ANALISI DEI DATI EPIDEMIOLOGICI

Dimensione: px

Iniziare la visualizzazioe della pagina:

Download "ANALISI DEI DATI EPIDEMIOLOGICI"

Giacomo Ventura
8 anni fa
Visualizzazioni

1 ANALISI DEI DATI EPIDEMIOLOGICI

2 Cenni di statistica Che cosa è la statistica Statistica descrittiva e statistica inferenziale Test statistici di ipotesi Intervalli di confidenza Analisi stratificata

3 TEST DI IPOTESI E P-VALUE

4 Statistica descrittiva ed inferenziale Campione Media, dev. standard, RR, RD, Stat. descrittiva

5 Statistica descrittiva ed inferenziale Popolazione Campione Media, dev. standard, RR, RD, Stat. descrittiva Stat. inferenziale

6 La statistica inferenziale I metodi della statistica inferenziale hanno l obiettivo di quantificare la probabilità che una deduzione basata sui dati raccolti per un campione e riferita alla popolazione sia vera Sono utilizzati: Test statistici d ipotesi Intervalli di confidenza

basata sui dati raccolti per un campione e riferita alla popolazione

7 Popolazione Popolazione e campione Campione Campione Campione

8 Popolazione e campione In realtà, abbiamo un solo campione a disposizione Campione Utilizzando i dati del campione, vogliamo dire qualcosa sulla popolazione da cui il campione proviene

9 Il test statistico di ipotesi Si comincia col formulare un ipotesi È l ipotesi nulla H 0 I dati osservati nel campione sono confrontati con opportune distribuzioni di probabilità Dal confronto deriva il p-value Se p è piccolo, H 0 è rifiutata Si accetta allora l ipotesi alternativa H A Se p è grande, H 0 non è rifiutata

distribuzioni di probabilità Dal confronto deriva il p-value Se p è piccolo, H 0

10 Il p-value Il p-value esprime la probabilità di ottenere valori come quelli osservati o ancora più lontani dall ipotesi nulla, assumendo che l ipotesi nulla sia vera

14 Risultati (1) The number reaching remission of illness was significantly higher with St John s wort than with placebo (P=.02) 14/98 [14.3%] vs 5/102 [4.9%]

15 Il p-value Ipotesi nulla Nel nostro esempio, l ipotesi nulla è che la remissione dalla malattia avvenga con uguale frequenza nei due gruppi di trattamento ovvero che la percentuale di «guariti» sia la stessa I dati osservati Il campione in esame mostra una diversa percentuale di pazienti con remissione (14.3% vs. 4.9%) È questa una differenza statisticamente significativa?

di «guariti» sia la stessa I dati osservati Il campione in esame mostra una diversa

16 I dati osservati. tab remission group [freq=pop] group remission Hypericum Placebo Total yes no Total

17 I dati osservati (%). tab remission group [freq=pop], col group remission Hypericum Placebo Total yes no Total

-----------+----------------------+---------- yes 14 5 19 14.29 4.90 9.

18 I dati osservati e quelli attesi. tab remission group [freq=pop], exp chi2 group remission Hypericum Placebo Total yes no Total Pearson chi2(1) = Pr = 0.024

-----------+----------------------+---------- yes 14 5 19 9.3 9.7 19.

19 Risultati (2) The random coefficient analyses for the HAM- D showed significant effects for time but not for treatment or time-by treatment interaction (P<.001, P =.16, and P =.58, respectively)

20 Risultati (2) Tempo: p<0.001 Trattamento: p=0.16 Tempo*Trattamento:p<0.5 8

21 Esempio di Rischio Relativo 1 yr injury incidence rate was 53.9% for all runners combined. 1 yr overall risk of injury for those wearing traditional running shoes (55.4%) was greater than for those running barefoot or wearing minimalist running shoes (46.3%, relative risk = 1.19, X²=6.39, 1df, p=.01)

24 Note per un corretto uso del p-value (1) Il p-value deriva dal rapporto tra due grandezze: La differenza osservata tra i gruppi L errore standard Un p piccolo può derivare Da una grande differenza tra i gruppi Da un piccolo errore standard (ad es. quando il campione è molto grande) Da entrambi i fattori

25 Note per un corretto uso del p-value (2) A volte si utilizza un valore soglia (0.05) al di sotto del quale rifiutare l ipotesi nulla Tale impiego del p-value è sconsigliabile Va riportato per intero il valore di p Tanto più il p-value è piccolo, tanto più forti sono le prove contrarie all ipotesi nulla Evitare l uso di n.s. (non significativo)

26 Note per un corretto uso del p-value (3) Per grandi campioni, tutte le differenze sono statisticamente significative! Significatività statistica e significatività clinica non sono la stessa cosa Più informativo del p-value è l intervallo di confidenza

27 INTERVALLI DI CONFIDENZA

28 L intervallo di confidenza È un intervallo di valori entro i quali si ritiene sia compreso il parametro in esame con un certo grado di confidenza Ripetendo gli esperimenti, il 95% (o il 90%, o il 99%) degli intervalli così calcolati comprenderà effettivamente il parametro in esame

29 L intervallo di confidenza L intervallo di confidenza esprime la precisione della stima Tanto più piccolo è l intervallo, tanto maggiore è la precisione della stima È possibile calcolare un intervallo di confidenza per ogni misura epidemiologica o statistica Media, Proporzione, Tasso, Rischio relativo, Odds ratio

30 Come si costruisce un intervallo di confidenza usando la distribuzione Z Gli ingredienti necessari per calcolare un intervallo di confidenza sono: La stima puntuale Un moltiplicatore (che deriva dalla distribuzione normale) L errore standard L intervallo di confidenza al 95% del Rischio Relativo si calcola ES = 1 a 1 a+b + 1 c 1 c+d e logrr 1.96 ES, e logrr+1.96 ES

31 Esempio di Rischio Relativo RR=R female/r male = 26.6%/22.8% =

32 Esempio di Rischio Relativo 32

33 Esempio di Rischio Relativo 33

Documenti analoghi

ANALISI DEI DATI EPIDEMIOLOGICI

ANALISI DEI DATI EPIDEMIOLOGICI Statistica descrittiva ed inferenziale Campione Media, dev. standard, RR, RD, Stat. descrittiva Statistica descrittiva ed inferenziale Popolazione Campione Media, dev.