Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Biyomedikal Alanda Istatistiksel Veri Analiz Yöntemleri

No description
by

Ece BAYIR

on 9 January 2014

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Biyomedikal Alanda Istatistiksel Veri Analiz Yöntemleri

Biyomedikal Araştırmalarda İstatistiksel Veri Analizi
Merkezi Eğilim Ölçütleri
Temel Istatistiksel Yöntemler
Verilerin analizinde kullanılan istatistiksel
testler, parametrik olan ve olmayan testler
olarak iki grupta incelenir.
Hangi testi seçmeliyim?
Ece BAYIR
Yüksek Lisans Öğrencisi
Biyomedikal Teknolojiler ABD

Dünyanın en saygın ve en çok okunan yayınlarında dahi kötü tasarlanmış, yanlış analizler uygulanmış makale oranı yüksektir.

Bir araştırma sonucuna göre; aralarında saygın dergilerin de bulunduğu 30 dergide yayınlanan 4200 makalenin, yalnızca %20’sinin çalışma düzeni ve istatistik analiz olarak geçerli olduğu bildirilmiştir.

Kötü deney düzeni ve istatistik analizli çalışmaların %80’inde pozitif bulgu varken, iyi çalışmaların yalnızca %25’i pozitif (ilaç etkili, tanı geçerli) bulgu vermektedir.



Neden bu konuyu seçtim?

Günümüz standartlarına uygun akademik ve klinik araştırmaları;
dizayn edebilmek
,
bunları uygulayabilmek
,
yorumlayabilmek
ve
yayınlayabilmek

için kullanılmaktadır.

Biyoistatistik

Bir istatistiksel analiz için en kritik soru, değerlendirme için hangi testin kullanılacağıdır.

Bu temel sorunun cevaplandırılabilmesi için araştırmacı 3 soruya cevap vermelidir:
Veri tipi nedir?
Veri dağılımı nasıldır?
Verilerin bağımlılık durumu nedir?
Niteliksel (Qualitative)
Niceliksel (Quantitative)
Bireylerin sahip olduğu belli özelliklerin sınıflara ayrılarak belirtildiği verilerdir.
Örneğin;
deney hayvanının cinsiyeti, olumlu olumsuz, iyileşti iyileşmedi, uygun uygun değil gibi...
Veri Türleri
Nicelik belirten (ölçülerek yada sayılarak elde edilen) verilerdir.
Örneğin;
absorbans değerleri, sayım sonuçları, tartım sonuçları...
Nitelik verilerde belli bir sıralama söz konusu ise
(kötü-orta-iyi-mükemmel gibi) bu tür verilere sıralanabilir nitelik veriler denir.

Örneğin;
Siyatik siniri kesilip kitosan malzeme ile birleştirilen farenin yürüme derecesi.

Sınıflanabilir (Nominal)
Sıralanabilir (Ordered)
Nitelik verilerde belli bir sıralama yoksa bu tür verilere sınıflanabilir nitelik veriler denir.
Örneğin;
aynı farenin yürüyüp yürümemesi, yaşayıp yaşamaması
Kesikli sayısal
Sürekli sayısal
Belirli bir aralıktaki
tam sayıları
alan veri türüdür. İki aralıkta noktalı değer almaz.
Örnek:
Kültürdeki ölü-canlı hücre sayısı
Ölçümle belirtilirler ve bir aralıktaki bütün değerleri alırlar.
Örnek:
MTT absorbans değerleri
İstatistikte dağılımın normal olup olmadığının belirlenmesi çok önemlidir. Çünkü
farklı dağılım gösteren verilere uygulanacak
tanımlayıcı ve analitik
istatistik yöntemleri de farklıdır.
Parametrik testlerin tümünün uygulanabilmesi için verilerin dağılımının normal olması gerekir. Dağılımın normal olup olmadığı grafik ve istatistik analiz yöntemleri ile araştırılır.
Verilerin Dağılımı
NORMAL DAĞILIM
ÇARPIK DAĞILIM
Ölçümle belirtilen sürekli değişkenlerin dağılımıdır. Normal dağılım simetrik olduğu için normal dağılım gösteren değişkenlerin
ortalama, ortanca ve modları eşittir.
Ortalama ve standart sapmaya göre grafik değişir. Normal dağılım gösteren verilerde ortalama kullanılır.
Grafikler ile
Merkezi ölçütler ve dağılım ölçütleri ile
Normal dağılım nasıl anlasılır?
Eğer bir dağılım simetrik değilse, dağılım eğrisinde çan eğrisinin tepe noktası ortada değil, sağa ve sola kaymış olacaktır.
Dağılımı temsil eder ancak dağılımın yayılımı hakkında bilgi vermezler.

