Az elme-test gyógyászat és a colitis ulcerosa

Statisztikai analízis. A vizsgáló a legmagasabb predikciós értékként azonosított biopszichomarkereket fogja használni a Mindful Interventionre adott válasz (azaz a betegség kimenetelének) relatív pontosságának meghatározására. A tudatos beavatkozásra adott válaszként a vizsgáló a markerek kombinációját használja annak tanulmányozására, hogy helyesen jósolják-e meg a beavatkozásra adott választ. A vizsgáló a markerek pontosságát a görbe alatti terület (AUC) összegző indexének felhasználásával fogja tanulmányozni a ROC görbékhez.181 Ha a markerek osztályozási pontossága magas, akkor a görbe alatti terület közel 1 lesz. Ha a kombinált markerkészlet prediktív pontossága gyenge, akkor az (AUC) közel 0,5 lesz.

Teljesítménybecslések Az UC-betegség fellángolása meglehetősen gyakori volt ebben a mintában, amely a felfedezési fázisban gyűjtött mintákban az alanyok jóval több mint felénél fordult elő. A teljesítményelemzések, α = 0,05-öt feltételezve minden teszt esetében, azt mutatták, hogy a korrelációs adatok elemzését magában foglaló modellek esetében elegendő teljesítmény lesz még kis hatásméreteknél is a lehető legkisebb minta számára, teljes adattal minden adatponton és gyakorlatilag minden változóban. A legkonzervatívabb becsléshez a vizsgáló arra alapozza számításait, hogy 50 résztvevője van teljes integritású adatokkal. R = 0,15 és n = 50 hatásméret esetén a teljesítmény 80 vagy nagyobb az r = 0,20 hatásméretek észleléséhez. Az e küszöbérték alatti hatásméretek valószínűleg nem klinikailag szignifikánsak vagy érdemben értelmezhetők, mivel kevesebb, mint 2%-ot magyaráznának a függő változó varianciájában. Így a legtöbb hatásméret, amely ésszerűen és lényegében értelmezhető lenne, jó erővel rendelkezik. Minden egyes csoportonkénti eltérés gyanús tényezője az 1 szabadságfokon alapuló khi-négyzet próbával vizsgálható úgy, hogy az egyik modellben invariánsnak állítjuk be, majd a másikban engedjük szabadon becsülni. Egy ilyen khi-négyzet teszt 0,80 hatványt ad 0,15 hatásméret-különbséggel.

A bináris kategorikus mérőszámok esetében, mint például az MSRB-re adott válaszkészség, a vizsgáló külön teljesítményelemzést végzett.

Az elsődleges érdeklődésre számot tartó prediktorok kiigazított elemzésének teljesítményét az eredmény kockázatának függvényében értékelik ki, amikor az összes járulékos változó az átlagértékre van beállítva, a prediktor az átlagértékre van állítva, és a prediktor varianciájának aránya a segédváltozók, valamint az eredményváltozó esélyhányadosa abból a szempontból, hogy a prediktort a szórásának egyikével megegyező mértékben növeljük. Az eredményváltozók valószínűségi tartománya 20% között lehet a kevésbé valószínű események és 50% között a valószínűbb események esetén, a vizsgáló a valószínűségek széles tartományára vonatkozóan nyújt teljesítményszámításokat. A vizsgáló úgy véli, hogy tipikus modellünk variációi körülbelül 20% és 50% között mozognak. Az alábbi táblázat a 80%-os teljesítménnyel kimutatható minimális esélyhányadost mutatja, ami jó erőt jelez a várható kimenetelhez.

Arányok 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