Медицина разума и тела и язвенный колит

Статистический анализ. Исследователь будет использовать биопсихомаркеры, идентифицированные как наивысшее прогностическое значение, чтобы определить относительную точность предсказания реакции на осознанное вмешательство (т. е. исход заболевания). Для ответа на осознанное вмешательство исследователь будет использовать комбинацию маркеров, чтобы изучить, правильно ли они предсказывают реакцию на вмешательство. Исследователь изучит точность маркеров, используя суммарный показатель площади под кривой (AUC) для ROC-кривых.181 Если точность классификации маркеров высокая, то площадь под кривой будет близка к 1. Если прогностическая точность комбинированного набора маркеров была низкой, то (AUC) будет близко к 0,5.

Power Estimate Обострение язвенного колита в этой выборке было довольно частым явлением, оно наблюдалось более чем у половины субъектов в выборках, собранных на этапе обнаружения. Анализ мощности, предполагающий α = 0,05 для всех тестов, показал, что для моделей, включающих анализ корреляционных данных, будет достаточно мощности даже при небольших размерах эффекта для наименьшей возможной выборки с полными данными по всем точкам данных и практически всем переменным. По самым скромным оценкам, исследователь основывает свои расчеты на наличии 50 участников с полностью достоверными данными. При величине эффекта r = 0,15 и n = 50 мощность составляет 80 или больше для обнаружения величины эффекта r = 0,20. Величины эффекта ниже этого порога, вероятно, не будут клинически значимыми или по существу интерпретируемыми, поскольку они объяснят менее 2% дисперсии зависимой переменной. Таким образом, большинство размеров эффекта, которые можно было бы разумно и по существу интерпретировать, будут иметь хорошую мощность. Каждый фактор, который предположительно различается между группами, можно исследовать с помощью критерия хи-квадрат, основанного на 1 степени свободы, установив его инвариантным в одной модели, а затем позволив свободно оценить его в другой. Такой критерий хи-квадрат дает мощность 0,80 с разницей в величине эффекта 0,15.

Для бинарных категориальных показателей, таких как реакция на MSRB, исследователь провел отдельный анализ мощности.

Мощность скорректированного анализа представляющих интерес первичных предикторов будет оцениваться как функция риска исхода, когда все вспомогательные переменные установлены на их среднее значение, предиктор установлен на среднее значение, а доля дисперсии предиктора объясняется вспомогательные переменные и отношение шансов переменной результата от увеличения предиктора на величину, равную одному из его стандартных отклонений. Диапазон вероятностей переменных результата может составлять от 20 % для менее вероятных событий до 50 % для более вероятных событий, исследователь предоставит расчеты мощности для широкого диапазона вероятностей. Исследователь считает, что количество вариаций нашей типичной модели колеблется от 20% до 50%. В таблице (ниже) представлено минимальное отношение шансов, которое может быть обнаружено при мощности 80%, что указывает на хорошую мощность для ожидаемого результата.

Пропорции R2 = 0,20 R2 = 0,50 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