Mielen ja kehon lääketiede ja haavainen paksusuolitulehdus

Tilastollinen analyysi. Tutkija käyttää biopsykomarkkereita, jotka on tunnistettu korkeimmaksi ennustearvoksi, määrittääkseen suhteellisen tarkkuuden ennakoidakseen vasteen Mindful Intervention (eli sairauden lopputuloksen). Vastatakseen tietoiseen interventioon tutkija käyttää merkkien yhdistelmää tutkiakseen, ennustavatko ne oikein interventiovasteen. Tutkija tutkii markkerien tarkkuutta käyttämällä ROC-käyrien pinta-alaa käyrän alla (AUC) yhteenvetoindeksiä.181 Jos merkkien luokitustarkkuus on korkea, käyrän alla oleva pinta-ala on lähellä yhtä. Jos yhdistettyjen merkkien ennustetarkkuus oli huono, (AUC) on lähellä 0,5.

Tehoarviot UC-taudin puhkeaminen oli melko yleistä tässä näytteessä, ja sitä esiintyi reilusti yli puolella koehenkilöistä löytövaiheessa kerätyissä näytteissä. Tehoanalyysit, olettaen α = 0,05 kaikissa testeissä, osoittivat, että malleissa, jotka sisältävät korrelaatiotietojen analyyseja, on riittävä teho jopa pienillä vaikutuskooilla pienimmälle mahdolliselle otokselle, jossa on täydet tiedot kaikista datapisteistä ja käytännössä kaikista muuttujista. Varovaisimman arvion saamiseksi tutkija perustaa laskelmansa siihen, että 50 osallistujalla on tiedot täysin eheydellä. Kun tehostekoko on r = 0,15 ja n = 50, teho on 80 tai suurempi r = 0,20 efektikokojen havaitsemiseksi. Tämän kynnyksen alle jäävät vaikutuskoot eivät todennäköisesti olisi kliinisesti merkittäviä tai oleellisesti tulkittavissa, koska ne selittäisivät alle 2 % riippuvan muuttujan varianssista. Siten useimmilla tehostekokoilla, jotka olisivat järkevästi ja olennaisesti tulkittavissa, on hyvä teho. Jokaista tekijää, jonka epäillään vaihtelevan ryhmien välillä, voidaan tutkia 1 vapausasteeseen perustuvalla khin neliötestillä asettamalla se invariantiksi yhdessä mallissa ja sallimalla sen sitten vapaasti estimoida toisessa. Tällainen khin neliötesti antaa tehon 0,80 efektin kokoeron ollessa 0,15.

Binäärisille kategorisille mittareille, kuten MSRB:lle reagointikyky, tutkija suoritti erilliset tehoanalyysit.

Kiinnostavien ensisijaisten ennustajien mukautettujen analyysien teho arvioidaan tulosriskin funktiona, kun kaikki apumuuttujat on asetettu keskiarvoon, ennustaja on asetettu keskiarvoon ja ennustajan varianssin osuus selittyy apumuuttujat ja tulosmuuttujan todennäköisyyssuhde, kun ennustajaa lisätään määrällä, joka vastaa yhtä sen keskihajonnasta. Tulosmuuttujien todennäköisyyksien vaihteluväli voi olla missä tahansa välillä 20 % vähemmän todennäköisemmille tapahtumille ja 50 % todennäköisemmille tapahtumille. Tutkija antaa teholaskelmia laajalla todennäköisyysalueella. Tutkija uskoo, että tyypillisen mallimme vaihtelun määrä vaihtelee noin 20 prosentista 50 prosenttiin. Taulukko (alla) edustaa vähimmäiskerroinsuhdetta, joka voidaan havaita 80 % teholla, mikä osoittaa hyvää tehoa odotetulle tulokselle.

Suhteet 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