Poweranalyse - Revision history

M Wolvers: /* Welke informatie heb ik nodig voor een poweranalyse als ik een multivariabele lineaire regressie ga doen? */

2024-06-27T15:19:27Z

Welke informatie heb ik nodig voor een poweranalyse als ik een multivariabele lineaire regressie ga doen?

← Older revision		Revision as of 17:19, 27 June 2024
Line 181:		Line 181:

	Indien er pilot data aanwezig is, dan kan er nog preciezer een schatting gemaakt worden van de gevraagde kans (P1 = P(X<Y)), er kan dan namelijk gewoon geteld worden bij hoeveel van de observatieparen (meting 1 groep 1 vs meting 1 groep 2, meting 1 groep 1 vs meting 2 groep 2 etc) de meting in groep 1 kleiner was dan die in groep 2. Dit aantal gedeeld door het totaal aantal paren geeft dan de gevraagde kans.		Indien er pilot data aanwezig is, dan kan er nog preciezer een schatting gemaakt worden van de gevraagde kans (P1 = P(X<Y)), er kan dan namelijk gewoon geteld worden bij hoeveel van de observatieparen (meting 1 groep 1 vs meting 1 groep 2, meting 1 groep 1 vs meting 2 groep 2 etc) de meting in groep 1 kleiner was dan die in groep 2. Dit aantal gedeeld door het totaal aantal paren geeft dan de gevraagde kans.

	~~===Welke informatie heb ik nodig voor een poweranalyse als ik een multivariabele lineaire regressie ga doen?===~~
	Een vuistregel voor sample size van een [[multivariabele regressie\|multivariabele lineaire regressie]] analyse is dat per predictor (onafhankelijke variabele in het model) je minstens 10-20 patienten in je studie moet hebben. [[statistische software#nQuery Advisor\|nQuery]] kan de sample size berekenen voor een multivariabel regressie model met meerdere continue predictoren. nQuery test R2=0 (geen verklaarde variantie in het model) voor normaal verdeelde covariaten. Kies in nQuery onder 'study goal and design' voor 'regression', 'one group' en voor 'test' en bij type test voor 'linear regression, multiple covariates'. Vervolgens geef je de volgende waarden op: test significance level (0,05); number of variables k = aantal predictors in je model; squared multiple correlation R2, wat is de verwachte verklaarde variantie ; en de power (meestal 80%). Met deze waarden kan een sample size worden berekend.

	===Is een poweranalyse zinvol bij een tevredenheidsenquete?===		===Is een poweranalyse zinvol bij een tevredenheidsenquete?===

M Wolvers: /* Waar vind ik de benodigde informatie voor een power analyse? */

2024-06-27T13:21:17Z

Waar vind ik de benodigde informatie voor een power analyse?

← Older revision		Revision as of 15:21, 27 June 2024
Line 71:		Line 71:
	*Lost to follow up. Maak een inschatting hoeveel proefpersonen verloren zullen gaan voor de analyse zodat je hiervoor kunt corrigeren in de sample size-berekening.		*Lost to follow up. Maak een inschatting hoeveel proefpersonen verloren zullen gaan voor de analyse zodat je hiervoor kunt corrigeren in de sample size-berekening.

	==Waar vind ik de benodigde informatie voor een ~~power analyse~~?==		==Waar vind ik de benodigde informatie voor een poweranalyse?==

	*De gewenste power van de studie (1-β)		*De gewenste power van de studie (1-β)

M Wolvers: /* Welke informatie heb ik nodig voor een power-analyse? */

2024-06-24T12:19:38Z

Welke informatie heb ik nodig voor een power-analyse?

