Come analizzare i dati (principali test statistici impiegati) Giacomo Novara Clinica urologica, università di Padova giacomonovara@gmail.com 1
Come analizzare i dati Statistiche descrittive Analisi univariata Analisi multivariata
Statistiche descrittive L’obiettivo è di descrivere le caratteristiche della nostra popolazione Natura delle varibili Continue Categoriche o discrete
Variabili continue e categoriche Variabili continue: possono assumere tutti i valori di un intervallo (età, peso, altezza, PSA, volume prostatico) Variabili categoriche o discrete: assumono un numero finito di valori (sesso, stadio clinico della neoplasia, Gleason score)
Variabili continue normali e non-normali Rappresentazione grafica di una distribuzione normale
Variabili continue normali e non-normali
Variabili continue normali e non-normali
Variabili continue normali e non-normali
Variabili continue normali e non-normali
Variabili continue normali e non-normali
Variabili continue normali e non-normali
Variabili continue normali e non-normali Variabili continue normali: media ± deviazione standard Variabili continue non-normali: mediana e range interquartile
Misure di tendenza centrale
Misure di tendenza centrale
Misure di tendenza centrale
Misure di tendenza centrale
Variabili continue e categoriche Variabili continue: possono assumere tutti i valori di un intervallo (età, peso, altezza, PSA, volume prostatico) Variabili categoriche o discrete: assumono un numero finito di valori (sesso, stadio clinico della neoplasia, Gleason score)
Variabili categoriche
Variabili categoriche
Variabili categoriche
Come analizzare i dati Statistiche descrittive Analisi univariata Analisi multivariata
Analisi univariata E’ l'esame di ogni variabile considerata singolarmente Consiste nell'organizzare i dati secondo le frequenze di distribuzione di ognuna delle variabili considerate nel corso della rilevazione
Comparazione di variabili continue normali in due o più gruppi T test
Comparazione di variabili continue non-normali Due campioni indipendenti: Mann Whitney U test (comparazione del PSA nei pazienti con biopsia prostatica positiva e negativa) Tre o più campioni indipendenti: Kruskal-Wallis test (comparazione del PSA nei pazienti con biopsia prostatica positiva, negativa e ASAP)
Comparazione di variabili continue non-normali Due campioni dipendenti: Wilcoxon test (PSA al T0 ed al T1 nella stessa popolazione in due momenti diversi) Tre o più campioni dipendenti Friedman test (PSA al T0, T1 e T2 nella stessa popolazione in tre momenti diversi)
Comparazione di variabili categoriche in due o più gruppi Pearson’s chi-square
Comparazione di variabili categoriche in due o più gruppi
Comparazione di variabili categoriche in due o più gruppi
Comparazione di variabili categoriche in due o più gruppi
Analisi univariata per variabili tempo-dipendenti
Analisi univariata per variabili tempo-dipendenti
Analisi univariata per variabili tempo-dipendenti
Analisi univariata per variabili tempo-dipendenti
Analisi univariata per variabili tempo-dipendenti
Analisi univariata per variabili tempo-dipendenti
Analisi univariata Stabilire l’esistenza di una covariazione tra due variabili non equivale a provare che esiste un rapporto di causa-effetto diretta tra la variabile indipendente e la variabile dipendente
Come analizzare i dati Statistiche descrittive Analisi univariata Analisi multivariata
Analisi multivariata L’insieme dei metodi statistici e delle tecniche usati nello studio della variazione simultanea di due o più variabili casuali
Analisi multivariata Varibili non tempo-dipendenti: regression model Variabili tempo-dipendenti: Cox proportional hazard model
Analisi multivariata
Analisi multivariata
Analisi multivariata
Analisi multivariata Il numero di variabili da inserire dipende dal numero di eventi Inserire solo variabili continue normali (o normalizzate) Non inserire variabili altamente correlate Esprimere i dati con odds ratio (hazard ratio per variabili tempo-dipendenti), 95% confidence interval and p value