Medikal, diğer adıyla tıp ya da biyoistatistik alanında bir istatistik danışmanı veya araştırmacı olarak, medikal istatistik konusunda güçlü bir bilgi birikimine sahip olmak son derece önemlidir.
Medikal verilerin analizi hem istatistiksel yöntemlerin teorik temellerini hem de bu yöntemlerin pratik uygulamasını içerir.
Özellikle hemşirelik, ebelik ve tıp alanında faaliyet gösteren öğrenci, bağımsız araştırmacı ve akademisyenler için medikal istatistik uygulamalarına yoğun olarak başvurmaktadır.
Bu yazımızda, medikal istatistikteki bazı temel kavramları ve teknikleri inceleyeceğiz ve istatistiksel danışmanlık desteği isteyenler için bazı ipuçları vereceğiz.
Medikal İstatistik Nedir?
Medikal istatistik, sağlık sektöründe toplanan verilerin analizi ile ilgilenen bir istatistik dalıdır. Medikal araştırmaların tasarımı ve değerlendirilmesinin yanı sıra klinik uygulama kılavuzlarının geliştirilmesinde ve tedavilerin etkinliğinin değerlendirilmesinde hayati bir rol oynar.
Medikal istatistik; tanımlayıcı istatistikler, olasılık teorisi, istatistiksel çıkarım ve regresyon analizi dâhil olmak üzere çok çeşitli istatistiksel teknikleri kapsar.
Bu teknikler; değişkenler arasındaki ilişkileri anlamak ve verilere dayalı olarak bilinçli kararlar vermek amacıyla klinik araştırmalardan, gözlemsel çalışmalardan ve diğer tıbbi araştırma türlerinden elde edilen verileri analiz etmek için kullanılır.
Medikal İstatistikte Temel Kavramlar
Medikal istatistik alanında istatistik danışmanları ve araştırmacıların anlaması gereken birkaç anahtar kavram vardır. Bunlar şunları içerir:
Örneklem büyüklüğü: Bir çalışmaya dâhil edilen gözlemlerin veya bireylerin sayısına örneklem büyüklüğü denir.
Örneklemin yeterli güce sahip olmasını sağlamak; uygun örneklem büyüklüğünün belirlenmesi, çalışmanın değişkenler arasındaki anlamlı farklılıklarını veya ilişkilerini saptamak için önemlidir.
Güven aralıkları: Popülasyon parametresinin muhtemelen içinde bulunduğu bir değer aralığını örnek verilere dayalı olarak sağlayan sistemdir.
Örneğin, n adet gözlemden oluşan bir örneklem düşünelim. Bu örneklemden her defasında seçtiğimiz gözlemi yerine iade ederek yine n gözlemden oluşan 100 adet örneklem oluşturalım.
Elde ettiğimiz 100 örneklemin her birinin genel ortalamasını alalım.
Bu örnekleme ait popülasyonun ortalaması için %95’lik bir güven aralığı demek, gerçek ortalamanın, 100 örneklemden 95’inde bu aralığa düşeceği anlamına gelmektedir.
P-değerleri: Araştırmacı istatistik testi yapabilmesi için belirli bir düzeyde hata yapma riskini de üzerine alması gerekir, aksi halde test yapamaz. Bu hatanın yapılması olasılığı da alfa (α) değeri ile gösterilir.
Bu olasılık “testin önem düzeyi” veya “anlamlılık düzeyi” olarak da adlandırılır ve genellikle 0.05 veya 0.01 gibi küçük değerler olarak alınır.
Anlamlılık düzeyine bağlı olarak kritik değerin belirlenmesinin ardından, hipotezi kabul ya ret kararı verebilmek için test istatistiğine ihtiyaç vardır.
Test istatistiğinden yola çıkarak dağılım tablolarından (Normal, Ki-kare, T vb. dağılımlar) elde edilen olasılık değeri bizi p değerine götürecektir.
İstatistik paket programlarında hipotezleri kabul ya da ret kararı verebilmek için genellikle p olasılığı kullanılır. Sonuçta α değerinden küçük bir p-değeri genellikle istatistiksel olarak anlamlı kabul edilir.
Testin gücü: İstatistiksel hipoteziniz gerçekte yanlış iken istatistiksel test sonucunda ya ret ya da kabul kararı verebilirsiniz.
Gerçekte yanlış olan bir istatistiksel hipotezi ret ederek doğru bir karar vermiş olursunuz. Böyle bir durum yüksek test gücüne sahip bir çalışma ile elde edilir ve gerçek bir farkı saptayabilirsiniz.
