Medycyna umysłu i ciała i wrzodziejące zapalenie jelita grubego

Analiza statystyczna. Badacz użyje biopsychomarkerów zidentyfikowanych jako najwyższa wartość przewidywania, aby określić względną dokładność przewidywania odpowiedzi na Uważną Interwencję (tj. wyniku choroby). Aby uzyskać odpowiedź na świadomą interwencję, badacz użyje kombinacji markerów, aby zbadać, czy prawidłowo przewidują one reakcję na interwencję. Badacz zbada dokładność markerów przy użyciu sumarycznego wskaźnika pola pod krzywą (AUC) dla krzywych ROC.181 Jeśli dokładność klasyfikacji znaczników jest wysoka, pole pod krzywą będzie bliskie 1. Jeśli predykcyjna dokładność połączonego zestawu markerów była słaba, wówczas (AUC) będzie bliskie 0,5.

Power Estimates Zaostrzenie choroby wrzodziejącego zapalenia jelita grubego było dość powszechne w tej próbce i wystąpiło u znacznie ponad połowy badanych w próbkach pobranych w fazie odkrywania. Analizy mocy, przy założeniu α = 0,05 dla wszystkich testów, wykazały, że dla modeli obejmujących analizę danych korelacyjnych moc będzie wystarczająca nawet przy małych rozmiarach efektu dla najmniejszej możliwej próby z pełnymi danymi we wszystkich punktach danych i praktycznie wszystkich zmiennych. W przypadku najbardziej ostrożnych szacunków badacz opiera swoje obliczenia na 50 uczestnikach z danymi z pełną integralnością. Przy wielkości efektu r = 0,15 i n = 50 moc wynosi 80 lub więcej, aby wykryć wielkość efektu r = 0,20. Wielkości efektu poniżej tego progu prawdopodobnie nie byłyby istotne klinicznie ani merytorycznie interpretowalne, ponieważ wyjaśniałyby mniej niż 2% wariancji zmiennej zależnej. Zatem większość rozmiarów efektów, które byłyby racjonalnie i zasadniczo interpretowalne, będzie miała dobrą moc. Każdy czynnik, co do którego podejrzewa się, że różni się między grupami, można zbadać za pomocą testu chi-kwadrat opartego na 1 stopniu swobody, ustawiając go jako niezmiennik w jednym modelu, a następnie umożliwiając jego swobodne oszacowanie w drugim. Taki test chi-kwadrat daje moc 0,80 z różnicą wielkości efektu 0,15.

W przypadku binarnych miar kategorycznych, takich jak reakcja na MSRB, badacz przeprowadził oddzielne analizy mocy.

Moc skorygowanych analiz pierwotnych predyktorów będących przedmiotem zainteresowania zostanie oceniona jako funkcja ryzyka wyniku, gdy wszystkie zmienne pomocnicze zostaną ustawione na ich wartość średnią, predyktor zostanie ustawiony na wartość średnią, a proporcja wariancji predyktora zostanie wyjaśniona przez zmienne pomocnicze oraz iloraz szans zmiennej wynikowej na zwiększenie predyktora o kwotę równą jednemu z jego odchyleń standardowych. Zakres prawdopodobieństw zmiennych wynikowych może wynosić od 20% dla mniej prawdopodobnych zdarzeń i 50% dla bardziej prawdopodobnych zdarzeń, badacz przeprowadzi obliczenia mocy dla szerokiego zakresu prawdopodobieństw. Badacz uważa, że ​​wielkość zmienności naszego typowego modelu waha się od około 20% do 50%. Tabela (poniżej) przedstawia minimalny iloraz szans, jaki można wykryć przy mocy 80%, co wskazuje na dobrą moc dla oczekiwanego wyniku.

Proporcje 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