Mục lục bài viết
Mẹo Hướng dẫn Bài toán so sánh nhiều tỷ trọng Chi Tiết
Cập Nhật: 2022-03-04 06:39:08,Bạn Cần kiến thức và kỹ năng về Bài toán so sánh nhiều tỷ trọng. Bạn trọn vẹn có thể lại phản hồi ở phía dưới để Mình được tương hỗ.
1. Thí dụ:
Trong một thử nghiệm lâm sàng để
điều trị ung thư vú đã di căn, bệnh nhânh được phân nhóm ngẫu nhiên để được
điều trị với L-Pam hay CMF (một phối hợp gồm 3 loại thuốc). Ðáp ứng khối u được
định nghĩa là yếu tố teo nhỏ trên một nửa của diện tích quy hoạnh s khối u trong thời hạn tối thiểu là 2 tuần.
Số liệu được trình diễn trong bảng sau:
Ðiều trị
CMF
L-Pam
Tổng số
Ðáp ứng của khối u
Có
49
(52,7%)
18
(19,8%)
67
(36,4%)
Không
44
73
117
Tổng số bệnh nhân
93
91
184
Với số liệu trên, toàn bộ chúng ta trọn vẹn có thể
sử dụng kiểm định ý nghĩa để xem dẫn chứng để kết luận CMF tốt hơn L-Pam mạnh
đến mức độ nào.
2. Nguyên tắc của kiểm định ý
nghĩa
Nguyên lí của phương pháp phản
chứng là nều toàn bộ chúng ta trọn vẹn có thể suy luận
nếu A Þ B
không xẩy ra thì B xẩy ra Þ A không xẩy ra
Kí hiệu `B là
phủ định của mệnh đề B, `A là phủ định của mệnh đề A, ta trọn vẹn có thể
viết
nếu A Þ `B thì B Þ `A
Ðây là suy luận toàn bộ chúng ta rất
thường xuyên ứng dụng trong chẩn đoán y khoa (mặc dầu toàn bộ chúng ta ứng dụng nó một
cách có ý thức hay vô thức).Thí dụ: một bệnh nhân nhập viện vì bị đau bụng dữ
dội. Giả sử toàn bộ chúng ta nghi ngờ bệnh nhân bị tắc ruột và toàn bộ chúng ta khai thác bệnh
sử của bệnh nhân. Bệnh nhân cho biết thêm thêm bệnh nhân có trung tiện thường thì và
toàn bộ chúng ta vô hiệu căn nguyên tắc ruột. Có thể toàn bộ chúng ta không sở hữu và nhận thức được quá
trình suy luận nhưng nó đã trình làng như sau:
Nếu
bệnh nhân bị tắc ruột thì bệnh nhân sẽ không còn đi trung tiện.
Do
bệnh nhân trung tiện thường thì nên bệnh nhân không trở thành tắc ruột.
Nguyên tắc của kiểm định ý nghĩa
tương tự như nguyên tắc của phương pháp phản chứng. Ðó là:
Nếu Ho Þ T hiếm
xẩy ra thì T xẩy ra Þ Ho hiếm xẩy ra
Kí hiệu theo công thức xác suất
của biến cố T là P(T), ta viết:
Nếu Ho Þ P(T)
nhỏ thì T xẩy ra Þ P(Ho) nhỏ
Phân tích từng bước của quy trình
kiểm định ý nghĩa toàn bộ chúng ta có tiến trình:
1. Xây dựng giả thuyết Ho
2. Chọn lựa kiểm định thích hợp –
Việc tìm chuỗi suy luận từ Ho Þ P(T)
3. Tính giá trị thống kê T của số
liệu tích lũy được
4. Tính xác suất của thống kê
T – kí hiệu là P(T) và được gọi là giá
trị p.
5. Và nếu P(T) đủ nhỏ toàn bộ chúng ta
kết luận P(Ho) nhỏ và toàn bộ chúng ta bác bỏ giả thuyết Ho
2.1.
Giả thuyết không
Trong thống kê, giả thuyết không
(null hypothesis) là một mệnh đề âm tính nhận định rằng không tồn tại sự liên khối mạng lưới hệ thống kê
nào và như ở trên đã trình diễn, xác lập giả thuyết không là buớc thứ nhất
của bất kể một kiểm định ý nghĩa thống kê nào. Trong trường hợp so sánh 2 tỉ lệ
trước tiên toàn bộ chúng ta sẽ chọn lập trường âm tính: giả định rằng không tồn tại sự khác
biệt về tỉ lệ giữa hai dân số đích mà đã được đại diện thay mặt thay mặt bởi hai dân số nghiên
cứu (mẫu).