Eğer gerçekte yanlış olan istatistiksel bir hipotezi kabul ederseniz de yanlış bir karar vermiş olursunuz. Bu durum Tip II hatasına sebep olur ki testinizin gücünün düşük olduğu anlamına gelir ve gerçek farkı saptayamayabilirsiniz.
Medikal İstatistiklerde Yaygın Kullanılan Teknikler
Medikal verilerin analizinde yaygın olarak kullanılan birçok istatistiksel teknik vardır. En yaygın tekniklerden bazıları şunlardır:
Tanımlayıcı istatistikler: Bir veri setinin özelliklerini özetlemek ve açıklamak için kullanılır. Merkezi eğilim (ortalama, mod ,medyan vb. ) ve yayılım ölçüleri (varyans, standart hata, ranj vb.) olmak üzere iki gruba ayrılır.
Olasılık teorisi: Bir olayın meydana gelme olasılığını hesaplamak için kullanılır. Oldukça yaygın kullanım alanına sahip olmakla beraber klinik araştırmaların tasarımında: genellikle iki grup arasındaki farkı tespit etmek için gereken örneklem büyüklüğünü hesaplamak için kullanılır.
Çıkarımsal istatistik: Bir veri örneğine dayalı olarak popülasyon hakkında sonuçlar çıkarmayı içerir. Yaygın teknikler arasında hipotez testi ve güven aralıkları bulunur.
Regresyon analizi: Regresyon analizi, iki veya daha fazla değişken arasındaki ilişkiyi incelemek için kullanılır. Bağımsız değişkenlerin değerlerine dayalı olarak bağımlı değişkenin değerini tahmin etmek için kullanılabilir. Ayrıca belirli hastalıklar için risk faktörlerini belirlemede veya bir tedavinin sonucunu tahmin etmede faydalı olabilir.
Medikal İstatistikte Danışmanlık Desteği İçin İpuçları
Medikal araştırmanız için istatistiksel danışmanlık desteği arıyorsanız, aklınızda bulundurmanız gereken birkaç ipucu:
Araştırma sorunuzu ve hedeflerinizi net bir şekilde tanımlayın. Herhangi bir istatistiksel analize başlamadan önce, araştırma sorunuzu ve hedeflerinizi açıkça tanımlamanız önemlidir. Bu, uygun istatistiksel tekniklerin kullanıldığından ve analizin spesifik araştırma sorunuzu cevaplamaya odaklandığından emin olmanıza yardımcı olacaktır.
Uygun istatistiksel testi seçin. Medikal verileri analiz etmek için kullanılabilecek birçok farklı istatistiksel test vardır ve doğru olanı seçmek önemlidir. Çalıştığınız veri türünü (sürekli, kategorik, sıralı vb.), karşılaştırdığınız grupların sayısını ve değişkenler arasında bir korelasyona mı yoksa ilişkiye mi baktığınızı göz önünde bulundurmanız önemlidir.
Verilerinizin kalitesinden emin olun. Verilerinizin kalitesi, istatistiksel analizinizin doğruluğu için çok önemlidir. Hataları veya eksik değerleri dikkatli bir şekilde kontrol etmeniz ve sonuçlarınızı etkileyebilecek potansiyel yanlılıkları göz önünde bulundurmanız önemlidir.
Sonuçları dikkatli bir şekilde yorumlayın. İstatistiksel analizinizin sonuçlarını dikkatli bir şekilde yorumlamanız ve sonuçlarınızı etkilemiş olabilecek potansiyel sınırlamaları, ana faktörleri ve etkileşimleri (interaksiyon) göz önünde bulundurmanız önemlidir. Sonuçlarınızın alandaki önceki araştırmalarla nasıl karşılaştırıldığını göz önünde bulundurmak ve bulgularınızın sonuçları hakkında eleştirel düşünmek de önemlidir.
Sonuç
Medikal istatistikler, tıbbi araştırmaların tasarımında ve değerlendirilmesinde ve klinik uygulama kılavuzlarının geliştirilmesinde çok önemli bir rol oynar. İstatistik danışmanları ve araştırmacılar, tıbbi istatistiklerdeki temel kavramları ve teknikleri anlayarak, medikal verileri etkili bir şekilde analiz edebilir ve sonuçlara göre bilinçli kararlar verebilir.
Yukarıda özetlenen ipuçlarını takip ederek, tıbbi araştırma projeleriniz için İSTMER ekibi olarak istatistiksel danışmanlık desteği sağlayacak donanıma sahip olduğumuzdan emin olabilirsiniz.