Aritmetik Ortalama:
Sayısal değişkenler için merkezi eğilim ölçütüdür. Aşırı değerlerden etkilenir. Bunlardan kurtulmak için;
(1)
imkan varsa deney tekrarlanır,
(2)
aşırı değerler atılabilir,
(3)
yerlerine diğerlerine yakın bir değer atanabilir veya
(4)
bunlar yapılamıyorsa MEDYAN kullanılır.

Ortanca=Orta değer=Medyan:
Küçükten büyüğe ya da büyükten küçüğe doğru sıralandığında, tam ortadaki deneğin değeridir. Ordinal veriler için en iyi merkezi dağılım ölçütüdür. Aşırı değerlerden etkilenmez. Nominal değerler için uygun değildir.

Tepe değeri=Mod:
Değişkenler içinde en fazla görülen, en çok tekrarlanan değerdir. Biyomedikalde nadir kullanılan bir merkezi eğilim ölçütüdür. Birden fazla tepe değeri varsa kullanılamaz. Nominal veriler için uygun bir merkezi eğilim ölçütüdür.
Merkezi Dağılım Ölçütleri
Standart sapma:
değişken değerlerinin ortalamanın etrafındaki yayılmasını temsil eden bir yayılma ölçütüdür. Aritmetik ortalaması aynı olan iki dağılımın yayılımı aynı olmayabilir.

Varyans:
Standart sapmanın karesidir.

Değer aralığı (range):
Değişken değerlerinin dağılımını belirten, en büyük ve en küçük değer arasındaki farktır. Değer aralığı da, ortalama gibi uç değerlerden çok etkilenir. Üstelik en uçtaki iki değer arasında kalan değerler hakkında bilgi vermez.
İki ya da daha çok grup karşılaştırılması yapılıyorsa, grupların bağımlı ya da bağımsız olduğunu bilmek çok önemlidir.

Bağımlı grup:

