Medicína mysli a těla a ulcerózní kolitida

Statistická analýza. Zkoušející použije biopsychomarkery identifikované jako nejvyšší prediktivní hodnotu k určení relativní přesnosti k předpovědi reakce na všímavou intervenci (tj. výsledek onemocnění). Pro reakci na uvědomělý zásah použije zkoušející použití kombinace markerů ke studiu, zda správně předpovídají reakci na zásah. Výzkumník bude studovat přesnost markerů pomocí souhrnného indexu plochy pod křivkou (AUC) pro křivky ROC.181 Pokud je přesnost klasifikace značek vysoká, bude plocha pod křivkou blízká 1. Pokud byla prediktivní přesnost kombinované sady markerů špatná, pak (AUC) bude blízko 0,5.

Power Estimates Vzplanutí onemocnění UC bylo v tomto vzorku docela běžné a objevilo se u více než poloviny subjektů ve vzorcích odebraných ve fázi objevování. Výkonové analýzy za předpokladu α ​​= 0,05 pro všechny testy ukázaly, že pro modely zahrnující analýzy korelačních dat bude dostatečný výkon i při malých velikostech efektů pro nejmenší možný vzorek s úplnými daty napříč všemi datovými body a prakticky všemi proměnnými. Pro nejkonzervativnější odhad zakládá výzkumník své výpočty na tom, že má 50 účastníků s daty s plnou integritou. Při velikosti efektu r = 0,15 an = 50 je síla 80 nebo větší pro detekci velikosti efektu r = 0,20. Velikosti účinků pod tímto prahem by pravděpodobně nebyly klinicky významné nebo věcně interpretovatelné, protože by vysvětlovaly méně než 2 % rozptylu závislé proměnné. Většina velikostí efektů, které by byly rozumně a v podstatě interpretovatelné, bude mít tedy dobrou sílu. Každý faktor, u kterého existuje podezření, že se mezi skupinami liší, lze zkoumat testem chí-kvadrát založeným na 1 stupni volnosti, a to tak, že se v jednom modelu nastaví jako invariantní a v druhém se nechá volně odhadnout. Takový chí-kvadrát test poskytuje mocninu 0,80 s rozdílem velikosti účinku 0,15.

Pro binární kategorická měření, jako je odezva na MSRB, výzkumník provedl samostatné analýzy výkonu.

Síla pro upravené analýzy primárních prediktorů zájmu bude vyhodnocena jako funkce rizika výsledku, když jsou všechny pomocné proměnné nastaveny na střední hodnotu, prediktor je nastaven na střední hodnotu a podíl rozptylu v prediktoru vysvětlený pomocí pomocné proměnné a poměr šancí výsledné proměnné ze zvýšení prediktoru o hodnotu rovnající se jedné z jeho standardní odchylky. Rozsah pravděpodobností výstupních proměnných může být kdekoli od 20 % pro méně pravděpodobné události a 50 % pro pravděpodobnější události, vyšetřovatel poskytne výpočty síly pro široký rozsah pravděpodobností. Vyšetřovatel se domnívá, že množství variací našeho typického modelu se pohybuje od přibližně 20 % do 50 %. Tabulka (níže) představuje minimální poměr šancí, který lze zjistit při 80% výkonu, což ukazuje na dobrý výkon pro očekávaný výsledek.

Proporce R2 =,20 R2=,50 0,10 1,64 1,87 0,20 1,46 1,63 0,30 1,39 1,53 0,40 1,35 1,48 0,50 1,32 1,43