SPSS Statistics
Výstup pomocí Kaplan-Meierovy metody v programu SPSS Statistics
SPSS Statistics generuje poměrně hodně výkonu pro Kaplan-Meierova metoda: Přežití a Cenzurovat pozemky, a počet tabulek: Prostředky a Mediány Přežití, Čas, Případ, Zpracování, Souhrn a Celkové Srovnání tabulek., Pokud máte statisticky významné rozdíly mezi funkcemi přežití, budete také muset interpretovat tabulku párových srovnání, která vám umožní určit, kde leží rozdíly mezi vašimi skupinami. V níže uvedených sekcích se zaměřujeme na celkovou srovnávací tabulku a dotýkáme se spiknutí funkcí přežití.,
Poznámka: Pokud si nejste jisti, jak interpretovat a zpráva popisné statistiky od střední hodnoty a Mediány Přežití, Čas, tabulka, nebo procenta z Případu Zpracování Souhrnné tabulce, která je součástí předpokladu testování jsme diskutovali v Předpokladech část dříve, ukážeme vám, jak to udělat v naší vylepšenou Kaplan-Meier průvodce. Pokud zjistíte, že máte statisticky významné rozdíly mezi distribucemi přežití, vysvětlíme také, jak interpretovat a hlásit tabulku párových srovnání., Budete také muset spustit další postupy v programu SPSS Statistics provádět tyto párové srovnání, protože 13 kroků v Postupu Testu v SPSS sekce Statistiky výše nezahrnují postup pro párové srovnání.
SPSS Statistics
Přežití funkce
první a nejlepší místo, kde začít pochopení a interpretaci výsledků je obvykle s pozemkem kumulativní funkce přežití pro různé skupiny mezi-předmětů faktor (tj.,, tři skupiny intervence: „program hypnoterapie“,“ nikotinová náplast „a použití skupin“ e-cigaret“). Toto je spiknutí kumulativního podílu přežití proti času pro každou intervenční skupinu a je označeno jako plot funkcí přežití ve statistikách SPSS. Tento děj je uveden níže:
Zveřejněno s písemným souhlasem SPSS Statistics, IBM Corporation.
výše uvedený graf vám pomůže pochopit, jak se distribuce přežití porovnávají mezi skupinami., Užitečnou funkcí spiknutí je ilustrovat, zda se křivky přežití vzájemně prolínají (tj. zda existuje „interakce“ mezi distribucemi přežití). To má dopad na sílu statistických testů k detekci rozdílů mezi distribucí přežití. Kromě toho byste se měli rozhodnout, zda jsou křivky přežití podobně tvarované, i když jsou nad nebo pod sebou. To má důsledky pro volbu statistického testu, který se používá k analýze výsledků z metody Kaplan-Meier (tj.,, ať už používáte test log rank, Breslow test nebo test Tarone-Ware, jak je popsáno později).
„událost“, o kterou máte zájem, je obvykle považována za škodlivou (např. selhání nebo smrt). Proto to není něco, co chcete nastat. Všechny ostatní věci jsou stejné (např. cenzurovat případů), více událostí, které se vyskytují, nižší kumulativní přežití proporce a nižší (tj. na ose y) křivky přežití na grafu., Křivka přežití skupiny, která se objevuje „nad“ křivkou přežití jiné skupiny, se proto obvykle považuje za prokázání příznivého / výhodného účinku.
můžeme vidět z našeho pozemku, že kumulativní přežití podíl se zdá být mnohem vyšší, v hypnoterapie skupiny ve srovnání s nikotinové náplasti a e-cigaretu skupin, které se neobjevují výrazně liší (i když nikotinové náplasti intervence se zdá, že mají malou výhodu na přežití; že je méně účastníků obnovení kouření)., Zdá se, že program hypnoterapie výrazně prodlužuje dobu, než účastníci obnoví kouření (tj. Nicméně, pokud budeme kontrolovat křivek poslední kumulativní přežití podíl, můžeme vidět, že podíl účastníků, které nebylo obnoveno kouření do konce studie, nezdá se, že rozdíl mezi intervenční skupiny (přibližně 10%). Budeme se zabývat určením, zda jsou tyto křivky přežití statisticky významně odlišné později.,
Poznámka: S kontrolovány kumulativní přežití pozemku v předchozí části, to je dobrý nápad, aby se podívat na popisné prvky ze své výsledky pomocí Prostředků a Mediány Přežití Čas tabulka. To pomůže objasnit různé doby přežití pro vaše skupiny. Chcete-li to provést, musíte interpretovat střední hodnoty a jejich 95% intervaly spolehlivosti. Můžete také vykreslit střední doby přežití skupin na vrcholu výše uvedeného grafu přežití., V našem rozšířeném průvodci Kaplan-Meier vysvětlíme, jak interpretovat a hlásit výstup statistik SPSS z tabulky prostředků a Medians for Survival Time table.
