PMC (한국어)

리뷰

간격으로 신뢰하고 p 값이.

을 즐겁게 하기 위해서는 어떠한 논의는 통계적 분석,그것은 첫째로 중요한 개념을 이해의 인구 통계입니다. 분명히 인구 통계는 관심있는 인구 내의 모든 측정 값의 값이며이를 추정하는 것이 대부분의 연구의 목표입니다., 예를 들어,에서 연구에서 비만인 환자에서 약물 치료,인구 통계 될 수 있다는 평균 비만을 평가에 대한 모든 환자에서 약물 치료입니다.그러나이 값을 식별하려면이 범주에 속하는 모든 단일 개인에 대한 데이터를 보유해야하므로 실용적이지 않습니다. 대신,샘플 통계를 얻을 수있는 무작위 샘플을 수집 할 수 있습니다. 이 샘플 통계는 해당 인구 통계의 추정치 역할을하며 연구자가 관심있는 인구에 대한 결론을 내릴 수있게합니다.,

이러한 건설 된 샘플이 더 큰 관심 집단을 대표해야한다는 점에서 중요한 한계가 존재한다. 많은 취할 수 있는 단계를 줄이기 위한 제한,때로는 그것의 효과(소위 샘플링 바이어스)를 넘어 이동의 통제 연구원이다. 또한 샘플링 바이어스가없는 이론적 인 상황에서도 무작위 화로 인해 샘플이 잘못 될 수 있습니다. 앞의 예에서,약물 치료를받을 자격이있는 모든 성인 중 비만의 인구 비율이 25%라고 가정합니다., 에서 간단한 샘플의 30 의 환자들이 인구가 있 19.7%기회는 최소 10 명이 비만이 될 수 있의 결과로,샘플이 비만의 속도 33.3%또는 심지어 더 높습니다. 가 없는 경우에도 사이의 관계를 약물 요금 및 비만,그것은 여전히 가능하게 발생율이 나타나는 다르게 전체적 비만,평가는 발생했을 통해 임의 샘플링 혼자입니다. 이 효과는 임상 연구에서 신뢰 구간과 p-값을보고하는 이유입니다.

신뢰 구간은 모집단 통계가 거짓말을 할 수있는 간격입니다., 그들이 건설한 샘플을 기반으로 통계 및 특정 기능의 샘플 게이지 어떻게 가능성이 그 대표하고 보고하고 있습니다. 95%의 신뢰 구간은 간격으로 건설한 것,평균 95%의 임의 샘플을 포함하는 것은 진정한 인구 통계 내에서는 95%의 신뢰 간격입니다. 따라서,임계값에 대한 상당한 결과를 종종으로 취 95%,이해하는 모든 값을 내에는 보고 범위는 유효하게 사용이 가능한 인구 통계입니다.,

P-값은 유사한 정보를 다른 방식으로보고합니다. 오히려 이상 구 간격으로 샘플 통계,p-가치 보고서 확률 통계 샘플에서 생산 된 무작위 샘플링 인구,주어진 설정에 대한 가정에서 인구,라고”null 가설”입니다., 예를 수행하는 연구이 비만에 다시 금고,비만에서 샘플(의 샘플을 환자에서 약품)수 보고와 함께하는 p 값을 결정하는 기회는 그러한 평가 될 수 있는 생산에서 무작위 샘플링 전반적인 인구의 환자에 대한 자격의 약물입니다. 의 경우에는 연구,null 가설이는 인구의 비율이 비만 환자 중에서 약물 치료와 같은 전반적인 비율의 비만이 모든 환자에 대한 자격,약물 치료는 25%입니다., 측 p 값을 사용할 수 있는 경우가 있다고 생각하는 이유는 효과가 발생할 수있는 단 하나의 방향으로(예를 들어 있는 것을 믿을 만한 이유는 약물이 증가 체중을 하지만 감소)하는 반면,두 개의 꼬리는 p 값을 사용해야에서 모든 다른 경우에는 적합하지 않습니다. 정규 분포와 같은 대칭 분포를 사용할 때 두 꼬리 p 값은 단순히 한 꼬리 p 값의 두 배입니다.