Trong thí dụ điều trị ung thư vú,
toàn bộ chúng ta xem giả thuyết không là hai điều trị này còn có hiệu suất cao tương tự. Nói
khác đi những bệnh nhân ung thư vú sẽ đã có được tỉ lệ phục vụ nhu yếu với điều trị bằng nhau đối
với CMF và L-Pam.
Ho: p.1=p.2 Hay
Hp: tỉ lệ phục vụ nhu yếu với CMF = tỉ lệ
phục vụ nhu yếu với L-Pam
Chúng ta cũng luôn có thể có phát biểu giả
thuyết không như sau: so với một bệnh nhân bất kì, xác suất phục vụ nhu yếu điều trị
với CMF và L-Pam là bằng nhau.
2.2. Chọn kiểm định ý nghĩa để so
sánh hai tỉ lệ Phần Trăm
Sau khi xác lập giả thuyết không
toàn bộ chúng ta cần xác lập chuỗi suy luận từ HoÞ
P(B) bằng phương pháp đưa ra vướng mắc:
–
Nếu giả thuyết không là đúng, thời cơ (xác suất) xẩy ra sự khác lạ về tỉ lệ
tương tự hay to nhiều hơn sự khác lạ đã quan sát được là bao nhiêu?
Cụ thể trong trường hợp thí dụ về
ung thư vú, toàn bộ chúng ta đưa ra vướng mắc, nếu thuốc CMF và L-Pam có hiệu suất cao điều
trị cùng bằng 36%, xác suất xẩy ra sự khác lạ tương tự hoặc khác lạ nhiều
hơn số liệu đã quan sát (đó là phục vụ nhu yếu với CMF là 52,7% và với L-Pam là 19,8%)
là bao nhiêu?
Như vậy, giả thuyết không cho
rằng số bệnh nhân điều trị thuốc L-Pam sẽ là một mẫu gồm 19 bệnh nhân và bệnh nhân điều trị thuốc
CMF là một mẫu gồm 93 bệnh nhân cả hai đều phải có tỉ lệ phục vụ nhu yếu là 36,4%. Trong
trường hợp này lí thuyết thống kê nhận định rằng:
– Hiệu số của tỉ lệ phục vụ nhu yếu ở hai
mẫu p1-p2 sẽ đã có được phân phối xấp xỉ thường thì
– Hiệu số của tỉ lệ phục vụ nhu yếu ở hai
mẫu p1-p2 sẽ giao động chung quanh giá trị 0
– Sai số chuẩn của hiệu số hai tỉ
lệ là
2.3. Tính chỉ số thống kê đo
lường hiệu số quan sát được
Sự khác lạ (hiệu số) quan sát
được đo lường và thống kê theo sai số chuẩn được gọi là thống kê z:
2.4. Tính xác suất của chỉ số
thống kê Z
Ðối với phân phối thường thì, ta
có xác lập xác suất đã có được thống kê Z to nhiều hơn hoặc bằng một giá trị Z0 nhất
định bằng phương pháp sử dụng một ứng dụng thống kê (thí dụ như Epi-Info; Excel hay
Stata), hoặc tìm hiểu thêm bảng phân phối chuẩn. Hoặc toàn bộ chúng ta trọn vẹn có thể sử dụng trực
tiếp những thông tin sau:
P(|Z|
³ 0,674) =0,5 P(|Z| ³ 1,282) =0,2 P(|Z| ³ 1,645) =0,1
P(|Z|
³ 1,960) =0,05 P(|Z| ³ 2,576) =0,01 P(|Z| ³ 3,291)=0,001
Ðiểm cần nhắc lại là nếu Z càng
lớn thì xác suất P càng nhỏ.
Trong thí dụ trên với Z=4,63 thì
ta có P<0,001. Nói cách khác, nếu điều trị CMF và L-Pam thực sự có hiệu suất cao
như nhau thì xác suất đã có được sự khác lạ lớn như toàn bộ chúng ta đã quan sát là nhỏ
hơn 1/1000.
