Medicina Mente-Corpo e Colite Ulcerosa

Análise Estatística. O investigador usará os biopsicomarcadores identificados como o valor de previsão mais alto para determinar a precisão relativa para prever a resposta à intervenção consciente (ou seja, o resultado da doença). Para resposta à intervenção consciente, o investigador usará a combinação de marcadores para estudar se eles predizem corretamente a resposta à intervenção. O investigador estudará a precisão dos marcadores usando o índice resumido de área sob a curva (AUC) para curvas ROC.181 Se a precisão da classificação dos marcadores for alta, a área sob a curva será próxima de 1. Se a precisão preditiva do conjunto combinado de marcadores for ruim, a (AUC) será próxima de 0,5.

Estimativas de poder O surto de doença UC foi bastante comum nesta amostra, ocorrendo em mais da metade dos indivíduos nas amostras coletadas na fase de descoberta. As análises de poder, assumindo α = 0,05 para todos os testes, indicaram que, para modelos envolvendo análises de dados correlacionais, haverá poder suficiente mesmo em tamanhos de efeito pequenos para a menor amostra possível com dados completos em todos os pontos de dados e praticamente todas as variáveis. Para a estimativa mais conservadora, o investigador baseia seus cálculos em 50 participantes com dados com integridade total. Com um tamanho de efeito de r = 0,15 en = 50, o poder é 80 ou maior para detectar tamanhos de efeito de r = 0,20. Tamanhos de efeito abaixo desse limite provavelmente não seriam clinicamente significativos ou substantivamente interpretáveis, pois explicariam menos de 2% na variância da variável dependente. Assim, a maioria dos tamanhos de efeito que seriam razoavelmente e substancialmente interpretáveis ​​terá um bom poder. Cada fator suspeito de variar entre os grupos pode ser examinado com o teste qui-quadrado baseado em 1 grau de liberdade, definindo-o como invariante em um modelo e permitindo que seja estimado livremente no outro. Esse teste qui-quadrado fornece um poder de 0,80 com diferença de tamanho de efeito de 0,15.

Para medidas categóricas binárias, como a capacidade de resposta ao MSRB, o investigador realizou análises de poder separadas.

O poder para análises ajustadas de preditores primários de interesse será avaliado em função do risco de resultado quando todas as variáveis ​​auxiliares forem definidas para seu valor médio, o preditor for definido para o valor médio e a proporção de variância no preditor explicada pelo variáveis ​​auxiliares e a razão de chances da variável de resultado aumentar o preditor em uma quantidade igual a um de seu desvio padrão. A faixa de probabilidades de variáveis ​​de resultado pode ser de 20% para eventos menos prováveis ​​e 50% para eventos mais prováveis, o investigador fornecerá cálculos de poder em uma ampla gama de probabilidades. O investigador acredita que a quantidade de variação de nosso modelo típico varia de cerca de 20% a 50%. A tabela (abaixo) representa o odds ratio mínimo que pode ser detectado com 80% de poder, o que indica um bom poder para o resultado esperado.

Proporções 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