약물에 대한 30 명의 환자 샘플에 12 명의 비만인이 포함되어 있다고 다시 가정하십시오. 한 꼬리 테스트로,우리의 p-값은 0.0216(이항 분포 사용)입니다., 따라서 우리는 관찰 된 40%의 비율이 0.05 의 유의 수준에서 25%의 가설 비율과 크게 다르다고 말할 수 있습니다. 또 다른 의미에서,관찰 된 비율에 대한 95%신뢰 구간은 25.6%에서 61.07%입니다. 신뢰 구간에 해당하는 두 꼬리 테스트는 두 꼬리 테스트를 거부하는 경우에만 신뢰 구간이 포함되어 있지 않과 관련된 값은 null 이 가설을(이 경우에는 25%).

계산 된 p-값이 작 으면 모집단이 귀무 가설에 원래 명시된대로 구조화되지 않았을 가능성이 큽니다., 우리가 얻을 수있는 경우 낮은 p-value,우리는 증거가 있다는 어떤 효과 또는 이유에 대한 관찰-차이를 약물 치료,이 경우. 0.05(또는 5%)의 임계 값이 일반적으로 사용되며,p-값은 해당 특성이 통계적으로 유의하기 위해이 임계 값 이하 여야합니다.

위험 비율

험,또 다른 기간에 대한 확률,또 다른 기본 원칙의 통계 분석을 수행할 수 있습니다. 확률은 총 고유 결과에 대한 결과로 발생하는 특정 이벤트를 관찰하는 비교입니다., 동전 던지 예:의 위험을 관찰하는 머리입니다½또는 50%,으로 가능한 모든 독특한 시험(플립의 결과로서 머리에 또는 플립의 결과로서 꼬리),단지 하나의 이벤트 관심(머리).

위험 만 사용하면 단일 인구에 대한 예측이 가능합니다. 예를 들어,미국 인구 내 비만 율을 살펴보면 CDC 는 성인의 42.4%가 2017-2018 년에 비만했다고보고했습니다. 따라서 미국의 한 개인이 비만 할 위험은 약 42.4%입니다. 그러나 대부분의 연구는 특정 개입이나 다른 항목(사망률과 같은)이 다른 항목에 미치는 영향을 살펴 봅니다., 앞서 우리는 적격 환자의 비만 율이 25%라고 가정했지만 여기에서는 미국 성인 인구와 관련된 42.4%를 사용할 것입니다. 우리가 약물에 환자의 무작위 표본에서 25%의 위험을 또한 관찰한다고 가정하십시오. 개념화하는 효과의 약물 비만에는 논리는 다음 단계는 것을 나누어 위험에서 비만의 미국 인구의 약물 치료의 위험과 비만에 미국 인구는 결과에는 위험 비율의 0.590.,

이 계산-두 가지 위험의 비율-은 상대 위험이라고도하는 시조 위험 비율(RR)통계가 의미하는 것입니다. 그것은 특정 번호를 부여 되는 방법에 대한 더 많은 위험이 있는 개별 중 하나에서 카테고리 곰과 비교에 있는 개인이 다른 카테고리입니다. 이 예에서 약물을 복용하는 개인은 일반 미국 인구의 성인보다 0.59 배 많은 위험을 부담합니다., 그러나 우리가 간주하는 인구의 대상 약물했다 비만의 비율 25%-아마도 그룹의 젊은 성인할 수 있는 건강한 평균할 수 있습니다 약을 복용. 비만에 대한 약물의 효과를 조사 할 때,이것은 귀무 가설로 사용되어야하는 비율입니다. 면 우리가 관찰하는 비만을 평가에서 약물 치료의 40%를,with a p-value less than0.05 의 유의 수준이 증거는 약물의 위험을 증가 비만(로 RR,이 시나리오에서 1.6)., 따라서 귀무 가설을 신중하게 선택하여 관련 통계적 예측을하는 것이 중요합니다.

With RR,그 결과의 1 의미 있는 두 그룹은 동일한 금액의 위험을하는 동안,결과는 같지 않은 1 나타내는 그룹에 구멍보다 더 많은 위험을 감수하는 또 다른 위험이 있는 것으로 가정으로 인해 개입에 의해 검사 연구(공식적으로,가정의 인과 방향).

