قفسه کتاب NCBI. خدمات کتابخانه ملی پزشکی ، انستیتوی ملی بهداشت.

statpearls [اینترنت]. جزیره گنج (FL): انتشارات Statpearls ؛2023 ژانویه-.

statpearls [اینترنت].

جزیره گنج (FL): انتشارات Statpearls ؛2023 ژانویه-.

انواع متغیرها و طرح های آماری معمولاً استفاده می شود

یعقوب شرفلر ؛مارتین آر. هوکر.

نویسندگان

Jacob Shreffler 1 ؛مارتین R. Huecker 2.

وابستگی

1 دانشکده پزشکی دانشگاه لوئیزویل 2 دانشگاه لوئیزویل

آخرین به روزرسانی: 6 مارس 2023.

تعریف/مقدمه

طراحی آماری مناسب یک عامل مهم در اجازه استنباط از هر تحقیق یا مطالعه علمی است. [1]به دلیل پیشرفت نرم افزار موجود برای تجزیه و تحلیل گسترده داده ها ، طرح های آماری بی شماری قابل اجرا هستند. [1]ارائه دهندگان مراقبت های بهداشتی برای تفسیر مطالعات جدید و ارائه مراقبت به روز بیمار باید از دانش آماری برخوردار باشند. ما یک مرور کلی از انواع متغیرها و طرح های متداول برای تسهیل این درک ارائه می دهیم. [2]

مسائل مربوط به نگرانی

افرادی که سعی در انجام تحقیق و انتخاب یک طرح نامناسب دارند می توانند یک آزمایش معیوب را انتخاب کرده و نتیجه گیری ناقص داشته باشند. این تصمیم می تواند منجر به رد کار برای انتشار یا (بدتر) منجر به تصمیم گیری بالینی نادرست شود و در نتیجه عمل ناامن باشد. [1]با درک انواع متغیرها و انتخاب تست هایی که متناسب با داده ها باشد ، افراد می توانند نتیجه گیری های مناسبی را به دست آورند و کار خود را برای یک برنامه ترویج کنند. [3]

برای تعیین اینکه کدام طرح آماری برای داده ها و برنامه تحقیق مناسب است ، ابتدا باید مقیاس هر اندازه گیری را بررسی کرد. [4]انواع مختلفی از متغیرها طرح مناسب را تعیین می کنند.

داده های معمولی (که گاهی اوقات به عنوان گسسته نیز گفته می شود) رتبه ها و بنابراین سطح درجه بین اندازه گیری را ارائه می دهد. [5]موارد لیکرت می توانند به عنوان متغیرهای معمولی عمل کنند ، اما مقیاس لیکرت ، نتیجه اضافه کردن همه زمان ها ، می تواند به عنوان یک متغیر مداوم رفتار شود. [6]به عنوان مثال ، در مقیاس 20 ماده ای با هر مورد از 1 تا 5 ، خود مورد می تواند یک متغیر معمولی باشد ، در حالی که اگر همه موارد را اضافه کنید ، می تواند در محدوده 20 تا 100 باشد. یک دستورالعمل کلی برایتعیین اینکه آیا یک متغیر در مقابل مداوم است: اگر متغیر بیش از ده گزینه داشته باشد ، می توان آن را به عنوان یک متغیر مداوم درمان کرد. [7]مثالهای زیر متغیرهای منظم هستند:

موارد لیکرت مراحل سرطانی سال اقامت

اسمی ، طبقه بندی ، دوگانگی ، باینری

انواع دیگر متغیرها دارای اصطلاحات قابل تعویض هستند. متغیرهای اسمی و طبقه ای نمونه ها را در گروه ها بر اساس شماری که در هر گروه قرار می گیرند ، توصیف می کنند ، هیچ رابطه کمی ندارند و نمی توانند رتبه بندی شوند. [8]نمونه هایی از این متغیرها عبارتند از:

خدمات (یعنی اورژانس ، پزشکی داخلی ، روانپزشکی و غیره) قومیت نحوه ورود (آمبولانس ، هلیکوپتر ، ماشین)

یک متغیر دوگانگی یا باینری در همان خانواده اسمی/طبقه بندی شده است ، اما این نوع فقط دو گزینه دارد. رگرسیون لجستیک باینری ، که در زیر مورد بحث قرار خواهد گرفت ، دو گزینه برای نتیجه علاقه/تحلیل دارد. اغلب به عنوان (بله/خیر) مورد استفاده قرار می گیرد ، نمونه هایی از متغیرهای دوگانگی یا باینری عبارتند از:

زنده (بله در مقابل نه) بیمه (بله در مقابل نه) Readmed (بله در مقابل نه)