← Older revision		Revision as of 14:19, 24 June 2024
Line 60:		Line 60:
	\|}		\|}

	==Welke informatie heb ik nodig voor een ~~power-analyse~~?==		==Welke informatie heb ik nodig voor een poweranalyse?==
	Een sample size-berekening is gebaseerd op (beredeneerde) aannames. Je hebt informatie nodig over de volgende onderwerpen ([[Poweranalyse#Waar vind ik de benodigde informatie voor een power analyse? \|meer uitleg per onderwerp]]):		Een sample size-berekening is gebaseerd op (beredeneerde) aannames. Je hebt informatie nodig over de volgende onderwerpen ([[Poweranalyse#Waar vind ik de benodigde informatie voor een power analyse? \|meer uitleg per onderwerp]]):

M Wolvers: /* Welke software is beschikbaar voor een poweranalyse? */

2024-06-11T07:49:06Z

Welke software is beschikbaar voor een poweranalyse?

← Older revision		Revision as of 09:49, 11 June 2024
Line 14:		Line 14:
	==Welke software is beschikbaar voor een poweranalyse?==		==Welke software is beschikbaar voor een poweranalyse?==

	nQuery is een gevalideerd en gebruikersvriendelijk programma waarmee je voor diverse onderzoeksdesigns en datatypen de groepsgrootte en statistische power kunt berekenen. ~~nQuery~~ [[statistische software#nQuery Advisor\|nQuery Advisor]] is in Amsterdam UMC via de OneView Softwarewinkel beschikbaar. Voor meer geavanceerde onderzoeksdesigns hebben een beperkte aantal medewerkers een licentie voor het programma PASS 15.		nQuery is een gevalideerd en gebruikersvriendelijk programma waarmee je voor diverse onderzoeksdesigns en datatypen de groepsgrootte en statistische power kunt berekenen. [[statistische software#nQuery Advisor\|nQuery Advisor]] is in Amsterdam UMC via de OneView Softwarewinkel beschikbaar. Voor meer geavanceerde onderzoeksdesigns hebben een beperkte aantal medewerkers een licentie voor het programma PASS 15.

	Andere programma's die powerberekeningen aanbieden zijn bijvoorbeeld [[statistische software#R\|R]], [[statistische software#SAS\|SAS]] of [[statistische software#Stata\|Stata]]. Ook [[statistische software#SPSS\|SPSS]] biedt tegenwoordig een aantal modules daarvoor aan. Op het internet zijn bovendien meerdere gratis programma's beschikbaar, deze zijn echter niet altijd betrouwbaar.		Andere programma's die powerberekeningen aanbieden zijn bijvoorbeeld [[statistische software#R\|R]], [[statistische software#SAS\|SAS]] of [[statistische software#Stata\|Stata]]. Ook [[statistische software#SPSS\|SPSS]] biedt tegenwoordig een aantal modules daarvoor aan. Op het internet zijn bovendien meerdere gratis programma's beschikbaar, deze zijn echter niet altijd betrouwbaar.

M Wolvers: /* Hoe wordt een groepsgrootteberekening aangepast bij een ‘clustered’ trial? */

2024-05-30T14:06:48Z

Hoe wordt een groepsgrootteberekening aangepast bij een ‘clustered’ trial?

← Older revision		Revision as of 16:06, 30 May 2024
Line 166:		Line 166:
	:Na interventie (placebo/experiment) wil men bij patiënten een gemiddelde afname van 0,1 mmol/L cholesterol met een power van 90% en een significantie van 5% aantonen. De interventie wordt gerandomiseerd over huisartspraktijken. Bij 10 patiënten per praktijk zijn 558 praktijken nodig (4% meer patiënten dan in een trial waarbij per patiënt gerandomiseerd wordt). Bij 50 patiënten per praktijk heb ik 126 praktijken nodig (17% meer patiënten dan een gewone trial). Bij 500 patiënten per praktijk ben ik met 32 clusters klaar, maar ik heb bijna 3 keer zoveel patiënten nodig als in een gewone gerandomiseerde trial. De extra patiënten t.g.v. het clustereffect noemt men het designeffect of de inflatiefactor.		:Na interventie (placebo/experiment) wil men bij patiënten een gemiddelde afname van 0,1 mmol/L cholesterol met een power van 90% en een significantie van 5% aantonen. De interventie wordt gerandomiseerd over huisartspraktijken. Bij 10 patiënten per praktijk zijn 558 praktijken nodig (4% meer patiënten dan in een trial waarbij per patiënt gerandomiseerd wordt). Bij 50 patiënten per praktijk heb ik 126 praktijken nodig (17% meer patiënten dan een gewone trial). Bij 500 patiënten per praktijk ben ik met 32 clusters klaar, maar ik heb bijna 3 keer zoveel patiënten nodig als in een gewone gerandomiseerde trial. De extra patiënten t.g.v. het clustereffect noemt men het designeffect of de inflatiefactor.

