Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

Συντελεστής συμφωνίας Cohen’s Kappa Τιμή κΙσχύς συμφωνίας <0.20Φτωχή (Poor) 0.21 – 0.40Κάποια (Fair) 0.41 – 0.60Μέτρια (Moderate) 0.61 – 0.80 Καλή (Good)

Παρόμοιες παρουσιάσεις


Παρουσίαση με θέμα: "Συντελεστής συμφωνίας Cohen’s Kappa Τιμή κΙσχύς συμφωνίας <0.20Φτωχή (Poor) 0.21 – 0.40Κάποια (Fair) 0.41 – 0.60Μέτρια (Moderate) 0.61 – 0.80 Καλή (Good)"— Μεταγράφημα παρουσίασης:

1

2 Συντελεστής συμφωνίας Cohen’s Kappa Τιμή κΙσχύς συμφωνίας <0.20Φτωχή (Poor) 0.21 – 0.40Κάποια (Fair) 0.41 – 0.60Μέτρια (Moderate) 0.61 – 0.80 Καλή (Good) 0.81 – 1.00Πολύ καλή (Very good)

3 Limits of agreement (Bland-Altman plots) Limits of agreement: Mean Difference ± 1.96 SD ± 1.96* = -0.12, 0.15

4 Intra-class correlation coefficient (ICC) Σχετικό μέτρο της συμφωνίας των μετρήσεων από τον ίδιο παρατηρητή σε δύο χρόνους ή από δύο παρατηρητές στον ίδιο χρόνο Παίρνει τιμές -1, +1

5 Παράμετρος  φυσιολογικοίασθενείς όριο Α όριο Β όριο Γ αύξηση ευαισθησίας ελάττωση ειδικότητας ελάττωση ευαισθησίας αύξηση ειδικότητας Νόσος παρούσααπούσα Αποτέλεσμα Δοκιμασίας θετικό TPFP TP+FP Αληθώς- θετικό Ψευδώς- θετικό αρνητικό FNTN FN+TN Ψευδώς- αρνητικό Αληθώς- αρνητικό TP+FNFP+TN

6 Cochrane Handbook for Systematic Reviews of Diagnostic Test Accuracy

7 Καμπύλη ROC Εύρεση ιδανικού διαχωριστικού ορίου Χρήσιμη για τη σύγκριση μεταξύ δύο ή περισσότερων δοκιμασιών Υπολογίζεται η επιφάνεια κάτω από την καμπύλη ΑUC 0.5

8 Πολυπαραγοντικά μοντέλα y = b 0 +b 1 x 1 +….+ b p x p + ε Έκθεση, παράγοντες κινδύνου, συγχυτικοί και τροποποιητικοί παράγοντες Έκβαση Ανεξάρτητες μεταβλητές Εξαρτημένη μεταβλητή

9 Πολυπαραγοντικά μοντέλα Εξαρτημένη μεταβλητή ποσοτικήγραμμική εξάρτηση (linear) διχότομη λογαριθμιστική εξάρτηση (logistic) χρόνος εξάρτηση αναλογικών κινδύνων Cox (Cox proportional hazards model) Ανεξάρτητη μεταβλητή ποσοτική/ποιοτική

10 Μοντέλα εξαρτήσεων Μοντέλο Λόγος εφαρμογήςΠαράδειγμα Γραμμικής εξάρτησης Linear regression analysis Περιγραφή της σχέσης μιας ποσοτικής εξαρτημένης μεταβλητής με έναν ή περισσότερους ανεξάρτητους παράγοντες είτε ποσοτικούς ή ποιοτικούς Αν η συστολική πίεση εξαρτάται από το φύλο, την ηλικία και το σωματικό λίπος Λογαριθμιστικής εξάρτησης Logistic regression analysis Περιγραφή της σχέσης μιας διχότομης ποιοτικής εξαρτημένης μεταβλητής με έναν ή περισσότερους ανεξάρτητους παράγοντες είτε ποσοτικούς ή ποιοτικούς Αν η πιθανότητα υποτροπής εξαρτάται από τη θεραπεία και την ηλικία Αναλογικών κινδύνων Cox Cox proportional hazards model Survival analysis Περιγραφή της σχέσης μιας διχότομης ποιοτικής εξαρτημένης μεταβλητής που μετράται στο χρόνο με έναν ή περισσότερους ανεξάρτητους παράγοντες είτε ποσοτικούς ή ποιοτικούς Αν ο χρόνος μέχρι να πεθάνουν οι ασθενείς εξαρτάται από το στάδιο καρκίνου, τη θεραπεία και την ηλικία 10

