心身医学と潰瘍性大腸炎

統計分析。 研究者は、最高の予測値として識別されたバイオサイコマーカーを使用して、マインドフル介入に対する反応 (すなわち、疾患の転帰) を予測するための相対精度を決定します。 マインドフルな介入への反応について、研究者はマーカーの組み合わせを使用して、介入への反応を正しく予測するかどうかを研究します。 治験責任医師は、ROC 曲線の曲線下面積 (AUC) 要約指標を使用して、マーカーの精度を調べます.181 マーカーの分類精度が高い場合、曲線の下の面積は 1 に近くなります。 組み合わせたマーカー セットの予測精度が低い場合、(AUC) は 0.5 に近くなります。

検出力の推定 UC 疾患の再燃は、このサンプルでは非常に一般的であり、発見段階で収集されたサンプルの半数以上の被験者で発生していました。 すべての検定で α = 0.05 と仮定した検出力分析は、相関データの分析を含むモデルでは、すべてのデータ ポイントと実質的にすべての変数にわたる完全なデータを含む、可能な限り最小のサンプルに対して、小さな効果サイズでも十分な検出力があることを示しました。 最も控えめな見積もりでは、調査員は、完全な整合性を備えたデータを持つ 50 人の参加者を持つことに基づいて計算を行います。 r = 0.15 および n = 50 の効果サイズでは、r = 0.20 の効果サイズを検出する検出力は 80 以上です。 このしきい値を下回る効果量は、従属変数の分散で 2% 未満しか説明できないため、臨床的に有意または実質的に解釈できない可能性があります。 したがって、合理的かつ実質的に解釈可能なほとんどの効果量は、優れた検出力を持ちます。 グループ間で異なると疑われる各因子は、自由度 1 に基づくカイ 2 乗検定で調べることができます。1 つのモデルでは不変に設定し、もう 1 つのモデルでは自由に推定できるようにします。 このようなカイ 2 乗検定の検出力は 0.80 で、効果量の差は 0.15 です。

MSRB に対する応答性などのバイナリ カテゴリ尺度については、研究者は個別の検出力分析を実施しました。

対象となる一次予測因子の調整済み分析の検出力は、すべての補助変数が平均値に設定され、予測因子が平均値に設定され、予測因子の分散比率が補助変数、およびその標準偏差の 1 つに等しい量だけ予測変数を増加させることによる結果変数のオッズ比。 結果変数の確率の範囲は、可能性の低いイベントの場合は 20% から、可能性の高いイベントの場合は 50% の範囲であり、研究者は幅広い確率の検出力計算を提供します。 研究者は、典型的なモデルの変動量は約 20% から 50% の範囲であると考えています。 表 (下) は、80% の検出力で検出できる最小オッズ比を表しており、期待される結果に対して適切な検出力を示しています。

比率 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