Vergleich von Wirksamkeit von mehreren Filtersystemen in Med

Fragen und Diskussionen rund um die Statistik und deren Anwendung.
Antworten
fraktal
Beiträge: 10
Registriert: 01.08.2012, 08:43

Vergleich von Wirksamkeit von mehreren Filtersystemen in Med

Beitrag von fraktal »

Ich muss eine "kleine" Auswertung machen, leider komme ich nicht weiter.
Wir haben ca. 700 Patienten diese hatten eine Karotisstenose (Halsschlagader-Verstopfung :)) und wurden somit behandelt.

Das ganze macht man mit einem Draht den man in der Leiste einführt und bis zum Hals vorschiebt. Dann spannt man einen Filter
http://www.herz-hh.de/uploads/pics/d070 ... av6_01.jpg
auf, damit die Verstopfenden Teile sich nicht lösen und ins Gehirn vordringen können (>Schlaganfall). Danach dehnt man das ganze von Ihnen mit einem Ballon auf und setzt einen Stent (Metall-draht-röhrchen) ein.

Bei diesen Patienten wurden 8 verschiedene Filter eingesetzt. Und es wurde geschaut ob es nach oder während des Eingriffs zu einem großen oder kleinen Schlaganfall gekommen ist.

Ich muss nun untersuchen ob es unterschied in der Wirksamkeit dieser Filter gibt.

In den FilterGruppen gibt es zwischen 150 und 50 Patienten. Und es kam zu zwischen 15 und 6 Schlaganfällen in den unterschiedlichen FilterGrupen.

In der Variable Filter (Nominaler Merkmal) stehen die Filternummer (1- 8 ) + Patienten, welche ohne Filter behandelt wurden (0).

Zudem steht in der zweiten Variable ob der Patient eine Schlaganfall hatte oder nicht. (Diskreter Merkmal? 0=nein, 1=ja)

Prozentual habe ich bereits eine Reihenfolge zwischen den besten und schlechtesten Filter gebildet, wie kann ich aber nun die P-Werte berechnen?

Soll ich alle Filter paarweise gegen den "besten" Filter testen?
Oder gegen die Ergebnisse aus der Literatur?

Wie kann man überprüfen oder hier eine Normalverteilung vorliegt?

Vielen DAnk
Grüße
drfg2008
Beiträge: 2391
Registriert: 06.02.2011, 19:58

re

Beitrag von drfg2008 »

zunächst fehlt eine Fragestellung.

Angenommen, die Frage wäre, ob überhaupt ein Unterschied zwischen den Filtersystemen nachweisbar ist, wäre ganz einfach der Chi-Quadrat Test denkbar (über eine tabellarische Darstellung, dann bei SPSS den Chi-Quadrat Test anwählen, ggf. für nachträgliche Einzelvergleiche dann die korrigierten Residuen).


Tabelle

Zeilen: Filtergruppe 0 - 8
Spalten: Schlaganfall ja/nein

http://www.youtube.com/watch?v=5espgd0M ... CB642F3C03
drfg2008
fraktal
Beiträge: 10
Registriert: 01.08.2012, 08:43

Beitrag von fraktal »

Vielen Dank für die schnelle Antwort.

Zu der Fragestellung:
Kann ich mit diesen Daten überhaupt sagen, der Filter 1 ist signifikant besser als der Filter 2 beispielsweise?

Filter 1 : 120 Patienten 5 Schlaganfälle (4,2%)
Filter 2: 206 Patienten 11 Schlaganfälle (5,3%)

Wie kann ich hier untersuchen ob die Daten (das Vorkommen der Schlaganfälle) normalverteilt sind, ist das für diese Fragestellung überhaupt notwendig?
drfg2008
Beiträge: 2391
Registriert: 06.02.2011, 19:58

re

Beitrag von drfg2008 »

nein, beim Chi-Quadrat Test (siehe oben) geht es nicht um Normalverteilung. Bitte den Beitrag genau lesen. Dort findet sich auch die Antwort und im Video wird das dann auch genau gezeigt.

Auch für Einzelvergleiche eignet sich der Chi-Quadrat Test.
drfg2008
fraktal
Beiträge: 10
Registriert: 01.08.2012, 08:43

Beitrag von fraktal »

Vielen Dank für die Antwort :)

Ihre Video sind übrigens 1A!!! Sehr gut habe alle die ich angeschaut habe verstanden und geliked!!


