Seminarium
MEDYCYNA I ANALIZA DANYCH

Statystyczne aspekty planowania i analizy wyników badań empirycznych w medycznie

Chyba w żadnej innej dziedzinie badań empirycznych umiejętne zaplanowanie, przeprowadzenie i statystyczne opracowanie wyników nie napotyka na tak wiele problemów jak w medycynie. Pogodzenie celów badawczych i medycznych oraz różnego rodzaju wymogów i ograniczeń o charakterze metodologicznym, etycznym, statystycznym i wielu innych jest zazwyczaj niezwykle trudne lub wręcz niemożliwe. Jednocześnie przy publikowaniu wyników badań trzeba spełnić coraz wyższe standardy. W trakcie wystąpienia zostaną przedstawione i przedyskutowane konsekwencje decyzji podejmowanych przez badacza na różnych etapach planowania i prowadzenia badań na sposób i zakres statystycznej analizy i interpretacji zebranych wyników. Przy okazji zostaną również wyjaśnione najczęściej występujące pojęcia, z którymi można spotkać się w opracowaniach naukowych w literaturze medycznej i dziedzinach pokrewnych.

Omówiony zostanie sposób poprawnego przygotowania danych do analizy przeżycia. Następnie przedstawiony zostanie estymator Kaplana-Meiera oraz jego realizacja w programie STATISTICA. Do porównywania przeżyć w grupach wykorzystuje się najczęściej test log-rank. Na prostym przykładzie zaprezentowany zostanie sposób jego liczenia. Oprócz interpretacji wyników, znajdowania wartości prawdopodobieństwa przeżycia oraz redakcyjnej obróbki wykresów pokazane będą również źródła „dziwnych” wyników. Analiza przeżyć obejmuje trzy zagadnienia: estymację funkcji przeżyć, testowanie różnic między grupami oraz modelowanie wpływu czynników rokowniczych na przeżycia. To ostatnie zadanie realizowane jest przy pomocy modelu proporcjonalnego hazardu Coxa. Rozważania będą ilustrowane rzeczywistymi danymi z zakresu onkologii.

Na wstępie przedstawione zostanie medyczne wprowadzenie do rozważanego zagadnienia i znaczenie pomiarów kompleksu błony wewnętrznej i środkowej tętnic szyjnych w kardiologii. W ocenie ryzyka zdarzeń sercowo-naczyniowych znane są podstawowe czynniki wpływające na prawdopodobieństwo wystąpienia takich zdarzeń. Problemem jest uwzględnienie znaczenia potencjalnych nowych czynników, szczególnie takich, których pozyskanie wiąże się z ponoszeniem dodatkowych, istotnych kosztów. Pokazany zostanie sposób wykorzystania modelu proporcjonalnego hazardu Coxa do oceny prognostycznego znaczenia takich dodatkowych czynników rokowniczych. Kluczowe znaczenie ma tu unikalna możliwość programu STATISTICA pozwalająca wykreślać teoretyczne krzywe przeżyć dla zadanych charakterystyk pacjenta.

Metaanaliza, czyli ilościowa synteza wyników pochodzących z niezależnych badań, to narzędzie badawcze, które w ostatnim czasie zyskało w medycynie, farmakologii i epidemiologii szczególne znaczenie. W prezentacji przedstawiony zostanie przykład przeprowadzenia tego typu analizy za pomocą modułu Metaanaliza dostępnego w Zestawie medycznym. Prezentowane narzędzie umożliwia wykonanie obliczeń dla szeregu miar efektu i przedstawienie wyników w postaci szczegółowego raportu oraz wykresu typu forest plot. Dzięki modułowi Metaanaliza można wyliczyć miary efektu dla pojedynczych badań oraz uwzględnić w analizie badania z wynikami przedstawionymi w postaci różnych miar efektu. Program pozwala między innymi obliczyć miary dla modelu z efektem wspólnym i zmiennym (common/random effect model), wykonać analizę jednorodności badań, analizę wrażliwości i metaanalizę w grupach (subgroup analyses).

Krzywa ROC (Receiver Operating Characteristic) jest narzędziem do oceny poprawności klasyfikatora, zapewnia ona łączny opis jego czułości i specyficzności. Ten sposób wspomagania systemu decyzyjnego jest szeroko stosowany w różnych obszarach analizy danych, również w diagnostyce medycznej. Zaprezentowane zostanie rozszerzenie programu STATISTICA do wykreślania krzywych ROC oraz wyznaczania optymalnego punktu odcięcia, również przy zdefiniowanych przez użytkownika kosztach błędnych klasyfikacji.

Medyczne zbiory zapisów wideo mogą zawierać bardzo wiele sekwencji wideo z brochoskopii zarchiwizowanych na przestrzeni lat. Odnajdywanie szukanej informacji w takiej bazie danych może zająć dużo czasu i wymaga specjalistycznej wiedzy medycznej. Rozwiązaniem może być połączenie szybkich komputerów z odpowiednio dobranymi algorytmami opartymi o wiedzę ekspercką i analizę statystyczną. Artykuł prezentuje sposób rozwiązania problemu automatycznego rozpoznawania kilku schorzeń diagnozowanych poprzez bronchoskopię w oparciu o deskryptory standardu MPEG-7 oraz modele skoringowe zbudowane w projekcie BRONCHOVID.