Statistik in kleinen Dosen 15 Teil B – Mehr Statistik-Hotspots: Wie wichtig ist der gesunde Menschenverstand gegenüber dem statistischen Menschenverstand? -NYSORA

Entdecken Sie die NYSORA-Wissensdatenbank kostenlos:

Statistik in kleinen Dosen 15 Teil B – Mehr Statistik-Hotspots: Wie wichtig ist der gesunde Menschenverstand gegenüber dem statistischen Menschenverstand?

 

 

Inkonsistente Zeitpunkte, zu denen Messungen durchgeführt werden

Korrelationen zwischen Maßnahmen, die zu unterschiedlichen Zeitpunkten ergriffen wurden, werden weniger aussagekräftig

Ein Maß für die Funktionalität der Gliedmaßen kann von POD1 bis POD7 erhalten werden, aber ein Maß für postoperative Schmerzen kann nur erhalten werden bis zu POD1.

Falsche Maße erhalten

Analysen sind viel weniger aussagekräftig

Unter Verwendung des Beispiels direkt oben könnte es sinnvoller sein, postoperative Schmerzen nicht nur durch POD7 zu erhalten – sondern Schmerzen mit einem (angegebenen) Aktivität eher als Schmerz in Ruhe mit Funktionalität korrelieren.

Bitten Sie Patienten, Berechnungen durchzuführen

Die Patienten haben ihre eigenen postoperativen und anderen Probleme, um die sie sich kümmern müssen, daher sind die Zuverlässigkeit und Gültigkeit ihrer Antworten begrenzt

Genauso wie die Patienten nicht aufgefordert würden, ihren eigenen BMI zu berechnen, sollten sie auch nicht aufgefordert werden, „mentale Gymnastik“ zu machen, z. B. „Wie würden Sie Ihre aktuellen Schmerzen im Vergleich zu vor einer Woche einschätzen?“

Sammeln von Daten, die nicht in einem „Datenwörterbuch“ enthalten sind

Dies kann den Statistiker oder Datenanalysten verwirren, der dann möglicherweise unangemessene Analysen durchführt

Ein Datenanalyst weiß möglicherweise nicht, dass Ketorolac nur in einigen Krankenhäusern intravenös verabreicht wird (also nur bei stationären Patienten). Hier würde Ketorolac nicht mit anderen Medikamenten zur Schmerzbehandlung nach der Entlassung aufgenommen werden.

Fehlende Werte

Statistische Tests und Wirkungsschätzungen sind weniger genau und können sogar verzerrt sein. Statistiker und Datenanalysten zögern, Werte zu imputieren, wenn mehr als beispielsweise 5-10 % fehlen.

Follow-up-Daten werden möglicherweise nicht vollständig erhoben – weder von den wissenschaftlichen Mitarbeitern noch von den Probanden selbst. Daher kann es schwierig oder unmöglich sein, Gesamtpunktzahlen in einem Instrument zusammenzufassen. Wenn es bekannt ist a priori dass bestimmte Daten wahrscheinlich fehlen, können Statistiker Datenimputationsverfahren in den statistischen Analyseplan (SAP) eintragen.

Kontinuierlich v kategorische Variablen

Verwendung von Parametrik v Nichtparametrische Analysen

Der Modified Brief q5 fragt: „Wie viel Schmerzlinderung wurde in den letzten 24 Stunden durch Medikamente zur Schmerzbehandlung erzielt?“ Der Patient kann Antworten von 0 % (keine Linderung) bis 100 % (vollständige Linderung) einkreisen. in 10%-Schritten. Dies ist streng genommen keine kontinuierliche Variable (z. B. Patienten antworten nicht/können nicht mit 69 % usw.), aber diese Variable wird wahrscheinlich als kontinuierlich analysiert. Eine bessere Idee ist wahrscheinlich, die Variable als < 50 % zu kategorisieren. v ≥ 50 % Linderung.

Teil v ganze

Analysen können sehr gut Double-Dipping sein (ähnlich wie Mehrfachvergleiche)

Der OBAS q7 fragt „Wie zufrieden sind Sie mit Ihrer Schmerzbehandlung in den letzten 24 h (0=überhaupt nicht bis 4=sehr)?“ Daher wäre es verlockend, dieses Element zu verwenden, um die „Zufriedenheit mit der Anästhesieversorgung“ zu erreichen. Der OBAS-Gesamtwert ist jedoch eine Zusammenfassung aller 7 Elemente, die von einem bestimmten Algorithmus abgeleitet werden, also verwendet werden beide OBAS q7 und der OBAS-Gesamtscore als getrennte Analysen laufen auf Duplizität hinaus.