Descrittiva riassume e descrive i dati osservati in modo
che gli aspetti rilevanti siano espliciti. Inferenziale studia fino a che. Oi gli effetti osservati possono essere generalizzati Ha una popolazione generale. La descrittiva viene rappresentata le grafici calcolo delle medie eccetera inferenziale richiede un forte legame tra campione e popolazione e richiede corretta metodologia statistica e interpretazione dei dati. Sarebbe solo una ciste la popolazione di interesse viene definita attraverso criteri di inclusione ed esclusione. I criteri di inclusione sono le patologia specifica e la fascia di età mentre i criteri di esclusione sono caratteristiche che un soggetto non può avere per appartenere alla popolazione È importante che i criteri siano oggettivi. Perciò la popolazione non è fissa ma cambia. Non è casuale campione che dovrebbe essere un riflesso perfetto della popolazione questo può essere realizzato solo prendendo una soluzione completamente casuale. Gli squilibri di alcuni variabili si verificano solo in piccoli campioni e per puro caso. Praticare un campione casuale in pratica è difficile anche se ottenuto campione casuale possono verificarsi squilibri differenti tipo Facebook i partecipanti abbandonano per effetti collaterali Oppure si possono rifiutare. studio prospettico viene effettuato su un gruppo di persone per verificarsi o meno di endopoint ho misurazioni specifiche. Lo studio retrospettivo viene effettuato sui soggetti con particolari esito o endpoint sono identificati e studiati. studio Sperimentale i dati vengono raccolti in un esperimento di nuova concentrazione e realizzazione. Studios osservazionale i dati vengono raccolti su base regolare e non viene creato alcun nuovo esperimento. Studio trasversale i partecipanti sono misurati una volta in un momento fisso pre specificato. Studio longitudinale e risultato è misurato ripetutamente nel tempo. Studio trial clinico rigorosamente progettato che mira trovare il miglior trattamento per i futuri pazienti in condizioni specifiche. Tutti gli esperimenti sono pure specificati nel protocollo di studio. Gli studi clinici sono di tipo prospettico sono sperimentali degli Studi possono essere di natura longitudinale o trasversale. Studio di corte viene effettuato su un gruppo di soggetti che Vengono seguiti nel tempo Quando si verifica un evento specifico. per esempio una corte di nascita è una corte di persone Tutte nate nello stesso periodo. Studio caso controllo richiede troppo tempo per essere condotto esempio di tipo relazione tra fumo e cancro, la progettazione dello studio non consente alla stima della prevalenza numero di casi è predifinito. Studio caso controllo abbinato consente di garantire che i casi i controlli siano compatibili o gli stessi, in alcuni casi è possibile abbinare più controlli a ciascun caso o più casi a ciascun controllo. Studio ingeco i pazienti non conoscono la terapia somministrata. Metodi di randomizzazione La randomizzazione può essere semplice vero non fatta su gruppi di dimensioni uguali sono dei gruppi scelti casualmente attraverso un generatore di numeri, randomizzazione a blocchi ovvero sono dei piccoli gruppi di uguali dimensioni, randomizzazione Può essere utilizzata per garantire un equilibrio completo spesso ci si vuole stratificare per quanti più fattori possibili. Biostatistica I tipi di risultati i dati qualitativi ovvero non caratterizzati da un numero oppure i dati possono essere quantitativi e sono dati da un numero, i primi possono avere una variabile dicotomica ovvero ha solo 2 risultati, possono avere una variabile nominale ovvero non sono ordinabili Oppure può essere ordinabili i valori possono essere ordinati mentre i dati quantitativi possono avere una variabile discreta ovvero i valori sono distinti separati ho una variabile continua Dunque i valori sono no di un intervallo contenuto è interrotto. Le misure di posizione la stessa posizione Ma i risultati hanno una diversa diffusione mentre le misure di diffusione hanno la stessa diffusione Ma i risultati Hanno diverse posizioni. Distribuzione La variabile può essere casuale o statistica Per variabili discrete le percentuali di 00 e 1 però può comunque avere più variabili La distribuzione di poisson nota come la legge dei casi rari, la distribuzione di Pascal o binomiale negativa studia la probabilità di quanti fallimenti Distribuzione di bernoulli viene effettuata su due soli valori ti fallimenti indicati con la q E successi indicati con la p Distribuzione binomiale discrive il numero di successi in prove nel processo di bernoulli Distribuzione ipergeometrica di scrive l'estrazione senza rienserimento Distribuzione geometrica la probabilità che il primo successo richieda funzione di K prove indipendenti Non è sempre necessario distribuzione completa ma alle volte basta stimarla, è molto importante che la stima sia identica al parametro che si sta ti mando, Quanto vicino il valore stimato Sara al valore reale. La distribuzione campionaria dipende da la statistica la distribuzione dei dati originali e la dimensione del campione, per campioni di grandi dimensioni la distribuzione è simmetrica attorno reale, può essere concentrato intorno al valore reale o normalmente distribuito. Distribuzione di probabilità per