HC 12.3 Het toetsen van hypothesen / meta-analyse Flashcards
Welke letters gebruiken we als het om de populatie gaat en welke letters gebruiken we als het gaat over de steekproef?
Als het over de populatie gaat zijn het Griekse letters, als het over de steekproef gaat dan zijn het normale letters. Een hypothese gaat over de gehele populatie dus Griekse letters.
Hoe werkt statistische toetsing?
Populatie niveau:
- Nulhypothese: deze gelooft niks
- Alternatieve hypothese: deze gelooft alles
Het begin van alle hypothese toetsing is geloven dat de nulhypothese waar is. Dus stel de nulhypothese is waar, wat is dan de kans op het gevonden resultaat: Xobs = 0,2 of een gemiddelde nog verder van 0 af.
- Als deze kans (P-waarde) heel klein is (< significantieniveau alpha van bijvoorbeeld 0.05): dan nulhypothese verwerpen. Conclusie (op populatieniveau): gemiddelde daling is ongelijk aan 0.
- Als deze kans > 0.05 dan nulhypothese behouden. Dus we hebben niet genoeg bewijs om de nulhypothese te verwerpen. Conclusie (op populatieniveau): gemiddelde daling is 0.
Hoe kunnen de steekproefgemiddelden worden verdeeld?
- Als individuele scores in de populatie normaal verdeeld zijn: normaal verdeeld (ook bij kleine n).
- Als individuele scores in de populatie NIET normaal verdeeld zijn, steekproefgrootte is redelijk groot (n ≥ 30): bij benadering normaal verdeeld.
Hoe doen we het toetsen van hypothesen?
Z noemen we de toetsingsgrootheid. Kans op de gevonden waarde van de toetsingsgrootheid, of op een nog extremere waarde is afhankelijk van de p-waarde van de toets. Afspraak = als P < 0,05 verwerpen we de nulhypothese.
Toetsen algemeen
I. Formuleer de nulhypothese H0.
II. Verzamel gegevens.
III. Bereken de toetsingsgrootheid.
IV. Beoordeel de waarde van de toetsingsgrootheid: Is deze waarde “aannemelijk” als H0 waar is? Hoe “aannemelijk”? daarvoor kijken we naar de P-waarde
V. Als P-waarde groter dan 0.05: H0 behouden. Als P-waarde kleiner dan 0.05: H0 verwerpen.
Welke soorten toetsen zijn er?
Welke toetsingsgrootheid berekend moet worden en hoe daarvan de P-waarde gevonden moet worden hangt af van de soort analyse:
- Z/T-toets: gemiddelden tussen twee groepen (als er twee variabelen zijn die normaal verdeeld zijn, T-toets voor een Z-toets)
- F-toets: bij drie of meer variabelen
- U: als iets niet normaal verdeeld is (of als er minder dan 30 mensen in de groepen zitten)
- X^2 (chi-kwadraat): bij nominale variabelen
- R (correlatie): kijk naar verbanden tussen variabelen
Hoe kunnen we zien dat een resultaat niet significant is?
- Toetsingsgrootheid ligt niet tegen de 2 aan
- P-waarde is niet kleiner dan 0,05
- Er ligt een 0 binnen het betrouwbaarheidsinterval. Maar bij relatieve waarden zit de 1 niet in het betrouwbaarheidsinterval.
Wat is een type I fout?
- Nulhypothese verwerpen als deze in werkelijkheid correct is.
- alpha = kans op het maken van een type I fout (meestal op 5%)
- alpha = P(H0 verwerpen | H0 waar)
- type I: onterecht verwerpen H0
Wat is een type II fout?
- Nulhypothese NIET verwerpen als deze in werkelijkheid NIET correct is
- beta (β) = kans op het maken van een type II fout (meestal op 20%)
- β = P(H0 behouden | H0 niet waar)
- 1- β heet de power van de toets
- type II: onterecht behouden
Wat is het fixed effect model?
Een fixed effect model geeft een kleiner CI dan een random effects model. Dit komt omdat het fixed effect model valsspeelt. Het fixed effects model wordt in de afbeelding weergeven. Alle studies hebben eigenlijk hetzelfde gemiddelde (rondje), maar er is sprake van toevalsflunctuatie, welke andere geobserveerde waarden geeft (vierkant). Variatie in uitkomsten komt volgens fixed effects modellen alleen door steekproefvariatie.
Fixed effects: er is alleen binnen studie variatie.
Wat is het random effects model?
Deze verschillen kunnen volgens het random effects model, echter ook ontstaan door heterogeniteit in de studies. Dit kan veroorzaakt worden door verschillende onderzochte populaties (in/exclusiecriteria), definities van ziekte, methoden van definiëren van de blootstelling, variaties van de behandeling, omgevingsfactoren, (gepubliceerde) soorten uitkomsten, designs en random variatie. Om met deze verschillen om te gaan wordt het random effects model toegepast. Daarbij is er ook tussen de studies variatie mogelijk (tussenstudievariatie), welke uiteindelijk ook een waarde met een normale verdeling weergeeft. Dit model heeft een groter betrouwbaarheidsinterval (minder snel significant), maar is eerlijker dan het andere model.
Random effects: er is binnen studie variatie en tussenstudie variatie