	Je hebt voor de berekening van de sample size bij een cluster-gerandomiseerde trial de volgende gegevens nodig: significantieniveau; power; standaarddeviatie; klinisch relevant verschil; het aantal patiënten per cluster (k); correlatie tussen patiënten in hetzelfde cluster <math>\rho</math> (gebruikelijk is <math>\rho > 0,05</math>). Bij de berekening van steekproefgrootte bij cluster-gerandomiseerde trials wordt vaak aangeraden een zogenaamde inflatiefactor van <math>1+(n-1)\rho</math> te gebruiken met n = de gemiddelde clustergrootte en <math>\rho</math> de [[intraclass ~~correlatiecoefficient~~]]. Er is een stap voor stap uitleg hierover verschenen <cite> [mccarthy2007]</cite>.		Je hebt voor de berekening van de sample size bij een cluster-gerandomiseerde trial de volgende gegevens nodig: significantieniveau; power; standaarddeviatie; klinisch relevant verschil; het aantal patiënten per cluster (k); correlatie tussen patiënten in hetzelfde cluster <math>\rho</math> (gebruikelijk is <math>\rho > 0,05</math>). Bij de berekening van steekproefgrootte bij cluster-gerandomiseerde trials wordt vaak aangeraden een zogenaamde inflatiefactor van <math>1+(n-1)\rho</math> te gebruiken met n = de gemiddelde clustergrootte en <math>\rho</math> de [[intraclass correlatie coefficient \| intraclass correlatiecoëfficiënt]]. Er is een stap voor stap uitleg hierover verschenen <cite> [mccarthy2007]</cite>.

	===Hoe kan ik een sample size berekening doen in een hiërarchisch design?===		===Hoe kan ik een sample size berekening doen in een hiërarchisch design?===

M Wolvers at 13:24, 27 May 2024

2024-05-27T13:24:41Z

M Wolvers: /* Welke informatie heb ik nodig voor een power analyse? */

2024-05-27T13:20:15Z

Welke informatie heb ik nodig voor een power analyse?

← Older revision		Revision as of 15:20, 27 May 2024
Line 60:		Line 60:
	\|}		\|}

	==Welke informatie heb ik nodig voor een power analyse?==		==Welke informatie heb ik nodig voor een power-analyse?==
	Een sample size berekening is gebaseerd op (beredeneerde) aannames. Je hebt informatie nodig over de volgende onderwerpen ([[Poweranalyse#Waar vind ik de benodigde informatie voor een power analyse? \|meer uitleg per onderwerp]]):		Een sample size-berekening is gebaseerd op (beredeneerde) aannames. Je hebt informatie nodig over de volgende onderwerpen ([[Poweranalyse#Waar vind ik de benodigde informatie voor een power analyse? \|meer uitleg per onderwerp]]):