2.5. Kết luận
Vì vậy toàn bộ chúng ta kết luận bác bỏ
giả thuyết Ho với mức ý nghĩa 0,001. Hay
nói rằng sự khác lạ có ý nghĩa thống kê ở tại mức 0,001. Do đó có dẫn chứng mạnh
mẽ nhận định rằng những bệnh nhân nhân nhóm CMF thực sự có phục vụ nhu yếu tốt hơn so với bệnh
nhân nhóm L-Pam
3. Phương pháp tắt để tính z
Ðiều trị
CMF
L-Pam
Tổng số
Ðáp ứng của khối u
Có
49
18
67
Không
44
73
117
Tổng số bệnh nhân
93
91
184
Ngoài phương pháp tính z bằng tỉ số giữa
hiệu số 2 tỉ lệ và sai số chuẩn của hiệu số 2 tỉ lệ, toàn bộ chúng ta trọn vẹn có thể tính z
theo công thức sau (kí hiệu 4 tần suất của 4 ô trong bảng 2 x gấp đôi lượt là a,
b, c, d):
Ðây là phương pháp tắt để tính z
và có ưu điểm là trọn vẹn có thể tính nhanh hơn và ít nhầm lẫn hơn. Khuyết điểm của
phương pháp này là không thể hiện được thực ra của phương pháp kiểm định z. Cả
hai phương pháp đều cho kết quả giống hệt nhau nếu không tồn tại sai số do việc làm
tròn số.
4. Biện luận giá trị của p.
Giá trị p. to nhiều hơn 0,1 sẽ là
đủ lớn để xem rằng không tồn tại đủ dẫn chứng để bác bỏ giả thuyết Ho. Theo thông
lệ, người ta nhận định rằng p.<0,05 là có đủ
dẫn chứng làm nhận định rằng giả thuyết Ho là không đúng. Khi đó, người ta trọn vẹn có thể nói rằng
rằng sự khác lạ có ý nghĩa thống kê ở tại mức 5%. Một số người tiêu dùng quy tắc
là nếu p. ³ 0,05 thì chấp nhận
Ho và nếu p.<0,05 thì bác bỏ Ho. Tuy nhiên điều này trọn vẹn không tồn tại một địa thế căn cứ khoa học hay
thống kê nào mà chỉ do thói quen thời thượng. Vì vậy toàn bộ chúng ta nên bác bỏ việc “mê tín dị đoan” vào ngưỡng ý nghĩa
5%. Mặt khác, những phân tích thống kê đã cho toàn bộ chúng ta biết toàn bộ chúng ta nên sử dụng mức ý
nghĩa thấp hơn, thí dụ như 0,01 hay 0,001, trong kiểm định giả thuyết. Và dù sử
dụng bất kể ngưỡng ý nghĩa nào, trong văn bản báo cáo giải trình khoa học toàn bộ chúng ta phải văn bản báo cáo giải trình
giá trị thực sự của p., chứ không riêng gì có viết rằng p. ở dưới một ngưỡng nào đó.
5. Sự lạm dụng của test thống kê
Kiểm định giả thuyết không phải
là không tồn tại sai lầm đáng tiếc: mặc dầu toàn bộ chúng ta có 20 giả thuyết trọn vẹn đúng thì trên
trung bình, việc tiến hành 20 kiểm định sẽ dẫn đến việc bác bỏ (sai lầm đáng tiếc) một
giả thuyết. Và nếu toàn bộ chúng ta tiến hành nhiều kiểm định hơn thì toàn bộ chúng ta có nhiều rủi ro đáng tiếc tiềm ẩn tiềm ẩn bị sai lầm đáng tiếc hơn.
Sau khi đã có số liệu, nếu chúng
ta tiến hành thật nhiều kiểm định để xem kiểm định nào là có ý nghĩa thống kê –
người ta gọi đó là nạo vét số liệu (data dredging) – thì rủi ro đáng tiếc tiềm ẩn tiềm ẩn sai lầm đáng tiếc sẽ
tăng dần và những phát hiện sẽ gây nên rối hơn là làm sáng tỏ cho khoa học. Vì vậy
đấy là yếu tố lạm dụng cần phê phán trang trọng. Trên lí tưởng thì những giả thuyết
nghiên cứu và phân tích cần kiểm định phải được phát biểu trước lúc tích lũy số liệu.
Một thí dụ: trong nghiên cứu và phân tích
anturane, tuy nhiên không tồn tại sự khác lạ có ý nghĩa giữa anturane và placebo nói
chung, văn bản báo cáo giải trình có “phát hiện” rằng trong vòng 6 tháng đầu số tử vong
ở nhóm anturane là 6 thấp hơn một cách có ý nghĩa so với tử vong ở nhóm placebo
là 24 (p.=0,001). Tuy nhiên chính vì trong thiết kế của nghiên cứu và phân tích không đề cập
đến việc so sánh số tử vong trong vòng 6 tháng, lẽ ra nên tránh những so sánh như
vậy trong văn bản báo cáo giải trình.
