Medicina Mente-Cuerpo y Colitis Ulcerosa

Análisis estadístico. El investigador utilizará los biopsicomarcadores identificados como el valor de predicción más alto para determinar la precisión relativa para predecir la respuesta a la Intervención consciente (es decir, el resultado de la enfermedad). Para la respuesta a la intervención consciente, el investigador utilizará la combinación de marcadores para estudiar si predicen correctamente la respuesta a la intervención. El investigador estudiará la precisión de los marcadores utilizando el índice de resumen del área bajo la curva (AUC) para las curvas ROC.181 Si la precisión de clasificación de los marcadores es alta, el área bajo la curva será cercana a 1. Si la precisión predictiva del conjunto combinado de marcadores fuera pobre, entonces el (AUC) estará cerca de 0,5.

El brote de la enfermedad de CU fue bastante común en esta muestra, y ocurrió en más de la mitad de los sujetos en las muestras recolectadas en la fase de descubrimiento. Los análisis de poder, asumiendo α = 0.05 para todas las pruebas, indicaron que para los modelos que involucran análisis de datos correlacionales, habrá poder suficiente incluso en tamaños de efecto pequeños para la muestra más pequeña posible con datos completos en todos los puntos de datos y prácticamente todas las variables. Para la estimación más conservadora, el investigador basa sus cálculos en tener 50 participantes con datos con total integridad. Con un tamaño del efecto de r = 0,15 y n = 50, la potencia es 80 o mayor para detectar tamaños del efecto de r = 0,20. Es probable que los tamaños del efecto por debajo de este umbral no sean clínicamente significativos o sustancialmente interpretables, ya que explicarían menos del 2 % en la varianza de la variable dependiente. Por lo tanto, la mayoría de los tamaños del efecto que serían razonable y sustancialmente interpretables tendrán una buena potencia. Cada factor que se sospecha que varía entre los grupos se puede examinar con la prueba de chi-cuadrado basada en 1 grado de libertad, estableciéndolo invariante en un modelo y luego permitiendo que se estime libremente en el otro. Tal prueba de chi-cuadrado proporciona una potencia de 0,80 con una diferencia de tamaño del efecto de 0,15.

Para las medidas categóricas binarias, como la capacidad de respuesta a MSRB, el investigador realizó análisis de poder por separado.

La potencia para los análisis ajustados de los predictores primarios de interés se evaluará como una función del riesgo de resultado cuando todas las variables auxiliares se establezcan en su valor medio, el predictor se establezca en el valor medio y la proporción de la varianza en el predictor sea explicada por el variables auxiliares y la razón de probabilidades de la variable de resultado de aumentar el predictor en una cantidad igual a una de sus desviaciones estándar. El rango de probabilidades de las variables de resultado puede oscilar entre el 20 % para los eventos menos probables y el 50 % para los eventos más probables; el investigador proporcionará cálculos de potencia sobre un amplio rango de probabilidades. El investigador cree que la cantidad de variación de nuestro modelo típico oscila entre un 20% y un 50%. La tabla (a continuación) representa el cociente de probabilidades mínimo que se puede detectar con una potencia del 80 %, lo que indica una buena potencia para el resultado esperado.

Proporciones 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