با این نمای کلی از انواع متغیرهای ارائه شده ، ما برای مقیاس های مختلف اندازه گیری ، طرح های آماری متداول را ارائه خواهیم داد. نکته مهم ، قبل از تصمیم گیری در مورد آزمایش آماری ، افراد باید تجزیه و تحلیل داده های اکتشافی را انجام دهند تا اطمینان حاصل شود که هیچ مشکلی در مورد داده ها وجود ندارد و نوع I ، خطاهای نوع II و تجزیه و تحلیل قدرت را در نظر می گیرد. علاوه بر این ، محققان باید فرضیات آماری مناسب را تضمین کنند. [9] [10]به عنوان مثال ، آزمون های پارامتری ، از جمله برخی مورد بحث در زیر (آزمونهای T ، تجزیه و تحلیل واریانس (ANOVA) ، همبستگی و رگرسیون) ، نیاز به داده ها دارند تا توزیع عادی داشته باشند و واریانس های موجود در هر گروه مشابه هستند. [6] [6]11]پس از از بین بردن هرگونه مسئله بر اساس تجزیه و تحلیل داده های اکتشافی و کاهش احتمال بروز خطاهای نوع I و نوع II ، می توان یک آزمایش آماری انتخاب کرد. در زیر مختصراً برای هر یک از طرح های آماری متداول با نمونه هایی از هر نوع ارائه شده است. نمونه ای از تمرکز یک تحقیق ، با هر نوع طراحی آماری مورد بحث ، می توان در جدول 1 یافت تا نمونه های بیشتری از طرح های آماری متداول ارائه شود.

طرح های آماری معمولاً استفاده می شود

نمونه های مستقل آزمون t

یک نمونه t-test مستقل امکان مقایسه دو گروه از افراد را بر روی یک متغیر (مداوم) فراهم می کند. نمونه هایی در تحقیقات زیست پزشکی شامل مقایسه نتایج درمان در مقابل گروه کنترل و مقایسه تفاوت های بر اساس جنسیت (مرد در مقابل زن) است.

مثال: آیا پایبندی به رژیم کتوژنیک (بله/خیر ؛ دو گروه) تأثیر دیفرانسیل در کل زمان خواب (دقیقه ؛ مداوم) دارد؟

تست T زوج

یک آزمون T زوجی یک جمعیت نمونه را تجزیه و تحلیل می کند و در دو نوبت مختلف یک متغیر را اندازه گیری می کند. این اغلب برای مداخله و تحقیقات آموزشی مفید است.

مثال: آیا شرکت در یک برنامه درسی تحقیقاتی (یک گروه با مداخله) عملکرد مقیم در یک آزمون را برای اندازه گیری صلاحیت تحقیق (مداوم) بهبود می بخشد؟

تجزیه و تحلیل واریانس یک طرفه (ANOVA)

تجزیه و تحلیل واریانس (ANOVA) ، به عنوان پسوند آزمون t ، تفاوت بین بیش از دو گروه یا متغیرهای مستقل را بر اساس یک متغیر وابسته تعیین می کند. [11]ANOVA از انجام چندین آزمایش T ارجح است زیرا احتمال ایجاد خطای نوع I را کاهش می دهد.

مثال: آیا براساس نحوه ورود (اتومبیل ، آمبولانس ، هلیکوپتر ، سه گروه) تفاوت در مدت اقامت در بیمارستان (مداوم) وجود دارد؟

اقدامات مکرر ANOVA

روش دیگری که معمولاً در صورتی که داده های افراد مکرر باشد (به طور مکرر اندازه گیری می شود) استفاده می شود. در این مطالعات ، اندازه گیری های متعدد متغیر وابسته از شرکت کنندگان در مطالعه جمع آوری می شود. [11]اقدامات مکرر در درون افراد ANOVA اثرات مبتنی بر متغیر درمانی را به تنهایی تعیین می کند ، در حالی که ANOVA های مختلط اجازه می دهد تا هم اثرات بین گروه و هم در داخل افراد در نظر گرفته شود.

در زیر موضوعات مثال: چگونه اثر کتامین به معنای فشار شریانی (متغیر مداوم) با گذشت زمان (اندازه گیری مکرر) است؟

مثال مختلط: آیا میانگین فشار شریانی (مداوم) بین مردان و زنان (دو گروه ؛ مخلوط) بر روی کتامین در طول یک عمل جراحی (با گذشت زمان ؛ اندازه گیری مکرر) متفاوت است؟

تست های غیر پارامتری

تست های غیر پارامتری ، مانند آزمون من ویتنی U (دو گروه ؛ آزمون t غیر پارامتری) ، آزمون کروسکال والیس (گروه های مختلف ؛ ANOVA غیر پارامتری) ، Rho Spearman (ضریب همبستگی غیر پارامتری) می تواند در صورت نظم یا عدم عادی بودن استفاده شود.[3] [5]نیازی به نرمال بودن نیست به این معنی است که این آزمایشات اجازه می دهد تا داده های چرب شده مورد تجزیه و تحلیل قرار گیرند. آنها نیاز به جلسه فرضیات کمتری دارند. [11]