Noch eine Frage:
Sollte man beim Vergleich der einzelnen Filter so vorgehen:

A) 1 gegen 2, 1 gegen 3, 1 gegen 4...... Dann 2 gegen 3, 2 gegen 4, 2 gegen 5... usw oder reicht es wenn man

B) 1 gegen 2, 2 gegen 3, 3 gegen 4... testet

Gibt es eine Möglichkeit diese Einzeltests automatisch durchlaufen zu lassen?
drfg2008
Beiträge: 2391
Registriert: 06.02.2011, 19:58

re

Beitrag von drfg2008 »

habe den Beitrag jetzt erst gesehen (war nicht farblich abgesetzt wie sonst)

Antwort: Eher nein. Diese Art des Testens würde den Fehler 1. Ordnung kumulieren. Demnach müsste dieser justiert werden (entweder durch Division der Anzahl der Tests -> Bonferoni, oder exakt). Statt dessen möglichst auf die Residualanalyse zurückgreifen.
drfg2008
fraktal
Beiträge: 10
Registriert: 01.08.2012, 08:43

Beitrag von fraktal »

Muss man das ganze auch justieren wenn ich die Einzeltest mit der Fisher Exakt Methode durchführe?

Meine sie mit exakt ("Bonferroni, oder exakt") die Holm Methode?

Meinen Sie mit Residualanalyse das "Post-hoc" Verfahren? Ich kann zu der Residualanalyse irgenwie nichts finden?
drfg2008
Beiträge: 2391
Registriert: 06.02.2011, 19:58

re

Beitrag von drfg2008 »

Muss man das ganze auch justieren wenn ich die Einzeltest mit der Fisher Exakt Methode durchführe?
Bei multiplen Einzelvergleichstests spielt es keine Rolle, ob exakt oder nicht exakt (-> asymptotisch: Chi-Quadrat) getestet wurde. Es geht um den Versuch an sich: Wieviele Versuche (Zufall) wurden durchgeführt.

Meine sie mit exakt ("Bonferroni, oder exakt") die Holm Methode?
Mit exakt meine ich:

p = 1 - (1-alpha)^(1/k)

p = korrigierter Signifikanzwert
alpha = vorgegebene Fehlergrenze (0,05 oder 0,01)
k = Anzahl der Versuche

Meinen Sie mit Residualanalyse das "Post-hoc" Verfahren? Ich kann zu der Residualanalyse irgenwie nichts finden?
-> Standardisierte Residuen, korrigiert standardisierte Residuen
drfg2008
fraktal
Beiträge: 10
Registriert: 01.08.2012, 08:43

Beitrag von fraktal »

Hallo, vielen Dank :)
p = 1 - (1-alpha)^(1/k)

p = korrigierter Signifikanzwert
alpha = vorgegebene Fehlergrenze (0,05 oder 0,01)
k = Anzahl der Versuche
1) Hat dieses Exakte Verfahren einen Namen ?
2) sind "k" in meinem Fall die ganzen Patienten (700) oder die anzahl der Patienten in der jeweiligen "Filtergruppe" (somit für jeden Filter neues p berechnen)?

Standardisierte Residuen, korrigiert standardisierte Residuen
Wo könnte man nachlesen wie man die Residual-Analyse interpretiert?

Ich habe jetzt meinen Chi-Quadrat (8 Filter + 1 Ohne) mit den korrigierten standardisierten Residuen durchgeführt, weiß jetzt leider nicht wie man das ganze interpretiert..
drfg2008
Beiträge: 2391
Registriert: 06.02.2011, 19:58

re

Beitrag von drfg2008 »

1) Hat dieses Exakte Verfahren einen Namen ?
kenne ich nur als exakte Korrektur. Bonferoni (alpha/k) ist bei geringer Zahl der Versuche aber völlig ausreichend.

2) sind "k" in meinem Fall die ganzen Patienten (700) oder die anzahl der Patienten in der jeweiligen "Filtergruppe" (somit für jeden Filter neues p berechnen)?
Nein. k ist die Anzahl der Tests. Jeder Test stellt ein Zufallsexperiment dar. Um den Gesamtfehler auf dem Niveau alpha (z.B. 1% oder 5%) zu halten, muss alpha jedes einzelnen Tests (bei Mehrfachtestung) entsprechend reduziert werden.