	*De gewenste power van de studie (1-β). De keuze voor het power niveau bepaalt hoe zeker je kan zijn dat een type II fout vermeden wordt.<br />		*De gewenste power van de studie (1-β). De keuze voor het power-niveau bepaalt hoe zeker je kan zijn dat een type II-fout vermeden wordt.<br />
	*Het gewenste ~~significantie niveau~~ (α). Dit α niveau laat zien welke kans je accepteert om een type I fout te maken. <br />		*Het gewenste significantieniveau (α). Dit α-niveau laat zien welke kans je accepteert om een type I-fout te maken. <br />
	*Eenzijdige of tweezijdige toets. Toets je het verschil slechts een kant op, of hou je er rekening mee dat een studiearm zowel slechter als beter kan presteren dan de andere?		*Eenzijdige of tweezijdige toets. Toets je het verschil slechts een kant op, of hou je er rekening mee dat een studiearm zowel slechter als beter kan presteren dan de andere?
	*Verwacht of klinisch relevant verschil. Naar welk verschil of welk effect wordt er gezocht?		*Verwacht of klinisch relevant verschil. Naar welk verschil of welk effect wordt er gezocht?
	*Verwachte spreiding / ~~standaard deviatie~~. Hoeveel variatie verwacht je in de proefpersonen van dezelfde studiegroep?<br />		*Verwachte spreiding / standaarddeviatie. Hoeveel variatie verwacht je in de proefpersonen van dezelfde studiegroep?<br />
	*Welke statistische toets. Welke toets wordt gebruikt tijdens de analyse van de studie?<br />		*Welke statistische toets. Welke toets wordt gebruikt tijdens de analyse van de studie?<br />
	*Lost to follow up. Maak een inschatting hoeveel proefpersonen verloren zullen gaan voor de analyse zodat je hiervoor kunt corrigeren in de sample size berekening.		*Lost to follow up. Maak een inschatting hoeveel proefpersonen verloren zullen gaan voor de analyse zodat je hiervoor kunt corrigeren in de sample size-berekening.

	==Waar vind ik de benodigde informatie voor een power analyse?==		==Waar vind ik de benodigde informatie voor een power analyse?==

M Wolvers: /* Welke software is beschikbaar voor een power analyse? */

2024-04-09T12:51:07Z

Welke software is beschikbaar voor een power analyse?

← Older revision		Revision as of 14:51, 9 April 2024
Line 12:		Line 12:
	Voor de uitvoering en rapportage van (vergelijkend) onderzoek gelden regels. In het [http://www.consort-statement.org/ CONSORT statement], waarin je deze regels terug vindt, staat dat een onderzoeker voordat een studie wordt uitgevoerd een sample size moet berekenen en deze in de methode sectie van het artikel moet rapporteren. Een Randomized Controlled Trial (RCT) moet inclusief sample size berekening vooraf aan de uitvoering geregistreerd worden. Bovendien krijg je zonder een goede sample size berekening geen positieve beoordeling van de Medisch Ethische Commissie. Verder is het bij de economische onderbouwing van een subsidie aanvraag en voor de logistieke planning van een studie van belang.		Voor de uitvoering en rapportage van (vergelijkend) onderzoek gelden regels. In het [http://www.consort-statement.org/ CONSORT statement], waarin je deze regels terug vindt, staat dat een onderzoeker voordat een studie wordt uitgevoerd een sample size moet berekenen en deze in de methode sectie van het artikel moet rapporteren. Een Randomized Controlled Trial (RCT) moet inclusief sample size berekening vooraf aan de uitvoering geregistreerd worden. Bovendien krijg je zonder een goede sample size berekening geen positieve beoordeling van de Medisch Ethische Commissie. Verder is het bij de economische onderbouwing van een subsidie aanvraag en voor de logistieke planning van een studie van belang.

	==Welke software is beschikbaar voor een ~~power analyse~~?==		==Welke software is beschikbaar voor een poweranalyse?==
	Voor het berekenen van de sample size is binnen het AMC het programma [[statistische software#nQuery Advisor\|nQuery Advisor]] beschikbaar. nQuery is een gevalideerd en gebruikersvriendelijk programma waarmee je voor diverse onderzoeksdesigns en data typen de groepsgrootte en statistische power kunt berekenen. nQuery is in het AMC via de ''softwarewinkel'' in de CDW voor alle medewerkers beschikbaar. Voor meer geavanceerde onderzoeksdesigns hebben een beperkte aantal medewerkers licentie voor het programma PASS 15.

	Andere programma's die powerberekeningen aanbieden zijn bijvoorbeeld [[statistische software#R\|R]], [[statistische software#SAS\|SAS]] of [[statistische software#Stata\|Stata]]. Op het internet zijn bovendien meerdere gratis ~~power~~ programma's beschikbaar, deze zijn echter niet altijd betrouwbaar.		nQuery is een gevalideerd en gebruikersvriendelijk programma waarmee je voor diverse onderzoeksdesigns en datatypen de groepsgrootte en statistische power kunt berekenen. nQuery [[statistische software#nQuery Advisor\|nQuery Advisor]] is in Amsterdam UMC via de OneView Softwarewinkel beschikbaar. Voor meer geavanceerde onderzoeksdesigns hebben een beperkte aantal medewerkers een licentie voor het programma PASS 15.