6. Khoảng tin cậy 95% của hai hiệu
số
Nếu chỉ kiểm định so sánh hai tỉ lệ mà không ước lượng khoảng chừng
tin cậy của hiệu số hai tỉ lệ thì vẫn chưa hoàn hảo nhất. Chúng ta nhận thức rằng
p. có ích để định lượng dẫn chứng chống lại giả thuyết Ho, khoảng chừng tin cậy cho
toàn bộ chúng ta biết về độ lớn của sự việc khác lạ và thể hiện mức độ không chứng minh và khẳng định về
độ lớn sự khác lạ đó. Công thức để tính khoảng chừng tin cậy của hiệu số như sau:
Trong thử nghiệm anturane, khoảng chừng
tin cậy 95% của khác lạ về tỉ lệ tử vong sau một năm là:
Chúng ta trọn vẹn có thể nói rằng rằng sự khác
biệt về hiệu suất cao giữa anturane và placebo nằm đâu đó giữa 2 trường hợp: tăng tỉ
lệ tử vong 0,7% trong nhóm anturane và giảm tỉ lệ tử vong 3,7% ở nhóm anturane.
Có thể nhận xét rằng nếu khoảng chừng tin cậy 95% đi từ giá trị âm đến giá trị dương
thì nó có chứa giá trị 0 và như vậy tức là toàn bộ chúng ta không bác bỏ giả
thuyết H0 nhận định rằng không tồn tại sự khác lạ giữa hai tỉ lệ (với ngưỡng
tin cậy 5%) và khi đó giá trị p.>0,05. trái lại nếu khoảng chừng tin cậy không
chứa giá trị 0 thì giá trị p. sẽ <0,05
Bài tập
1. Những nghiên cứu và phân tích trước đó cho
thấy rằng thuốc chẹn kênh calci tác dụng nhanh làm ngày càng tăng bệnh tật và tử vong
ở những bệnh nhân bị suy tim mãn tính. Một nghiên cứu và phân tích được tiến hành để xem xét
hiệu suất cao của Amlodipine trên những bệnh nhân bị suy tim mạn tính. Trong nghiên
cứu này 1153 bệnh nhân bị suy tim mãn tính và phân số tống máu nhỏ hơn 30% được
điều trị mù đôi hoặc là với amolodipine (571) hay placebo (582 bệnh nhân) cùng
với điều trị sẵn có. Các bệnh nhân được phân tầng tuỳ theo có hay là không trở thành
thiếu máu cơ tim. Biến số kết quả chính (primary outcome) của nghiên cứu và phân tích là tử
vong do bất kể nguyên nhân nào hay nhập viện do những biến cố tim mạch.
a. Giả sử anh chị là người thiết
kế nghiên cứu và phân tích cho thử nghiệm lâm sàng này, anh chị nhận định rằng điều trị bằng
amlodipine sẽ đã có được tác động tốt ở biến số nào (tử vong do bất kì nguyên nhân nào
– nhập viện do biến cố tim mạch – hay xẩy ra một trong 2 biến có trên)? Anh chi
nhận định rằng amlodipine sẽ đã có được kết quả tốt ở phân tầng nào (ở nhóm thiếu máu cơ tim
hay ở nhóm không thiếu máu cơ tim?
Sau thuở nào hạn theo dõi (từ 6
đến 33 tháng với trung vị là 13,8 tháng), kết quả được ghi nhận như sau:
Biến số kết quả
Tất cả bệnh nhân
Nhóm thiếu máu cơ tim
Nhóm không thiếu máu
Placebo
(n=582)
amlodipine
(n=571)
Placebo
(n=370)
amlodipine
(n=362)
Placebo
(n=212)
amlodipine
(n=209)
Chết
192
160
126
123
66
37
Phù phổi
Thiếu tưới máu nặng
Nhồi máu cơ tim
Nhịp nhanh thất hay rung thất
15
11
10
18
35
10
7
10
13
8
9
12
21
8
4
8
2
3
1
6
14
2
3
2
Tổng cộng
246
222
168
164
78
58
Reply
1
0
Chia sẻ
Review Chia Sẻ Link Down Bài toán so sánh nhiều tỷ trọng ?
– Một số Keyword tìm kiếm nhiều : ” Review Bài toán so sánh nhiều tỷ trọng tiên tiến và phát triển nhất , Share Link Cập nhật Bài toán so sánh nhiều tỷ trọng “.
Thảo Luận vướng mắc về Bài toán so sánh nhiều tỷ trọng
You trọn vẹn có thể để lại Comment nếu gặp yếu tố chưa hiểu nha.
#Bài #toán #sánh #nhiều #tỷ #lệ Bài toán so sánh nhiều tỷ trọng
Bình luận gần đây