Statystyka SPSS
wynik z zastosowania metody Kaplana-Meiera w statystyce SPSS
Statystyka SPSS generuje dość duży wynik dla metody Kaplana-Meiera: funkcje przeżycia i wykresy cenzurowania oraz szereg tabel: środki i mediany dla czasu przeżycia, Zestawienie przypadków i ogólne tabele porównawcze., Jeśli masz statystycznie istotne różnice między funkcjami przetrwania, będziesz również musiał zinterpretować tabelę porównań par, pozwalającą określić, gdzie leżą różnice między twoimi grupami. W poniższych sekcjach skupiamy się na ogólnej tabeli porównawczej, a także na wykresie funkcji przetrwania.,
Uwaga: Jeśli nie jesteś pewien, jak interpretować i raportować statystyki opisowe z tabeli średniej i średniej dla czasu przeżycia, lub procenty z tabeli podsumowania przetwarzania przypadku, która jest częścią testu założeń, o którym rozmawialiśmy wcześniej w sekcji założenia, pokażemy Ci, jak to zrobić w naszym rozszerzonym przewodniku Kaplan-Meier. Jeśli okaże się, że masz statystycznie istotne różnice między rozkładami przeżycia, wyjaśniamy również, jak interpretować i raportować tabelę porównań par., Konieczne będzie również uruchomienie dodatkowych procedur w statystykach SPSS w celu przeprowadzenia tych porównań w parach, ponieważ 13 kroków procedury testowej w sekcji Statystyki SPSS powyżej nie obejmuje procedury porównań w parach.
statystyki SPSS
funkcje przetrwania
pierwszym i najlepszym miejscem do zrozumienia i interpretacji twoich wyników jest zwykle Wykres skumulowanych funkcji przeżycia dla różnych grup czynnika międzyosobniczego (tj.,, trzy grupy interwencji: „program hipnoterapii”, „plaster nikotynowy” oraz grupy „E-papieros”). Jest to Wykres skumulowanej proporcji przeżycia w stosunku do czasu dla każdej grupy interwencyjnej i jest oznaczany wykresem funkcji przeżycia w statystyce SPSS. Ten wykres jest pokazany poniżej:
opublikowany za pisemną zgodą SPSS Statistics, IBM Corporation.
powyższy wykres pomoże Ci zrozumieć, w jaki sposób rozkład przeżycia porównuje się między grupami., Użyteczną funkcją wykresu jest zilustrowanie, czy krzywe przeżycia krzyżują się ze sobą (tj. czy istnieje „interakcja” między rozkładami przeżycia). Ma to wpływ na moc testów statystycznych do wykrywania różnic między rozkładami przeżycia. Ponadto należy zdecydować, czy krzywe przetrwania są podobnie ukształtowane, nawet jeśli znajdują się powyżej lub poniżej siebie. Ma to wpływ na wybór testu statystycznego, który jest używany do analizy wyników z metody Kaplana-Meiera (tj.,, niezależnie od tego, czy korzystasz z testu log rank, testu Breslowa czy testu Tarone-Ware, jak omówiono później).
„wydarzenie”, które Cię interesuje, jest zwykle uważane za szkodliwe (np. porażka lub śmierć). Dlatego nie jest to coś, co chcesz wystąpić. Wszystkie inne rzeczy są równe (np. cenzurowanie przypadków), im więcej zdarzeń, które występują, tym niższa skumulowana proporcja przeżycia i niższa (tj. na osi y) krzywa przeżycia na wykresie., Jako takie, krzywa przeżywalności grupy, która pojawia się „powyżej” krzywej przeżycia innej grupy jest zwykle uważane za wykazujące korzystny / korzystny efekt.
możemy zobaczyć z naszego wykresu, że skumulowana proporcja przeżycia wydaje się być znacznie wyższa w grupie hipnoterapii w porównaniu do grup plastrów nikotynowych i e-papierosów, które wydają się znacznie różnić (chociaż interwencja plastrów nikotynowych wydaje się mieć niewielką przewagę nad przeżyciem; to znaczy, mniej uczestników wznawia palenie)., Wydaje się, że program hipnoterapii znacznie wydłuża czas, aż uczestnicy wznowią palenie (tj. wydarzenie) w porównaniu z innymi interwencjami. Jeśli jednak sprawdzimy ostatni skumulowany odsetek przeżywalności krzywych, zobaczymy, że odsetek uczestników, którzy nie wznowili palenia do końca badania, nie wydaje się, że różni się między grupami interwencyjnymi (w przybliżeniu 10%). Przyjrzymy się później określeniu, czy te krzywe przeżycia są statystycznie znacząco różne.,
uwaga: po sprawdzeniu skumulowanego wykresu przeżycia w poprzedniej sekcji, dobrym pomysłem jest przyjrzenie się elementom opisowym z wyników za pomocą środków i Medianów dla tabeli czasu przeżycia. Pomoże to wyjaśnić różne czasy przeżycia dla grup. Aby to zrobić, należy zinterpretować wartości mediany i ich 95% przedział ufności. Możesz również wykreślić medianę czasu przeżycia grup na wykresie przeżycia zilustrowanym powyżej., W naszym rozszerzonym przewodniku Kaplana-Meiera wyjaśniamy, jak interpretować i raportować wyniki statystyk SPSS z tabeli Means and Medians for Survival Time.