			Andere programma's die powerberekeningen aanbieden zijn bijvoorbeeld [[statistische software#R\|R]], [[statistische software#SAS\|SAS]] of [[statistische software#Stata\|Stata]]. Ook [[statistische software#SPSS\|SPSS]] biedt tegenwoordig een aantal modules daarvoor aan. Op het internet zijn bovendien meerdere gratis programma's beschikbaar, deze zijn echter niet altijd betrouwbaar.

	==Wat is de power van een studie?==		==Wat is de power van een studie?==

M Wolvers: /* Wanneer heb ik een power analyse nodig? */

2024-04-09T12:45:07Z

Wanneer heb ik een power analyse nodig?

← Older revision		Revision as of 14:45, 9 April 2024
Line 9:		Line 9:
	Een van de meest gestelde vragen vooraf aan een studie is: hoeveel patiënten, proefpersonen of proefdieren heb ik in deze studie nodig? Een belangrijke vraag; een verkeerde steekproefgrootte kan ethische bezwaren opleveren. Een onderschatting van de steekproefgrootte kan er toe leiden dat een werkelijk effect niet door de studie gedetecteerd wordt en deelnemers dus voor niets zijn getest. De studie zal dan tot een fout-negatieve conclusie leiden. Een te grote steekproefgrootte kan ook tot bezwaren leiden. Als de interventie effectief blijkt, worden er onnodig veel deelnemers in de controlegroep behandeld. Als de interventie niet werkzaam blijkt, worden te veel deelnemers blootgesteld aan een ineffectieve interventie <cite>[jones2003 , florey1993]</cite>.		Een van de meest gestelde vragen vooraf aan een studie is: hoeveel patiënten, proefpersonen of proefdieren heb ik in deze studie nodig? Een belangrijke vraag; een verkeerde steekproefgrootte kan ethische bezwaren opleveren. Een onderschatting van de steekproefgrootte kan er toe leiden dat een werkelijk effect niet door de studie gedetecteerd wordt en deelnemers dus voor niets zijn getest. De studie zal dan tot een fout-negatieve conclusie leiden. Een te grote steekproefgrootte kan ook tot bezwaren leiden. Als de interventie effectief blijkt, worden er onnodig veel deelnemers in de controlegroep behandeld. Als de interventie niet werkzaam blijkt, worden te veel deelnemers blootgesteld aan een ineffectieve interventie <cite>[jones2003 , florey1993]</cite>.

	==Wanneer heb ik een ~~power analyse~~ nodig?==		==Wanneer heb ik een poweranalyse nodig?==
	Voor de uitvoering en rapportage van (vergelijkend) onderzoek gelden regels. In het [http://www.consort-statement.org/ CONSORT statement], waarin je deze regels terug vindt, staat dat een onderzoeker voordat een studie wordt uitgevoerd een sample size moet berekenen en deze in de methode sectie van het artikel moet rapporteren. Een Randomized Controlled Trial (RCT) moet inclusief sample size berekening vooraf aan de uitvoering geregistreerd worden. Bovendien krijg je zonder een goede sample size berekening geen positieve beoordeling van de Medisch Ethische Commissie. Verder is het bij de economische onderbouwing van een subsidie aanvraag en voor de logistieke planning van een studie van belang.		Voor de uitvoering en rapportage van (vergelijkend) onderzoek gelden regels. In het [http://www.consort-statement.org/ CONSORT statement], waarin je deze regels terug vindt, staat dat een onderzoeker voordat een studie wordt uitgevoerd een sample size moet berekenen en deze in de methode sectie van het artikel moet rapporteren. Een Randomized Controlled Trial (RCT) moet inclusief sample size berekening vooraf aan de uitvoering geregistreerd worden. Bovendien krijg je zonder een goede sample size berekening geen positieve beoordeling van de Medisch Ethische Commissie. Verder is het bij de economische onderbouwing van een subsidie aanvraag en voor de logistieke planning van een studie van belang.