설명하기 위해 뇌졸중 및 뇌 혈관 질환 저널에 발표 된 2009 년 연구 결과를 살펴 봅니다., 연구 보고서는 환자들과 함께 장기간 심전도 QTc 간격했다 더 많이 죽는 90 일 이내에 비해 환자 없이 장기간의 간격(상대적 위험=2.5;95%신뢰 간격 1.5-4.1). 는 자신감 사이의 간격 1.5 4.1 대 위험 비율을 나타내는 환자는 함께 장기간 QTc 간격했 1.5-4.1 시간이 더 많은 가능성이 죽은 90 일이 없이 그들 보다는 장기간 QTc 간격입니다.,

두 번째 예에서의 랜드 마크는 종이 보여주는 혈액의 압력 곡선에 급성 허혈성 뇌졸중 U 자 모양이 아닌 J 모양의,연구자는 발견 RR 증가 거의 두 배에서 환자의 평균 동맥혈압(MAP)>140mmHg or<100mmHg(RR=1.8,95%CI1.1-2.9, p=0.027). 데 CI 의 1.1-2.9 에 대한 RR 는 것을 의미를 가진 환자 지도 범위 밖의 100-140mmHg 었 1.1-2.9 시간이 더 많은 가능성이 보다 죽을 사람들은 초기 지도에서의 이 범위를 벗어나지 않습니다.,

을 위한 또 다른 예를 들어,2018 연구 호주 해군 신병이는 조립식으로 보조기(형식의 발 지원)했 20.3%통의 위험에 적어도 하나의 영향,잠들지 않고 있었의 위험 12.4%. 위험 비율은 여기에 제공 0.203/0.124,또는 1.63 제안,신병으로 발 보조기 구멍 1.63 시간을 갖는 위험에 일부에 불리한 결과(예:발 물집,통증,etc.)없는 사람들보다. 그러나 동일한 연구에서 0.96 에서 2.76 의 위험 비율에 대한 95%신뢰 구간을보고하고 p-값은 0.068 입니다., 신뢰 구간을 살펴보면 95%보고 된 범위(일반적으로 허용되는 표준)에는 1,1 미만의 값과 1 이상의 값이 포함됩니다. 을 기억하는 모든 값들은 동등하게 될 가능성이 높은 인구 통계,에서는 95%의 신뢰도,방법은 없을 제외할 가능성이 발 보조기 없 효과에 상당한 혜택,또는 상당한 손해에 있습니다. 또한,p-값보다 더 큰 표준의 0.05,따라서 이 데이터를 제공하지 않습의 중요한 증거가 발 보조기는 데 어떤 일관된 효과에 불리한 이벤트와 같은 물집과 고통입니다., 앞에서 언급했듯이,이것은 결코 우연이 아닙-는 경우 그들은 사용하여 계산된 동일 또는 유사한 방법 그리고 p 값은 두 꼬리,간격으로 신뢰하고 p 값을 보고합니다 같은 결과입니다.

이용하는 경우 올바르게 위험 비율은 강력한 통계할 수 있는 추정 인구에서의 변경을 위험에서 하나의 인구는 곰입니다., 그들은 아주 쉽게 이해하(값이 얼마나 많은 시간 위험을 한 그룹은 곰을 통해 다),그리고 가정으로의 인과 관계 방향으로 신속하게 표시하는지 여부 개입(또는 다른 테스트 변수)에 영향을 미친 결과입니다.

그러나 한계가 있습니다. 첫째,모든 경우에 Rr 을 적용 할 수는 없습니다. 샘플의 위험은 모집단의 위험 추정치이므로 샘플은 모집단을 합리적으로 대표해야합니다. 이와 같이,경제 연구에 의해 간단한 미덕 사실의 비율의 결과가 통제할 수 없 위험 비율을 보고합니다., 둘째,모든 통계를 여기에 논의,RR 은 상대적으로 측정한 정보를 제공하는 위험에 대해 하나의 그룹에서 상대습니다. 여기서 문제는 두 그룹이 0.2%와 0.1%의 위험을 가진 연구가 두 그룹이 90%와 45%의 위험을 가진 연구와 동일한 RR,2 를 맺는다는 것입니다. 하지만 두 경우 모두에서 그것은 사실 그들이 개입되었에서 두 번험,이 양은 0.1%이상의 위험을 한 경우에는 45%이상의 위험이 다른 경우., 따라서,보고만 RR 과장 효과는 첫 번째 인스턴스에서는 잠재적으로도 효과를 최소화하고(또는 적어도 decontextualizing 다)에서 두 번째 인스턴스입니다.

