심신의학과 궤양성 대장염

통계 분석. 조사자는 마음챙김 개입에 대한 반응(즉, 질병 결과)을 예측하기 위한 상대적 정확도를 결정하기 위해 가장 높은 예측 값으로 식별된 생체정신지표를 사용할 것입니다. 마음챙김 개입에 대한 응답을 위해 조사자는 마커 조합을 사용하여 개입에 대한 응답을 올바르게 예측하는지 여부를 연구합니다. 조사자는 ROC 곡선에 대한 곡선 아래 영역(AUC) 요약 지수를 사용하여 마커의 정확도를 연구합니다.181 마커의 분류 정확도가 높으면 곡선 아래 영역이 1에 가까워집니다. 결합된 마커 세트의 예측 정확도가 좋지 않은 경우 (AUC)는 0.5에 가깝습니다.

Power Estimates 궤양성대장염 질환의 재발은 이 샘플에서 매우 흔했으며, 발견 단계에서 수집된 샘플의 대상자의 절반 이상에서 발생했습니다. 모든 테스트에 대해 α = 0.05로 가정한 전력 분석은 상관 데이터 분석을 포함하는 모델의 경우 모든 데이터 포인트와 거의 모든 변수에 걸쳐 전체 데이터가 있는 가능한 가장 작은 샘플에 대해 작은 효과 크기에서도 충분한 검정력이 있음을 나타냅니다. 가장 보수적인 추정을 위해 조사자는 완전한 무결성을 가진 데이터가 있는 50명의 참가자를 기준으로 계산합니다. r = 0.15 및 n = 50의 효과 크기에서 r = 0.20의 효과 크기를 탐지하기 위한 검정력은 80 이상입니다. 이 임계값 미만의 효과 크기는 종속 변수의 분산에서 2% 미만을 설명하므로 임상적으로 유의하거나 실질적으로 해석할 수 없습니다. 따라서 합리적이고 실질적으로 해석 가능한 대부분의 효과 크기는 좋은 검정력을 갖습니다. 집단간에 차이가 있다고 의심되는 각 요인은 하나의 모형에서는 불변으로 설정하고 다른 모형에서는 자유롭게 추정할 수 있도록 1 자유도를 기준으로 한 카이제곱 검정으로 검사할 수 있습니다. 이러한 카이제곱 검정은 0.15의 효과 크기 차이와 함께 0.80의 검정력을 제공합니다.

MSRB에 대한 응답성과 같은 이진 범주 측정의 경우 조사자는 별도의 검정력 분석을 수행했습니다.

관심 있는 1차 예측변수의 조정된 분석에 대한 검정력은 모든 보조 변수가 평균값으로 설정되고 예측변수가 평균값으로 설정되고 예측변수의 분산 비율이 다음으로 설명될 때 결과 위험의 함수로 평가됩니다. 보조 변수 및 표준 편차 중 하나와 동일한 양만큼 예측 변수를 증가시키는 결과 변수의 승산비. 결과 변수의 확률 범위는 가능성이 낮은 사건의 경우 20%, 가능성이 높은 사건의 경우 50%가 될 수 있으며, 조사자는 광범위한 확률에 대한 검정력 계산을 제공합니다. 연구자는 일반적인 모델의 변동량이 약 20%에서 50% 사이라고 생각합니다. 표(아래)는 80% 검정력으로 감지할 수 있는 것보다 최소 승산비를 나타내며, 이는 예상 결과에 대한 우수한 검정력을 나타냅니다.

비율 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