مثال: آیا بین وضعیت بیمه (دو گروه) و مرحله سرطان (Ordinal) رابطه وجود دارد؟

یک آزمون مجذور کای تأثیر روابط بین متغیرهای طبقه بندی را تعیین می کند ، که فرکانس ها و نسبت هایی را که در آن متغیرها قرار می گیرند تعیین می کند. [11]مشابه سایر تست های مورد بحث ، انواع و پسوندهای آزمایش مجذور کای (به عنوان مثال ، آزمون دقیق فیشر ، آزمون مک نمار) بسته به متغیرها ممکن است مناسب باشد. [8]

مثال: آیا بین افراد مبتلا به متامفتامین در سیستم خود (بله در مقابل نه ؛ دوگانگی) و جنسیت (مرد یا زن ؛ دوگانگی) رابطه ای وجود دارد؟

همبستگی

همبستگی (به طور متقابل با "انجمن ها") الگوهای سیگنال در داده های بین متغیرها. [1]اگر مقادیر در یک متغیر افزایش یابد ، با افزایش مقادیر در دیگری ، یک ارتباط مثبت رخ می دهد. در صورت افزایش متغیرها در یک کاهش ، ارتباط منفی رخ می دهد. ضریب همبستگی ، که به عنوان R بیان شده است ، قدرت رابطه را توصیف می کند: یک مقدار 0 به معنای رابطه نیست و رابطه با رویکردهای R 1 (رابطه مثبت) ی ا-1 (ارتباط منفی) تقویت می شود. [5]

مثال: آیا بین سن (مداوم) و رضایت از نمرات بررسی زندگی (مداوم) رابطه وجود دارد؟

رگرسیون خطی

رگرسیون به محققان این امکان را می دهد تا درجه های روابط بین متغیر وابسته و متغیرهای مستقل را تعیین کنند و منجر به معادله ای برای پیش بینی شود. [11]تعداد زیادی از متغیرها در روشهای رگرسیون قابل استفاده هستند.

مثال: کدام بستری در معیارهای بیمارستان (چندین مداوم) به بهترین وجه طول کل اقامت (دقیقه ؛ مداوم) را پیش بینی می کند؟

رگرسیون لجستیک دودویی

این نوع رگرسیون ، که هدف آن پیش بینی نتیجه است ، مناسب است که متغیر وابسته یا نتیجه علاقه باینری یا دوگانگی باشد (بله/خیر ؛ درمان شده/درمان نشده). [12]

مثال: کدام پانل نتایج (متعدد مداوم ، منظم ، طبقه بندی ، دوگانگی) به بهترین وجه پیش بینی می کند که آیا فرد کشت خون مثبت (دوگانگی/باینری) خواهد داشت یا خیر؟

نمونه ای از تمرکز یک تحقیق ، با هر نوع طراحی آماری مورد بحث ، می توان در جدول 1 یافت تا نمونه های بیشتری از طرح های آماری متداول ارائه شود.

(به انواع متغیرها و طرح های آماری جدول 1 مراجعه کنید)

اهمیت بالینی

اگرچه بسیاری از طرح های آماری و پسوندهای دیگر روشهای تحت پوشش در این مقاله وجود دارد ، اما اطلاعات فوق نقطه شروع برای ارائه دهندگان مراقبت های بهداشتی را برای آشنایی با متغیرها و طرح های متداول ارائه می دهد. محققان باید قبل از تعیین آزمایشات آماری ، انواع متغیرها را مطالعه کنند تا اقدامات مربوطه و نتایج مطالعه معتبر را بدست آورند. [6]توصیه ای برای مشورت با یک آماری برای اطمینان از استفاده مناسب از طرح آماری بر اساس متغیرها و اینکه فرضیات مورد تأیید قرار می گیرند ، وجود دارد. [1]با توجه به تنوع نرم افزارهای آماری موجود ، محققان باید پیشینی نوع آزمایشات آماری را هنگام طراحی یک مطالعه درک کنند. [13]همه ارائه دهندگان برای اتخاذ تصمیمات بالینی مبتنی بر شواهد باید انتشارات ژورنال را تفسیر و بررسی کنند ، و این با درک محدود اما صحیح از متغیرها و طرح های مطالعه متداول افزایش می یابد. [14]

مداخلات تیمی پرستاری ، سلامت متفقین و مداخلات بین حرفه ای

تمام اعضای تیم مراقبت های بهداشتی بین حرفه ای باید با طراحی مطالعه و متغیرهای مورد استفاده در مطالعات برای ارزیابی دقیق داده ها و مطالعات جدید به عنوان منتشر شده آشنا باشند و آخرین داده ها را برای مراقبت از بیمار اعمال کنند و نتایج بهینه را هدایت کنند.