확률 비율

동안 위험 보고서의 수에서 관심 이벤트와 관련하여 시험의 총 수,확률이 보고서의 수에서 관심 이벤트와 관련하여 이벤트의 수는 없습니다. 다르게 언급,그것은 nonevents 에 이벤트의 수를보고합니다., 는 동안 위험,결정으로 이전에,의 동전 던지기 것을 머리를 1:2,또는 50%,확률의 동전 던지기 것을 머리의 1:1 으로 하나가 원하는 결과(이벤트),그리고 하나는 원치 않는 결과(비사건)(그림 1).

와 마찬가지로 RR 는 비율의 두 개의 위험을 찍은 두 가지 별도의 그룹에는 비율의 두 가지 확률을 취할 수 있습니다 두 가지 별도의 그룹을 생산하는 확률 비율(또는)., 에 대해 보고 얼마나 많은 시간 위험을 한 그룹이 맺는 다른 보고 얼마나 많은 시간을 확률이나 그룹을 맺습니다.

대부분의 경우,이것은 이해하기가 더 어려운 통계입니다. 위험은 종종 확률보다 직관적 인 개념이므로 상대 위험을 이해하는 것이 종종 상대 확률을 이해하는 데 선호됩니다. 그러나,또는 RR 과 동일한 인과 관계 가정 제한으로 고통받지 않으므로보다 광범위하게 적용 할 수 있습니다.,

예를 들어 확률은 대칭 측정을 의미하는 동안 위험 검사 결과를 주입,확률할 수 있도 검사 중재 주어진 결과입니다. 따라서,이 연구는 건설할 수 있는 곳이 아닌,평가 선택 그룹 및 결과 측정,결과를 선택될 수 있습니다,및 다른 요인을 분석할 수 있습니다. 다음은 rr 을 사용할 수 없지만 또는 할 수있는 상황 인 사례-통제 연구의 예입니다.

2019 사례-대조군 연구가 좋은 예를 증명합니다., 을 찾기 위해 잠재적인 사이의 상관 관계를 형 간염 바이러스(HAV)감염에서 눈에 띄는 캐나다 및 일부를 일으키는 요인 연구를 기반으로 건설되었 결과(즉,개인이었다 기준으로 분류됩 HAV 상태로서,”개입”,또는 인과 이벤트,알려지지 않았). 이 연구는 HAV 를 가진 사람들과없는 사람들과 HAV 감염 이전에 어떤 음식을 먹었는지 살펴 보았습니다. 이로부터 특정 식품 품목을 HAV 상태와 비교하여 여러 승률 비율이 구성되었습니다., 예를 들어,데이터는 이런 주제들 중에 누가 되는 새우/새우,여덟에 대한 긍정적 HAV 는 되지 않는 동안,사람들을 위해 없이 노출되었을 위해 긍정적 HAV 동안 29 일이되지 않았습니다. 승산 비율은 다음에 의해 취해집니다(8:7)/(2:29) 대략 16.6 과 같습니다. 연구 데이터를 보고하거나 의 15.75,작은 차이에서 발생하는 어떤 사전 계산을 위한 조정을 혼동하는 변수에서 토론되지 않은 종이입니다. 0.01 의 p-값이보고되었으므로이 또는 중요성에 대한 통계적 증거를 제공합니다.,이것은 두 가지 동일한 방식으로 해석 될 수 있습니다. 첫째,hav 를 가진 사람들의 새우/새우 노출 확률은 15.75 배가없는 사람들보다 높습니다. 동등하게 확률이 대 HAV-posiitve 대 HAV-부정적인은 15.75 배 더 높은 사람들을 위해 노출을 새우/새우보다는 사람들을 위해 노출되지 않습니다.

