Πώς να υπολογίσετε έναν συντελεστή προσαρμοσμένων αποδόσεων

Posted on
Συγγραφέας: Laura McKinney
Ημερομηνία Δημιουργίας: 2 Απρίλιος 2021
Ημερομηνία Ενημέρωσης: 17 Νοέμβριος 2024
Anonim
[Υπολογισμός Beta] - Πώς να υπολογίσετε Alpha και Beta
Βίντεο: [Υπολογισμός Beta] - Πώς να υπολογίσετε Alpha και Beta

Περιεχόμενο

Ο γιατρός σας σας έδωσε την επιλογή μεταξύ δύο φαρμάκων για τη θεραπεία του άσθματος. Όταν συγκρίνετε τις επισκέψεις του τμήματος έκτακτης ανάγκης, διαπιστώνετε ότι 10 ασθενείς με φάρμακα Α ανέφεραν ταξίδι στο νοσοκομείο έναντι των πέντε ασθενών με φάρμακα Β. Με την πρώτη ματιά φαίνεται ότι το φάρμακο Β είναι η προφανής καλύτερη επιλογή. Ωστόσο, για να λάβετε μια τεκμηριωμένη απόφαση, θα χρειαστεί να εξετάσετε τα δεδομένα λίγο πιο προσεκτικά. Για να προσδιορίσετε ποιο από αυτά τα δύο φάρμακα για το άσθμα θα σας εξυπηρετήσει καλύτερα, μπορείτε να χρησιμοποιήσετε στατιστικά στοιχεία για να υπολογίσετε τον προσαρμοσμένο λόγο πιθανότητας.


TL · DR (Πολύ μακρύ;

Ο λόγος πιθανότητας είναι ένα στατιστικό μέτρο συσχέτισης που χρησιμοποιείται για τον προσδιορισμό της σχέσης μεταξύ διαφορετικών συνόλων ανοιγμάτων και αποτελεσμάτων. Βρίσκοντας με τη διαίρεση των αποτελεσμάτων ενός αποτελέσματος από τα αποτελέσματα ενός δευτερολέπτου, ένας λόγος πιθανότητας μπορεί να δώσει μια εικόνα για την αποτελεσματικότητα των πειραματικών θεραπειών και πολλά άλλα. Ωστόσο, ο καθορισμός του προσαρμοσμένου λόγου πιθανότητας δύο συνόλων δεδομένων απαιτεί να υπολογίζετε τις συγχυτικές μεταβλητές, καθιστώντας έτσι δύσκολες τις αναπροσαρμοσμένες αναλογίες πιθανότητας σε πολλές περιπτώσεις.

Ποιος είναι ο λόγος των δεικτών;

Ο λόγος πιθανότητας είναι το στατιστικό μέτρο συσχέτισης μεταξύ έκθεσης και αποτελέσματος. Με άλλα λόγια, ο λόγος πιθανοτήτων είναι η στατιστική ευκαιρία από ό, τι ένα αποτέλεσμα θα συμβεί κάτω από μια συγκεκριμένη προϋπόθεση: στην περίπτωση του παραδείγματος μας, ο λόγος πιθανότητας αντιπροσωπεύει την πιθανότητα η λήψη ενός από τα δύο φάρμακα για το άσθμα μπορεί να οδηγήσει σε επίσκεψη στο νοσοκομείο. Οι αναλογίες αποδόσεων είναι εύκολο να υπολογιστούν. Αν διαιρέσετε τις αναφερόμενες επισκέψεις στο νοσοκομείο για το φάρμακο Β από εκείνους για το φάρμακο Α, θα βρείτε τον λόγο πιθανότητας. Σε αυτό το παράδειγμα, ο λόγος πιθανότητας είναι 0,5. Ο λόγος σημαίνει ότι έχετε περίπου 50% περισσότερες πιθανότητες να πάτε στο νοσοκομείο όταν παίρνετε το φάρμακο Α πάνω από το φάρμακο Β. Ωστόσο, αυτό δεν σημαίνει αναγκαστικά ότι το φάρμακο Β είναι καλύτερο: αυτή η αναλογία 0,5 είναι γνωστή ως μη διορθωμένη ή ακαθάριστη αναλογία πιθανότητας , επειδή δεν λαμβάνει υπόψη τίποτα, εκτός από τον αναφερόμενο αριθμό επισκέψεων στο νοσοκομείο.


Ανοίγματα και Αποτελέσματα

Η αριθμητική τιμή ενός δείκτη πιθανότητας σας δίνει κάποια ιδέα για το τι θα συμβεί όταν ένας ασθενής εκτίθεται σε κάτι - στην περίπτωση αυτή, το φάρμακο για το άσθμα. Μια αναλογία πιθανότητας 1 σημαίνει ότι η έκθεση δεν επηρεάζει το αποτέλεσμα: Με άλλα λόγια, η φαρμακευτική αγωγή δεν λειτουργεί. Ένας λόγος πιθανοτήτων μεγαλύτερη από 1 υποδεικνύει υψηλότερες αποδόσεις του αποτελέσματος ενώ ένας λόγος μικρότερος από 1 υποδεικνύει χαμηλότερες αποδόσεις του αποτελέσματος.

Ζωή και Μεταβλητές Μεταβλητές

Το πρόβλημα με έναν ακαθάριστο λόγο πιθανότητες είναι ότι είναι εντελώς μονοδιάστατο. Δεν αντανακλά την επίδραση παραγόντων συγχύσεως, όπως η ηλικία, άλλες ιατρικές καταστάσεις ή ακόμα και κάτι τόσο απλό όσο η πρόσβαση σε μια κλινική έναντι ενός τμήματος έκτακτης ανάγκης. Η ερμηνεία των αναλογιών πιθανότητας των φαρμάκων μπορεί να αλλάξει εάν μάθατε ότι όλοι οι ασθενείς με φαρμακευτική αγωγή Α υποβάλλονταν επίσης σε θεραπεία για καρκίνο του πνεύμονα και όλοι οι ασθενείς με φαρμακευτική αγωγή Β ήταν σε διαφορετική κατάσταση υγείας ή αν διαπιστώσατε ότι οι ασθενείς με φαρμακευτική αγωγή Έζησε πέντε μίλια μακριά από το νοσοκομείο και 60 μίλια μακριά από την πλησιέστερη κλινική.


Αναζητώντας τον Αναπροσαρμοσμένο Δείκτη Αποδόσεων

Πολύ λίγα πράγματα στη ζωή έχουν μια σαφή σχέση αιτίας και αποτελέσματος. Στις στατιστικές, οι "άλλοι" παράγοντες που επηρεάζουν τη σχέση μεταξύ δύο πράξεων είναι γνωστοί ως μεταβλητές που προκαλούν σύγχυση. Εάν μόνο μία μεταβλητή επηρεάζει τη σχέση, οι μαθηματικοί θα κάνουν μια στατιστική προσαρμογή για να δώσουν μια πιο ακριβή αναλογία. Όταν έχουν ληφθεί υπόψη όλες οι μεταβλητές, ο λόγος λέγεται ότι έχει πλήρως ρυθμιστεί. Επειδή η προσαρμογή ενός ποσοστού πιθανότητας είναι πολύ περίπλοκη, οι ερευνητές προσπαθούν να ελέγξουν όσο το δυνατόν περισσότερες μεταβλητές για να εξασφαλίσουν ακριβή αποτελέσματα. Στις φαρμακευτικές δοκιμές, για παράδειγμα, οι ερευνητές θα αναζητήσουν συμμετέχοντες της ίδιας ηλικίας και φύλου με παρόμοια ιατρική ιστορία.