Die standardisierten Residuen sind z-verteilt, folgen also der Standardnomalverteilung. Jedem z-Wert kann ein p-Wert zugeordnet werden. Pauschal: ein z-Wert vom Betrag größer 1,96 entspricht einem p-Wert von unter 5% (zweiseitig).
drfg2008
fraktal
Beiträge: 10
Registriert: 01.08.2012, 08:43

Beitrag von fraktal »

Nein. k ist die Anzahl der Tests. Jeder Test stellt ein Zufallsexperiment dar. Um den Gesamtfehler auf dem Niveau alpha (z.B. 1% oder 5%) zu halten, muss alpha jedes einzelnen Tests (bei Mehrfachtestung) entsprechend reduziert werden.
Bei mir kommt nun diese Tabelle raus, es sind alle Filter gegen alle getestet (Exakt nach Fisher):
http://img4web.com/view/RSAZAS

Ist meine k 36 oder 72?

Mit der Formel a=1-(1-a)^(1/k)
das globale a=0,05

für 36 ist das neue lokale a= 0,01906
für 72 ist das neue lokale a= 0,009580
drfg2008
Beiträge: 2391
Registriert: 06.02.2011, 19:58

re

Beitrag von drfg2008 »

da es egal ist, ob a gegen b oder b gegen a getestet wird, entspricht die Anzahl der Tests der unteren (oder wahlweise oberen) Dreiecksmatrix (ohne Hauptdiagonale -> Test mit sich selbst)

bei (angenommen) 36 Tests also: 0,05 /36 = 0,001388889 für jeden Einzeltest.
drfg2008
fraktal
Beiträge: 10
Registriert: 01.08.2012, 08:43

Beitrag von fraktal »

Vielen Dank, es ist was brauchbares dabei raus gekommen :)


Jetzt muss ich noch etwas anderes mit den Filtern machen.

Ich habe herausgefunden, dass es 2 Filter gibt die am besten abgeschnitten haben.


Nach jedem Eingriff werden diese Filter zum Pathologen geschickt und ausgewertet, es geht hauptsächlich um die Größe der darin befindenden Partikel in µm. viele Filter sind auch leer. Die Größen der Partikel sind weit gestreut (zwischen 10 und 3000 µm)

So sieht das Ergebnis für einen Filter aus:
https://dl.dropbox.com/u/35269062/Parti ... C3%9Fe.rtf


Ich sollte eine ROC-Kurve erstellen. Um zu sehen ab welcher Größe der Partikel wir die größte Spezifität und Sensitivität haben. Bei diesem Filter haben wir nur 7 Ereignisse beispielsweise.

Dazu muss ich aber wissen ob ein großes Partikel im Filter was gutes ist oder was schlechtes?
Wie kann ich das am besten überprüfen? Also wir haben die Partikelgröße (0-3000µm) und Schlaganfälle (ja/nein), ist ein großes oder kleines Partikel im Filter schlecht oder gut?
fraktal
Beiträge: 10
Registriert: 01.08.2012, 08:43

Beitrag von fraktal »

Noch eine andere kurze Frage,
die Partikelgrößen sind nicht normalverteilt (Kolmogorov-Smirnov-Test p<0,000 und Diagramm sieht nicht symmetrisch aus, mehrgipflig.)

Somit muss ich median berechnen um zu sehen welche Partikelgröße am häufigsten vorkommt oder?.

Muss ich dabei die leeren Filter mit eingeben ins spss oder nicht? irgenwie verwirrend.
Hier nochmal die Auflistung der Partikelgrößen:
https://dl.dropbox.com/u/35269062/Parti ... C3%9Fe.rtf


Vielen Dank
Grüße
fraktal
Beiträge: 10
Registriert: 01.08.2012, 08:43

Beitrag von fraktal »

Hallo,
die ROC-Analyse hat keine brauchbaren Daten hervorgebracht.
Alle Flächen unter der Kurve (AUC) für alle Filter waren unter 0,8, eher bei 0,5....


Haben Sie vielleicht einen Tipp, ob es eine Analyse gibt in der man die Partikelgrößen (0-3000µm, viele Größen kommen mehrfach vor) mit der Schlaganfallhäufigkeit (ja/nein) vergleichen kann in spss?

Ob bei einer Partikelgröße besonders häufig Schlaganfälle vorkommen? Ob es einen Trend gibt oder einen Zusammenhang zwischen Partikelgröße und Schlaganfallhäufigkeit?

Grüße
Anzeige:Statistik und SPSS: Die besten Bücher
Als Buch oder E-Book - Jetzt bestellen
spss datenanalyse
SPSS - Moderne Datenanalyse - Jetzt bestellen!
statistik datenanalyse
Statistik - Der Weg zur Datenanalyse - Jetzt bestellen!
Antworten