전체,또는 측정을 제공합의 힘 협회의 사이에 두 개의 변수에서 1 의 규모는 연결,위의 1 되는 긍정적 연결,그리고 아래에 있는 1 부정적인 연결., 이전의 두 가지 해석은 정확하지만,rr 이 하나를 결정할 수 있었던만큼 직접적으로 이해할 수는 없습니다. 대안적인 해석은 새우/새우 노출과 하브 사이에 강한 양의 상관 관계가 있다는 것이다.

이 때문에 일부 특정 경우에는 OR 로 rr 을 근사하는 것이 적절합니다. 이러한 경우 희귀 질환 가정을 보유해야합니다. 즉,질병은 인구 내에서 대단히 희귀해야합니다., 이 경우에 따라,위험의 질병에서 인(p/(p+q))접근 확률이 질병의 이내에 인(p/q)p 가 하찮게 작은 상대적 q. 따라서,RR 및 수렴 또는 인구가 더 크다. 그러나이 가정이 실패하면 그 차이가 점점 과장됩니다. 수학적으로 p+q 시험에서 p 를 줄이면 동일한 총 시험을 유지하기 위해 q 가 증가합니다. 위험이있는 경우 분자 만 변경되는 반면 확률로 분자와 분모는 모두 반대 방향으로 변경됩니다., 결과적으로,RR 및 OR 가 둘 다 1 이하인 경우,OR 는 RR 을 과소 평가하는 반면,둘 다 1 이상인 경우 OR 는 RR 을 과대 평가합니다.

OR 를 Rr 로 잘못보고 한 다음 종종 데이터를 과장 할 수 있습니다. 그것을 기억하는 것이 중요하거나 상대 측정만으로 RR,따라서 때로는 큰나에 해당할 수 있는 작은 차이를 확률.

에 대한 가장 충실하게 보고 그런 다음,또는 발표하지 않아야 합로 RR,과해야만 수시로의 근사치 RR 경우 희소한 질병에 가정할 수 있는 합리적으로 개최한다., 가능한 경우 항상 RR 을보고해야합니다.

위험 비율

모두 RR 고하거나 관심이 개입하고 결과 보고 따라서 전체 연구 기간입니다. 그러나 유사하지만 뚜렷한 척도 인 위험 비율(HR)은 변화율에 관한 것입니다(표 1).

시간은 탠덤에서 생존 곡선을 표시하는 임시 진행의 일부 이벤트 그룹 내에서는 이벤트가 사망 또는 계약한 질병입니다. 생존 곡선에서 수직축은 관심 이벤트에 해당하고 수평축은 시간에 해당합니다. 그런 다음 이벤트의 위험도는 그래프의 기울기 또는 시간 당 이벤트와 같습니다.

위험 비율은 단순히 두 가지 위험을 비교 한 것입니다., 곡선의 경사면 비교를 통해 두 개의 생존 곡선이 얼마나 빨리 갈라지는지를 보여줄 수 있습니다. 1 의 HR 은 발산이 없음을 나타냅니다-두 곡선 내에서 이벤트의 가능성은 주어진 시간에 동일하게 나타났습니다. HR 같지 않은 1 나타내는 두 개의 이벤트가 발생하지 않에서 동일한 비율,그리고 위험의 개인이나 그룹과는 다른 위험이 개인의 또 다른에서는 지정된 시간 간격입니다.

HRs 가 만드는 중요한 가정은 비례 요금 가정입니다., 단수 위험 비율을보고하려면 두 위험 비율이 일정하다고 가정해야합니다. 는 경우 그래프의 기울기는,변경의 비율이 마찬가지로,시간이 지남에 따라 변경하고 따라서 적용되지 않으로 비교 가능성 주어진 시간이다.

특정 암 환자의 기대 수명을 연장하고자하는 새로운 화학 요법 제의 재판을 고려하십시오. 개입과 대조군 모두에서 25%가 40 주째에 사망했다., 두 그룹 모두 40 주 동안 100%생존율에서 75%생존율로 감소했기 때문에 위험 비율은 같을 것이므로 위험 비율은 1 과 같습니다. 이것은 약물을받는 개인이 언제든지 약물을받지 못하는 사람만큼이나 죽을 가능성이 있음을 시사합니다.