variabili discrete descrive Quanto è probabile osservare edifici valori una variabile casuale discreta i valori devono essere distinti e separati. La potenza in funzione della vera differenza Delta è piccolo Delta e minore sarà la potenza La potenza in funzione della variabile Delta alla seconda più Colò Delta la seconda Maggiore sarà la potenza i gruppi omogenei sono più facili da discriminare. La potenza in funzione delle dimensioni del campione più osservazioni si fanno più grande è la potenza. Test di equivalenza Delta È una costante pre specificata che definisce l'equivalenza per rifiutare h0 è necessario dimostrare che ma meno mb sono meno di Delta lontani uno dall'altro. Questo test dipende interamente dal Delta Perciò deve essere scelto è specificato prima della raccolta dati. Significatività rispetto alla rilevanza se il campione sufficientemente grande qualsiasi effetto Delta non importa quanto piccolo verrà rilevato per questo è preferibile utilizzare gli intervalli di confidenza. Test a due code in questo test non è specificato se Test a 2 code, in questo tipo di test non è pre-specificato se M debba essere maggiore o minore di 0. Una differenza molto più grande o molto più piccola fornirebbe in entrambi casi prove contro H0 ( si riflette sul valore di p ) Test a una coda le differenze inferiori a zero non forniscono alcuna prova contro H0, solo le differenze maggiori di 0 possono essere utilizzate come prove; il valore P ora è la metà di conseguenza la significatività è raggiunta più spesso. ASSOCIAZIONI Descrivono la forza di associazione tra 2 variabili. Misure di associazione: .coefficiente di correlazione .rischio relativo .rapporto di probabilità LA CORRELAZIONE DI PEARSON= associazioni lineare tra 2 variabili X e Y. Il coefficiente di correlazione di Bearson misura fino a che punto c’è una relazione lineare tra X e Y e ha le seguenti proprietà: .1 minore uguale ad r minore uguale ad 1 .r minore di 0 ed indica un andamento lineare negativo .r maggiore di 0 ed indica un trend positivo .r uguale a +uno ed indica che i punti dati si trovano su una linea retta crescente .r uguale a -1 ed indica che i punti dati si trovano su una linea retta decrescente .r uguale a 0 dimostra che non esiste un trend lineare La procedura del test presuppone che x e y siano entrambe distribuite normalmente. RISCHIO RELATIVO: può essere completamente influenzato reclutando più o meno controlli. STUDIO DI COORTE: è la possibilità che un soggetto, appartenente ad un gruppo esposto sviluppi una malattia rispetto ad un soggetto non esposto agli stessi rischi; Può essere considerata una stima, basata sul nostro campione, per M rischio relativo teorico nella popolazione totale (OR), L’RR non può essere utilizzato per descrivere la forza d’associazione negli studi caso-controllo, per ciò l’alternativa è M rapporto delle probabilità, è difficile interpretare lo ma fornisce chiaramente un’indicazione generale di quanto più rischio c’è in un gruppo rispetto ad un altro.. a differenza del RR, L’OR non dipende dal numero di casi e controlli selezionati: RR= 1 rappresenta un rischio uguali per entrambi i gruppi e anche l’OR = 1 rappresenta un rischio uguali per entrambi i gruppi ma se diversi da 1 l’ipotesi è respinta. ( le tecniche parametriche sono più potenti per rilevare gli effetti rilevanti) STATISTICA NON PARAMETRICA Tutti i test studiati finora fanno parte della statistica parametrica. A volte le trasformazioni dei dati possono essere utilizzate per soddisfare le ipotesi; tuttavia questo complica l’interpretazione dei risultati. In alcuni casi non è possibile trovare una trasformazione adeguata e dunque si ricorre ai metodi non parametrici - principio di ranghi La posizione effettiva delle osservazioni non è necessaria, è sufficiente conoscere i ranghi. La maggior parte dei test non parametrici si basa sulla sostituzione delle osservazione con i propri paghi LE 2 PROCEDURE NON PARAMETRICHE Più USATE SONO: 1) TEST DI WILCOXON: è la versione non parametrica del t-test per dati non appaiati; quindi esso consente il confronto di 2 popolazioni, senza dover presuppone che i dati siano normalmente distribuiti. Viene calcolata la somma dei ranghi; se la somma è eccessivamente grande significa che le osservazioni di un gruppo A si trova più a destra rispetto a quelli di un gruppo B. Se eccessivamente piccola si troveranno più a sinistra. H0 viene rifiutata se la somma dei ranghi è troppo grande o troppo piccola. 2) CORRELAZIONE DI SPEARMAN: questo test presume che x e y debbano essere entrambe distribuiti normalmente, si utilizza nel caso in cui una trasformazione è impossibile o indesiderata; anche questo è basato sulla sostituzione delle osservazioni con i loro ranghi. Il coefficiente di correlazione di spearman misura fino a che punto c’è una relazione monotona tra x e y, e ha le se guanti proprietà: -1 minore uguale ad r ed r minore uguale di 1 R minore di 0 e indica il trend negativo tra x e y R maggiore di 0 e indica il trend positivo tra x e y R uguale a -1 e dimostra una perfetta relazione monotona negativa tra x e y R uguale ad 1 dimostra una perfetta relazione monotona positiva tra x e y R uguale a 0 dimostra che non esiste un trend monotono QUESTO TEST NON SI BASA SU ALCUNA IPOTESI DISTRIBUTIVA