Bir
bireyden (birim) birden fazla ölçüm alınması ile oluşan durumdur.
Bağımsız grup:
Ölçümlerin birbirinden farklı birey ya da gruplarda yapıldığı durumdur.
A
hücre hattının
3
günlük hücre canlılık yüzdesi
B
hücre hattının
3
günlük hücre canlılık yüzdesi
Bağımsız
A
hücre hattının
3
günlük hücre canlılık yüzdesi
A
hücre hattının
7
günlük hücre canlılık yüzdesi
Bağımlı
Hangi Testi Seçmeliyim?
Eldeki veri setinin ortalamadan olan uzaklığını belirler.
Parametrik Testler
Niceliksel veriler
(ortalama, varyans, oran...)
Bağımsız veriler
Normal dağılım
n>=30
Parametrik Olmayan Testler
Parametrik test varsayımlarının sağlanamadığı durumlarda
t
Testi
Test edilen değişkenin sayısal olduğu durumlarda ve
n>=30
ise kullanılır.
Tek örnek
veya
iki örnek
ortalaması karşılaştırılabilir.
İki grup
İki veri dizisi tek bir grup üzerinden elde edilmişse (bağımlı)
Test edilen değişken sayısal
n>=30
Bağımsız
iki örnek durumunda ise, iki veri seti farklı kitlelerden alınan örneklemlerden elde edilmektedir.
Bağımlı?
Bağımsız?
Varyans Analizi (ANOVA)
İkiden fazla bağımsız gruptan elde edilen verilerin grup ortalamalarının farklı olup olmadığını test etmek için kullanılan bir yöntemdir.
Örneğin, Farklı nanopartikül çeşitlerinin (en az 3) hücreden salınan LDH miktarını etkileyip etkilemediği.
Regresyon Analizi
Y: bağımlı (açıklanan) ve X: bağımsız (açıklayıcı)
değişken olmak üzere iki değişken arasındaki
sebep-sonuç ilişkisini matematiksel model olarak
ortaya koyan yönteme “regresyon analizi” adı
verilir.
Örneğin, tükürüğün pH değeri (y) ile günlük tüketilen sigara sayısı (x) arasındaki ilişkinin değerlendirilmesi istenen durumda, tükürüğün pH değeri ölçümle elde edilen bir değişken olduğundan “bağımlı değişken”dir. Burada basit doğrusal regresyon analizinin amacı, y=a+bx regresyon modelinin; y’nin değerlerini gözlem aralığı içinde tahmin etmek için kullanılıp kullanılmayacağını belirlemektir.
Ki-Kare Testi
Niteliksel verilerin karşılaştırılmasında
kullanılan en önemli parametrik olmayan test, ki-kare testidir ve belli özellikleri gösteren
gözlenmiş denek sayılarının beklenen değerlere uyup uymadığını yargılar.
Şenocak M. Temel Biyoistatistik, 1. Baskı, İstanbul, 1990, 116-119
Çelik Y. Biyoistatistik Araştırma İlkeleri, 1.Baskı, 1999, 25-127
Mann-Whitney U testi
bağımsız iki örneklem t testinin parametrik olmayan alternatifidir
ve
bağımsız iki grup ortalaması arasındaki farklılığın araştırılması için eğer parametrik test varsayımları sağlanmıyorsa uygulanır.
Mann-Whitney U Testi
Bernstein S., Bernstein R., Elements of Statistics II:
Inferential Statistics, McGraw-Hill, 1999, 379-394
Kruskal-Wallis Testi
parametrik olmayan tek
yönlü varyans analizi yöntemidir
. İkiden fazla
grup ortalaması arasındaki farklılığın
araştırılması için eğer parametrik test
varsayımları sağlanmıyorsa, Kruskal-Wallis
varyans analizi uygulanır.
Kruskal-Wallis Testi
Bernstein S., Bernstein R., Elements of Statistics II:
Inferential Statistics, McGraw-Hill, 1999, 379-394
Wilcoxon
t
testi bağımlı iki örnek testidir ve
eşleştirilmiş t testinin parametrik olmayan alternatifidir
.
Bu test, bağımlı iki grup ortalaması arasındaki farklılığın araştırılması için eğer parametrik test varsayımları sağlanmıyorsa uygulanır.
Wilcoxon
t
Testi
Dikkat !!! n>=30 Olmalı...
Tek Grup
t
Testi
İncelenen bir değişken açısından bir gruba ait ortalama değerin önceden belirlenen değerden farklı olup olmadığını belirlemek için kullanılır.
Tek grup
Bağımsız
Test edilen değişken sayısal
n>=30
Eslestirilmis
t
Testi
Örneğin; biyouyumlu bir polimerden elde edilmiş scaffold implante edilen farenin scaffold implante edilmeden önceki ve sonraki akyuvar değerlerinin karşılaştırılması
Örneğin; kitosan scaffold implante edilen fareler ile BC implante edilen farelerin kandaki akyuvar değerlerinin karşılaştırılması.
Bağımsız
t
Testi
İki grup
Bağımsız
Sayısal
n>=30
Tek Yönlü Varyans Analizi
Çok Yönlü Varyans Analizi
Çift Yönlü Varyans Analizi
Bağımsız grup olmalı
(ancak aynı bireylerde aynı konuda tekrarlı ölçüm varsa TEKRARLI ÖLÇÜMLERDE VARYANS ANALİZİ kullanılır)
Denek sayıları eşit olmalı
Normal dağılıma uymalı
Varyansları homojen olmalı
Grup sayısı ikiden fazla olduğunda, t-testi kullanılarak grupların ikişerli olarak karşılaştırılması, yapılan en yaygın hatalardan biridir.
HATA!!!
İkiden çok bağımsız örnek ortalaması birbiri ile karşılaştırılırken kullanılır. Grupları birbirinden ayıran
tek özellik
vardır.
İkiden çok bağımsız örnek ortalaması birbiri ile karşılaştırılırken kullanılır. Grupları birbirinden ayıran
iki özellik
vardır.
Örneğin, Farklı nanopartikül çeşitlerinin (en az 3) ve farklı hücrelerin, hücrelden salınan LDH miktarını etkileyip etkilemediği.
İkiden çok bağımsız örnek ortalaması birbiri ile karşılaştırılırken kullanılır. Grupları birbirinden ayıran
ikiden fazla özellik
vardır.
Örneğin, Farklı nanopartikül çeşitlerinin (en az 3), inkübasyon süresinin ve hücre çeşidinin hücrelerden salınan LDH miktarını etkileyip etkilemediği.
Dikkat!!!
Faktör sayısı arttıkça hem her alt gruba düşen denek sayısı azalacağı için hem de ortaya çıkacak etkileşimler nedeniyle iki yönlü varyans analizinin yorumlanması güçleşir.
Varyans Analizinde Gruplar Arası Farklılık Arastırma
TUKEY/FISHER:
Mümkün olan tüm ikili gruplar birbirinden farklı mı?

DUNNET:
Tüm gruplar kontrolden farklı mı?
Bağımsız - Bağımlı olabilir
Niteliksel veri olmalı
İki veya daha fazla grup arasında fark var mı diye bakılabilir.
TEŞEKKÜRLER...
Full transcript