그러나,그것은 개입이 그룹의 모든 25%죽을 주 사이의 여섯 10 하는 동안,제어를 위해,그룹의 모든 25%사망에서 주 하나하기 위한 과거 여행을 떠나보세요. 이 경우 medians 를 비교하면 HR 이 차이를 보이지 않음에도 불구하고 약물에 대한 기대 수명이 더 높아집니다., 이 경우 위험 비율이 시간이 지남에 따라(상당히 극적으로)변화함에 따라 비례 위험 가정은 실패합니다. 이와 같은 경우에는 HR 이 적용되지 않습니다.

기 때문에 그것은 때로는 어렵지 여부를 확인에 비례한 위험을 가정에 합리적으로 적용되기 때문에 복용 HR 스트립을 원래의 측정(위험 요금)의 시간 단위,그것은 일반적인 연습을 보고 HR 과 함께 중간 시간.,

연구에서 평가 전조의 성능을 빠른 응급의학과 점수(램)과 워딩의 생리적 점수 시스템(WPSS),연구자들은 위험 30 일 사망률 증가 30%각 추가 램 unit(HR:1.28;95%신뢰 간격(CI):1.23-1.34)의 60%를 각각의 추가 WPSS unit(HR:1.6;95%CI:1.5-1.7). 이 경우 사망률은 변하지 않았지만 오히려 득점 시스템을 예측하여 HR 을 사용할 수 있습니다. 1.5 와 1 사이의 신뢰 구간을 가짐.,WPSS 위험 비율에 대한 7 은 WPS 가 높은 사람들의 사망률 곡선이 더 빠른 속도(약 1.5-1.7 배)로 감소 함을 나타냅니다. 간격의 로우 엔드는 여전히 1 위에 있기 때문에 WPS 가 더 높은 그룹의 경우 30 일 이내에 사망의 진정한 위험이 더 높다는 것을 확신합니다.

에 2018 년 연구에서 파티를 마시는 사이 개인이 가진 특정 위험 요소,생존 곡선이 건설되었 구상의 속도가 달성하는 파티를 마시기 위해 컨트롤에 그 가족과 함께 역사,남성,그 높은 충동,그리고 그들은 더 높은 응답하여 알코올입니다., 남자와 그 가족과 함께 역사,통계적으로 중요한 증거를 더 높은 속도를 달성의 파티를 마시는 보고되었다(HR 의 1.74 에 대한 남성과 1.04 사람들을 위해 가족과 함께 역사). 그러나 충동 성이 높은 사람들의 경우 HR 이 1.17 이었지만 95%신뢰 구간은 1.00 에서 1.37 사이였습니다. 따라서 95%신뢰 수준으로 HR 이 1.00 이었음을 배제하는 것은 불가능합니다.,

기 때문에 과장,그것을 피하는 것이 중요 나타내는 ORs 로 RRs,와 마찬가지로,그것을 인식하는 것이 중요하다는 것을 보고는 드물게 제공하는 좋은 근사치의 상대적인 위험이 있지만 오히려 단순히 측정을 제공합의 상관 관계입니다.

기 때문에 그것의 기능을 확고한 결론을 도출하고 이해력,RR 보고해야 가능한 경우,그러나 경우에는 인과관계를 가정을 위반(예:케이스-컨트롤 연구 및 로지스틱 회귀)에,또는 사용할 수 있습니다.,

HRs 는 생존 곡선과 함께 사용되며 시간이 지남에 따라 위험 비율이 동일하다고 가정합니다. 두 비율을 비교하는 데 유용하지만 비례 위험 가정을 정당화하기 위해 중간 시간으로보고해야합니다.

마지막으로,값에 상관없이 HR/RR/또는 통계,해석해야만 가능 여부를 결정한 후의 결과 제공하는 통계적으로 중요한 증거를 향한 결론(에 의해 결정되는 p 값 또는 신뢰 간격)., 기억하는 이러한 원칙과 프레임워크의 HR/RR/또는 최소화하는 허위와는 것을 방지할 수 있습니다 그리기에서 잘못된 결론의 결과에서 출판된 연구결과에 관한 다양한 샘플입니다. 그림 2 는 이러한 다양한 위험 비율의 정확하고 잘못된 사용법을 요약 한 것입니다.