinlik (yanlıģ pozitifleri eleme kabiliyeti, spesifite) ve hassasiyet (doğru pozitifleri tespit etme kabiliyeti, sensitivite) arasındaki dengeyi kurmakla uğraģmaktadır. Cut-off değeri belirlenmesini sağlar ROC adı verilen eğri, kesinlik ve hasiyet arasındaki dengeyi değerlendirmek için kullanılmıģtır. ROC eğrisi altında kalan alan (AUC) ROC puanı olarak tanımlanabilir. ROC puanı 1 (bir) olduğunda anlamı, pozitifler mükemmel bir Ģekilde negatiflerden ayrılmıģtır, olmaktadır. ROC puanı 0 (sıfır) olduğunda ise herhangi bir pozitif bulunamadı anlamına gelir.

33 1.Analysis veya Graphs (hangisinin altında yer alıyorsa) 2. ROC curve 1 2

34 1. Test eilecek değiģken Test variable kutusuna atılır 2. Gold standart olarak kabul edilen değiģken State Variable kutusuna atılır 3. Gol standartın test edilen durumunun kodu Value of state variable kutusuna yazılır, 4. Kutucuklar iģaretlenir

35 1. OK tuģuna basılır

36 ROC eğrisi AUC Area Under the Curve (AUC) Test Result Variable(s): mcv Area Std. Error Asy mptotic 95% Conf idence Sig. b Lower Bound Upper Bound a Asy mptotic Interv al The test result variable(s): mcv has at least one tie between the positiv e actual state group and the negativ e actual state group. Statistics may be biased. a. Under the nonparametric assumption b. Null hy pothesis: true area = 0.5

37 Elde edilen en uygun cut-off seçilir Bu cut-off a göre veriler kategorize edilir Daha önceki bilgiler kullanılarak; Sensitivite Spesifite PPD NPD Hesaplanır Birden fazla cut-off kullanılarak elde edilen verilerde makalede seçenek olarak sunulabilir Cut-off u aranan degiģkenin sensitivitesi değeri azaldıkça artıyorsa coordinates of the curve tablosundaki Sensitivite değeri Spesifiteyi 1-Spesifite değeri Sensitiviteyi gösterir

38 MCV değeri düģtükçe anemi tanısının sensitivitesi artıyor bu nedenle coordinates of the curve tablosundaki değerler yer degiģtiriyor MCV cut-off hb1.1 * mcv2 Crosstabul ation hb1.1 Total anemi var anemi yok Count % within hb1.1 % within mcv2 Count % within hb1.1 % within mcv2 Count % within hb1.1 % within mcv2 mcv2 mcv düþük mcv y üksek Total % 47.6% 100.0% 93.0% 71.4% 81.3% % 82.8% 100.0% 7.0% 28.6% 18.7% % 54.2% 100.0% 100.0% 100.0% 100.0% Spesifite: 24 / 24+5 : 82.8 Sensitivite: 66 / : 52.4

39 SÜRVĠ ANALĠZĠ SAĞKALIM EĞRĠLERĠ Sürvi analiz yapabilmek için izleme süresi ve hastanın durumunu belirten verilere ihtiyaç vardır. Amaç beklenen yaģam süresidir. Genel sağkalım ve hastalıksız sağkalım olarak bakılabilir Ġzlem süresi araģtırmacının belirteceği baģlangıç noktası (biopsi tarihi, ameliyat tarihi, baģvuru tarihi vb.) ve bitiģ noktası (ölüm, hastalığın nüksü, metastaz, çalıģmanın sonlandırılması vb.) arasında geçen süredir.

40

41

42 Genel Sağkalım D.Ü.TIP FAKÜLTESĠ BĠYOĠSTATĠSTĠK VE TIBBĠ BĠLĠġĠM AD 1,0 0,8 0,6 0,4 0,2 0,0 0,00 12,00 24,00 36,00 48,00 60,00 72,00 84,00 Sağkalım eğrisi Süre (ay) 96,00 108,00 120,00

43 KAPLAN-MEĠER SAĞKALIM ANALĠZĠ Farklı denek gruplarının yaģam sürelerini karģılaģtırarak prognoza etki eden faktörlerin incelenmesini sağlar Bir ilacın veya tedavi metodunun uzun dönemdeki baģarısının değerlendirilmesini sağlar. Logrank testi iki sağkalım egrisinin karģılaģtırılmasını sağlar

44 1-Analyze, 2-Survival, 3-Kaplan-meier 1 2 3

45 1-Time kutucuğuna izlem süresi atılır,2-status kutusuna beklene durumun kodu girilir, 3-KarĢılaĢtırılacak gruplar ise factor kutusuna atılır, 4-Compare factor butonuna basılır

46 1.Log rank kutusu iģaretlenir, 2.Pairwise over strate kutusu iģaretlenir, 3.Continue butonuna basılır, 4.Options butonuna asılır

47 1. Kutucuklar iģaretlenir 2. Ok tuģuna basılır 1

48 1. YaĢam tablosunun hangi gruba ait olduğunu gösterir 2. Sütunun sonunda ölen hasta sayısının toplamı görülür 1 2

49 1.Olay gerçekleģmeyen (örn. Sağkalan) 2. GerçekleĢen olay sayısı 3.Grubun ortalama yaģam zamanı: 64±3 ay (CI: 58-70) 1 2 3

50 1-Toplu halde gruplara göre olayın gerçekleģmediği hasta yüzdeleri 2-Log Rank satırı Gruplar arasındaki farkın anlamlı olup olmadığını Gösterir, 3-Anlamlı farklılık varsa alttaki subgrup analizine bakılır 1 2

51 1. Subgrup analizleri Grup1-2 p: 0.042, Grup 1-3 p:0.000, Grup 2-3 p:0.015

52 1. Grupların yaģam egrileri

53 KAYNAKLAR: [1] ÖZDAMAR, K., Paket Programlar ile Ġstatistiksel Veri Analizi I- II, Kaan Kitabevi, ESKĠġEHĠR, [2] ÖZDAMAR, K., SPSS ile Biyoistatistik, Kaan Kitabevi, ESKĠġEHĠR, [3] HAYRAN, M., ÖZDEMĠR, O., Bilgisayar Ġstatistik ve Tıp, HYB, MEDAR, ANKARA, [4] SPSS Base 7.5 Applications Guide [5] CHARLES R.H., Deney Düzenlemede Ġstatistiksel Yöntemler. [6] SÜMBÜLOĞLU, K., SÜMBÜLOĞLU, V., Biyoistatistik [7] KAN, Ġ., Biyoistatistik [8] ÖZDAMAR, K., Biyoistatistik. [9] SPSS, SPSS Base 7.5 Applications Guide [10] SPSS, SPSS Interactive Graphics 10.0 [11] BÜYÜKÖZTÜRK, ġ., Veri Analizi El Kitabı, Pegema Yayıncılık, ANKARA, [12] Tonta, Y., Regresyon Analizi Ders Notları, H.Ü. BBY

54 BİYOİSTATİSTİK 54