11 Παραδοχές γραμμικής εξάρτησης Γραμμική σχέση μεταξύ εξαρτημένης και ανεξάρτητης ποσοτικής μεταβλητής Διάγραμμα διασποράς (scatter plot) Μετασχηματισμός ανεξάρτητης μεταβλητής (logx, x 2, 1/x) Κατάλοιπα (residuals, e = y – ŷ ) να είναι ανεξάρτητα μεταξύ τους και από τις άλλες ανεξάρτητες μεταβλητές με σταθερή διακύμανση Διάγραμμα διασποράς μεταξύ κατάλοιπων και ανεξάρτητων μεταβλητών (τυχαία διασπορά των τιμών) Κατάλοιπα να κατανέμονται κανονικά (μέση τιμή=0) Δεν υπάρχει μεγάλη συσχέτιση μεταξύ των ανεξάρτητων μεταβλητών (multicollinearity)

12 Πολυσυγραμμικότητα (multicollinearity) Συσχέτιση μεταξύ ανεξάρτητων μεταβλητών r > 0.70 Αύξηση του SE(b) > 10% VIF (Variance Inflation Factor) > 4 Tolerance < 0.2 VIF = 1/Tolerance

13 Επιλογή τελικού μοντέλου N ≥ 100, N=40*p (N=10*p) p=parameters Συντελεστής προσδιορισμού R 2 (0, 1) Προτιμάται ο adjusted R 2 Επιλογή μοντέλου:  Σταδιακή εισαγωγή μεταβλητών (Forward)  Σταδιακή ανάστροφη εξάλειψη μεταβλητών (Backward)  Ιεραρχικά Συνήθως οι παράγοντες που έχουν P<0.20 μονοπαραγοντικά λαμβάνονται υπόψη

14 Λογαριθμιστική εξάρτηση Η εξαρτημένη μεταβλητή είναι διχότομη (π.χ. ναι ή όχι) όπου x είναι η ανεξάρτητη μεταβλητή είτε ποσοτική ή ποιοτική Λόγος αναλογιών: Odds ratio  exp(b) Εκτίμηση της πιθανότητας

15 Προσαρμογή δεδομένων Deviance: -2LogLikelihood  χρησιμοποιείται για τη σύγκριση μοντέλων και όσο πιο μικρό είναι τόσο πιο καλό το μοντέλο Akaike’s information criterion: AIC =Deviance+2xp όσο πιο μικρό τόσο καλύτερα Cox & Snell R square και Nagelkerke R square  όσο πιο κοντά στο 1 τόσο πιο καλό το μοντέλο Hosmer and Lemeshow test  ελέγχει την υπόθεση αν τα παρατηρούμενα δεδομένα συμφωνούν με τα προβλεπόμενα, αν το p>0.05 τότε πληρείται αυτή η υπόθεση και τα δεδομένα προσαρμόζουν καλά το μοντέλο

16 16 Μοντελοποίηση χρόνων επιβίωσης Το μοντέλο του Cox: (Aναλογικών κινδύνων) Exp(b) = hazard ratio

17 17 Αναλογία κινδύνου (Hazard ratio [HR]) HR=exp(b) = 1 δεν υπάρχει διαφορά HR < 1 μειωμένoς κίνδυνος HR > 1 αυξημένος κίνδυνος 1/ ΗR αντιστροφή πιθανότητας Π.χ. ΗR=1,44 o κίνδυνος θανάτου ήταν κατά 1,44 φορές μεγαλύτερος στους ασθενείς ηλικίας >35 σε σχέση με τους ασθενείς ηλικίας <=35 ετών.

18 18 Παραδοχή αναλογικών κινδύνων Αν δεν τέμνονται οι καμπύλες Kaplan-Meier για τις ποιοτικές μεταβλητές Αν η μεταβλητή είναι ποσοτική, τότε κατηγοριοποιείται και μετά ελέγχεται

19 Πολυπαραγοντική ανάλυση Επιτρεπτός αριθμός ανεξάρτητων μεταβλητών  Επιλογή μοντέλου:  Σταδιακή εισαγωγή μεταβλητών (Forward)  Σταδιακή ανάστροφη εξάλειψη μεταβλητών (Backward)  Ιεραρχικά Συνήθως οι παράγοντες που έχουν P<0.20 μονοπαραγοντικά λαμβάνονται υπόψη

20 Ανάγκη μετάγγισης αίματος μετά από καρδιοχειρουργική επέμβαση


Κατέβασμα ppt "Συντελεστής συμφωνίας Cohen’s Kappa Τιμή κΙσχύς συμφωνίας <0.20Φτωχή (Poor) 0.21 – 0.40Κάποια (Fair) 0.41 – 0.60Μέτρια (Moderate) 0.61 – 0.80 Καλή (Good)"

Παρόμοιες παρουσιάσεις


Διαφημίσεις Google