statystyki SPSS
wybór pomiędzy testami statystycznymi: test log rank, Test Breslowa i test Tarone-Ware
w statystyce SPSS można wybrać trzy testy statystyczne, które sprawdzają, czy funkcje przetrwania są równe., Są to: test log rank (Mantel, 1966), Test Breslowa (Breslow, 1970; Gehan, 1965) i test Tarone-Ware (Tarone & Ware, 1977), które wybraliśmy do wykonania w procedurze testowej w sekcji Statystyki SPSS powyżej. Te trzy testy są przedstawione w ogólnej tabeli porównawczej, jak pokazano poniżej:
opublikowane za pisemną zgodą SPSS Statistics, IBM Corporation.
wszystkie trzy testy porównują ważoną różnicę między obserwowaną liczbą zdarzeń (tj.,, wznowienie palenia) i liczbę spodziewanych zdarzeń w każdym punkcie czasowym, ale różnią się sposobem obliczania wagi. W naszym rozszerzonym przewodniku Kaplana-Meiera omówimy różnice między tymi trzema testami statystycznymi i tym, który test wybrać.
dość często zdarza się, że wszystkie trzy testy doprowadzą cię do tego samego wniosku (tj.,, oni wszyscy odrzucą hipotezę zerową lub oni wszyscy nie będą), ale który test wybrać powinien zależeć od tego, jak można oczekiwać dystrybucji przeżycia różnią się tak, aby jak najlepiej wykorzystać różne wagi każdy test przypisuje do punktów czasowych(tj. zwiększenie mocy statystycznej). Niestety nie można polegać na jednym najlepszym teście – będzie on zależał od Twoich danych. Jeśli zdecydujesz się na wybór konkretnego testu, musisz to zrobić przed analizą danych., Nie powinieneś uruchamiać wszystkich z nich, a następnie po prostu wybrać ten, który ma „najlepszą” wartość p dla Twojego badania (Hosmer et al., 2008; Kleinbaum & Klein, 2012).
w naszym przykładzie najbardziej odpowiedni jest test log rank, więc omówimy wyniki tego testu w następnej sekcji.,
statystyki SPSS
porównanie interwencji
aby użyć testu log rank, musisz zinterpretować wiersz „Log Rank (Mantel-Cox)” w ogólnej tabeli porównań, jak zaznaczono poniżej:
opublikowany za pisemną zgodą SPSS Statistics, IBM korporacja.
test log rank sprawdza hipotezę zerową, że nie ma różnicy w ogólnym rozkładzie przeżycia między grupami (np. grupy interwencyjne) w populacji., Aby przetestować tę hipotezę zerową, test log rank oblicza statystykę χ2 (Kolumna” Chi-kwadrat”), która jest porównywana do rozkładu χ2 Z dwoma stopniami swobody (kolumna” df”). W celu ustalenia, czy rozkłady przeżycia są statystycznie znacząco różne, należy skonsultować się z ” Sig.”kolumna zawierająca wartość p dla tego badania. Widać, że wartość znaczenia tego testu jest .000. Nie oznacza to, że p = .000, ale że p < .0005., Jeśli chcesz poznać rzeczywistą wartość p, możesz dwukrotnie kliknąć tabelę i najechać kursorem myszy na odpowiednią wartość p, jak zaznaczono poniżej:
opublikowane za pisemną zgodą SPSS Statistics, IBM Corporation.
Możesz teraz zobaczyć, że wartość p jest rzeczywiście .000002 (tj. p = .000002). Powodem, dla którego początkowo się okazało, że p = .000 wynika z tego, że wynik jest podany tylko w tabeli z dokładnością do 3 miejsc po przecinku., Jednak rzadko zdarza się, że podajesz tak małą wartość p, więc możesz łatwo stwierdzić, że p <.0005.
If p<.05, masz statystycznie znaczący wynik i można stwierdzić, że rozkład przeżycia różnych rodzajów interwencji nie są równe w populacji (to znaczy, nie są one wszystkie takie same). Z drugiej strony, jeśli p > .05, nie masz statystycznie istotnego wyniku i nie możesz wywnioskować, że rozkład przeżywalności jest różny w populacji (tj.,, wszystkie są takie same / równe). W tym przykładzie, ponieważ p = .000002, mamy statystycznie istotny wynik. Oznacza to, że rozkład przeżycia jest różny w populacji.
Uwaga: Jeśli stwierdzisz, że masz statystycznie istotne różnice między rozkładami przeżycia, tak jak to robimy w naszym przykładzie, będziesz musiał teraz zinterpretować i zgłosić wyniki z tabeli porównań par. Tabela porównań par nie jest tworzona automatycznie przy użyciu 13 kroków procedury testowej w sekcji Statystyki SPSS powyżej., Zamiast tego będziesz musiał wykonać dodatkowe kroki w statystykach SPSS, które pokażemy Ci w naszym rozszerzonym przewodniku Kaplan-Meier. Możesz uzyskać dostęp do rozszerzonego przewodnika Kaplan-Meier, subskrybując Laerd Statistics.