SPSS Statistics
Výběr mezi statistických testů: log rank test, Breslow test a Tarone-Ware test
k Dispozici jsou tři statistické testy, které mohou být vybrány v SPSS Statistiky, které testují, zda přežití funkce jsou stejné., Tyto jsou log-rank test (Mantel, 1966), Breslow test (Breslow, 1970; Gehan, 1965) a Tarone-Ware test (Tarone & Ware, 1977), které jsme si vybrali být produkován ve Zkušební Postup v SPSS Statistiky sekce výše. Tyto tři testy jsou prezentovány v Celkovém Srovnání tabulka, jak je uvedeno níže:
Zveřejněno s písemným souhlasem SPSS Statistics, IBM Corporation.
všechny tři testy porovnávají vážený rozdíl mezi pozorovaným počtem událostí (tj.,, obnovení kouření) a počet očekávaných událostí v každém časovém bodě, ale liší se v tom, jak vypočítávají váhu. Diskutujeme o rozdílech mezi těmito třemi statistickými testy a o tom, který test si vyberete v našem rozšířeném průvodci Kaplan-Meier.
je poměrně běžné zjistit, že všechny tři testy vás povedou ke stejnému závěru (tj., všichni budou mít nulovou hypotézu zamítnout, nebo neskončí), ale test, který si vyberete, by měla záviset na tom, jak budete očekávat, že přežití distribuce se liší tak, aby se co nejlépe využít různé koeficienty každý test přiřazuje k časové body (tj. zvýšení statistické síly). Bohužel se nemůžete spolehnout na to, že existuje jeden nejlepší test-bude to záviset na vašich datech. Pokud zvolíte přístup výběru konkrétního testu, budete to muset provést před analýzou vašich dat., Neměli byste je všechny spustit a pak jednoduše vybrat ten, který má pro vaši studii „nejlepší“ hodnotu p (Hosmer et al., 2008; Kleinbaum & Klein, 2012).
v našem příkladu je nejvhodnější test log rank, takže výsledky tohoto testu diskutujeme v další části.,
SPSS Statistics
Srovnání intervencí
Chcete-li použít log-rank testu je třeba interpretovat „Log Rank (Mantel-Cox)“ řádek v Celkovém Srovnání tabulka, jak je zdůrazněno níže:
Zveřejněno s písemným souhlasem SPSS Statistics, IBM Corporation.
test log rank testuje nulovou hypotézu, že neexistuje žádný rozdíl v celkovém rozdělení přežití mezi skupinami (např. intervenční skupiny) v populaci., Pro testování této nulové hypotézy vypočítá log rank test χ2-statistiku (sloupec „Chi-Square“), která se porovnává s χ2-distribucí se dvěma stupni volnosti (sloupec“ df“). Abyste zjistili, zda jsou distribuce přežití statisticky významně odlišné, musíte se poradit s „Sig.“sloupec, který obsahuje hodnotu p pro tento test. Můžete vidět, že významová hodnota tohoto testu je .000. To neznamená, že p = .000, ale p < .0005., Pokud chcete vědět, skutečné p-hodnota, můžete double-klikněte na stůl a umístěte kurzor myši nad příslušné p-hodnoty, jak je zdůrazněno níže:
Zveřejněno s písemným souhlasem SPSS Statistics, IBM Corporation.
nyní můžete vidět, že hodnota p je ve skutečnosti .000002 (tj., p = .000002). Důvodem pro to zpočátku se zdá, že p = .000 je způsobeno tím, že výsledek je uveden pouze v tabulce na 3 desetinná místa., Je však vzácné, že byste citovali tak malou hodnotu p, takže byste mohli jednoduše uvést, že p < .0005.
If p < .05, máte statisticky významný výsledek a můžete dojít k závěru, že rozdělení přežití různých typů intervencí není v populaci stejné (tj. Na druhou stranu, pokud p > .05, nemáte statisticky významný výsledek a nelze dojít k závěru, že rozdělení přežití je v populaci odlišné (tj.,, jsou všechny stejné / stejné). V tomto příkladu, protože p = .000002, máme statisticky významný výsledek. To znamená, že distribuce přežití se v populaci liší.
Poznámka: Pokud zjistíte, že máte statisticky významné rozdíly mezi vaše přežití distribucí, jako to děláme v našem příkladu byste nyní je třeba interpretovat a podávat zprávy o výsledcích z Párového Srovnání tabulka. Tabulka porovnávání dvojic se nevyrábí automaticky pomocí 13 kroků ve zkušebním postupu v části statistiky SPSS výše., Místo toho budete muset provést další kroky ve statistikách SPSS, které vám ukážeme v našem rozšířeném průvodci Kaplan-Meier. Můžete přistupovat k rozšířené Kaplan-Meier průvodce přihlášením ke statistikám Laerd.