Biostatistik 2 del 2 Flashcards
Nu byter vi fokus
Vi ska gå tillbaka till data – det första man gör är att man tittar på sina data
- För att se om de verkar vettiga
- För att se om det finns intressanta mönster som vi tycker att vi ser
- Om data är komplett eller om många observationer saknar information
ja
P-värde – varför då?
P-värde: probability (dvs sannolikhet)
* Vi vill undersöka något – ofta om det finns en skillnad.
* P-värdet används för att visa om statistisk signifikans finns för undersökningen eller inte, dvs om skillnaden vi ser i punktestimaten beror på slumpen eller om det faktiskt finns en skillnad
* Vanligaste gränsen för signifikans är p=0.05
gränsen för statistisk signifikant
0.05
- p-värde finns i nästan alla vetenskapliga artiklar
- används för att minska risken att bara tycka något
- lågt p-värde är bra, man vill ha så lågt som möjligt
- om p-värdet är under 0.05 dvs 5% så kan man publisera sin studie, över så kan man inte det
ja
När kommer p-värdet in i bilden? Steg 1
Vi ställer upp en HYPOTES, DVS FORMULERAR DEN FRÅGA VI VILL BESVARA
När vi vill jämföra två saker så ställer vi upp en NOLLHYPOTES (Ho) som säger att det inte är någon skillnad mellan grupperna vi jämför:
* Exempel på nollhypotes:
Det finns ingen skillnad i genomsnittspuls i vila mellan kvinnor och män
Det finns ingen skillnad i behandlingsresultat mellan läkemedel A och B
! Vi utgår från att nollhypotesen är sann tills data och test ger oss evidens att det sannolikt inte är så, dvs att det faktiskt finns en skillnad
Nollhypotes
“det finns ingen skillnad mellan A och B” & denna ska sedan UTMANAS med hjälp av data
P-värde – vad är det?
- P-värdet är sannolikheten att, OM nollhypotesen är sann, att urvalsvariationen skulle ge ett sådant observerat estimat (eller ett mer extremt värde) pga slumpen.
- P-värdet berättar hur troligt det är att vi får detta värde ifall nollhypotesen är sann.
- Låga p-värden ger låg sannolikhet – dvs inte så värst troligt - att vi fick våra värden ifall nollhypotesen var sann.
- Låg sannolikhet innebär att vi har evidens att nollhypotesen inte är sann och vi förkastar den.
- Storleken på p-värdet är en indikation på hur fel eller rätt nollhypotesen är
- P-värdet är ett mått på om vi kan behålla vår nollhypotes.
- under 0.05 så förkastas nollhypotesen pga låg sannolikhet, dvs det är en skillnad mellan A och B, emn visar inte om något är bättre eller sämre
Tolkning
- Ifall vi får ett lågt p-värde – ofta är gränsen 0.05 – så är det låg sannolikhet att nollhypotesen är sann. Nollhypotesen kan tex vara ”det är ingen skillnad mellan behandling A och B”.
- Lågt p-värde ger att vi förkastar detta och säger att det är en statistiskt signifikant skillnad mellan behandling A och B
- Notera att här säger vi inte vilken behandling som är bäst (vad nu bäst kan vara) utan bara att det är skillnad
Annat exempel
* Man kan också testa om t.ex. medelvikten av ett äpple i affären är mindre än de 100 g som försäljaren av äpplena lovade:
* Nollhypotes: medelvikten är 100 g
* Mothypotes (H1): medelvikten är mindre än 100 g
* Metod: vi tar ett slumpmässigt urval av äpplena och väger dem. Vikten varierar runt 100 gram och medelvikten är 92 gram. Vi gör ett statistiskt test och får p-värde 0.18.
* Sannolikheten att få medelvikten på 92 gram eller mindre från dessa urval p=0.18 ifall medelvikten på äpplena är 100g, dvs icke signifikant.
* Dvs vi har inte evidens för att nollhypotesen är fel. Vi behåller den och säger att det finns inget bevis för att vikten skiljer sig från 100g.
ja
Små p-värden
- Ju mindre p-värde vi får desto mindre troligt att det bara var tur eller slumpen som gav det låga p-värdet – utan att det faktiskt är en skillnad
– därför kan vi förkasta nollhypotesen och anta mothypotesen.
Arbetsgång
* Förutsättning: signifikansnivån är p=0.05 (den vanligaste nivån)
* Formulera nollhypotes: Ho
* Antar att nollhypotesen är sann i det här stadiet
* Samla in data - för att se om dessa data stöder nollhypotesen
* Statistiska beräkningar steg 1: först får man ofta fram tex medelvärden, proportioner, andra punktestimat som relativ risk: dessa skattade värden vill man komplettera med ett konfidensintervall, vanligen 95%
* Sedan görs ett statistiskt test som ger ett p-värde
* Baserat på p-värdet behåller eller förkastar vi vår nollhypotes
ja
Notera
* Om man inte får statistisk signifikans så kan de bero på att
1) man har för liten statistik styrka /dvs låg power/ = man undersöker får få, eller
2) att det inte är någon skillnad som ska hittas
__________________________
* antalet undersökta objekt/ individer påverkar p-värdet
* ibland är det bra att hitta en skillnad & ibland är det bra att inte hitta något
Quiz
* Ge ett exempel på en nollhypotes
* Vilken är det vanligaste p-värdet man använder som gräns för statistisk
signifikans?
Quiz
* Ge ett exempel på en nollhypotes: DET ÄR INGEN SKILLNAD MELLAN….
* Vilken är det vanligaste p-värdet man använder som gräns för statistisk
signifikans? P-VÄRDE 0.05
Men är statistisk signifikans samma sak som biologisk relevans?
Inte nödvändigtvis, materialet i studien kan skilja sig från det som jag har, tex en art i studien medan jag har en annan
* ex en studie visar att medicin sänker blodtrycket, men sänkningen är för liten för att göra skillnad för hälsan
_______________
Inte alltid säkert.
Deras material kanske inte är relevant för mig - tex ett annat land