M Wolvers: /* Hoeveel patiënten heb ik nodig om een predictiemodel te bouwen? */

2023-01-10T13:36:32Z

Hoeveel patiënten heb ik nodig om een predictiemodel te bouwen?

← Older revision		Revision as of 15:36, 10 January 2023
Line 263:		Line 263:

	''Ik wil een predictiemodel voor een continue uitkomst bouwen. Van hoeveel patiënten heb ik data nodig?''		''Ik wil een predictiemodel voor een continue uitkomst bouwen. Van hoeveel patiënten heb ik data nodig?''

	Het antwoord hierop is vrij complex, er zijn wel een aantal artikelen die handvatten rondom het aantal benodigde patiënten kunnen geven <cite>[knofczynski2007 , brooks2012]</cite>.		Het antwoord hierop is vrij complex, er zijn wel een aantal artikelen die handvatten rondom het aantal benodigde patiënten kunnen geven <cite>[knofczynski2007 , brooks2012]</cite>.

← Older revision		Revision as of 15:24, 27 May 2024
Line 4:		Line 4:
	}}		}}

	Een ~~power analyse~~ berekent het benodigd aantal proefpersonen (sample size) van een studie om een vooraf gedefinieerd minimaal klinisch relevant verschil met een bepaalde kans (power) waar te nemen.		Een poweranalyse berekent het benodigd aantal proefpersonen (sample size) van een studie om een vooraf gedefinieerd minimaal klinisch relevant verschil met een bepaalde kans (power) waar te nemen.

	==Waarom doe ik een poweranalyse of steekproefgrootteberekening?==		==Waarom doe ik een poweranalyse of steekproefgrootteberekening?==
Line 91:		Line 91:
	Het is verstandig beide aspecten in het oog te houden: het gekozen effect moet zowel relevant zijn (dus niet te klein, het moet wel uitmaken) alsook realistisch (dus niet te optimistisch groot ingeschat).		Het is verstandig beide aspecten in het oog te houden: het gekozen effect moet zowel relevant zijn (dus niet te klein, het moet wel uitmaken) alsook realistisch (dus niet te optimistisch groot ingeschat).

	*Verwachte spreiding / ~~standaard deviatie~~		*Verwachte spreiding / standaarddeviatie
	De inschatting van de spreiding wordt gebaseerd op eerdere bevindingen (literatuur of pilot study). Wanneer er geen directe schatting van de ~~standaard deviatie~~ aanwezig is, kan er met [[statistische software#nQuery Advisor\|nQuery]] een schatting gemaakt worden op basis van wel bekende gegevens.		De inschatting van de spreiding wordt gebaseerd op eerdere bevindingen (literatuur of pilot study). Wanneer er geen directe schatting van de standaarddeviatie aanwezig is, kan er met [[statistische software#nQuery Advisor\|nQuery]] een schatting gemaakt worden op basis van wel bekende gegevens.
	Als een waarneming gepaard gaat met veel variatie wordt het moeilijker om een verschil tussen groepen aan te tonen. Je hebt dan dus meer proefpersonen nodig om een verschil te vinden. Dit wordt wel vergeleken met de ruis die je op de radio hoort, hoe meer ruis (variatie) hoe moeilijker het wordt om het echte signaal (effect) te horen.		Als een waarneming gepaard gaat met veel variatie wordt het moeilijker om een verschil tussen groepen aan te tonen. Je hebt dan dus meer proefpersonen nodig om een verschil te vinden. Dit wordt wel vergeleken met de ruis die je op de radio hoort, hoe meer ruis (variatie) hoe moeilijker het wordt om het echte signaal (effect) te horen.

Line 178:		Line 178:

	===Welke informatie heb ik nodig voor een poweranalyse als ik een niet-parametrische test gebruik?===		===Welke informatie heb ik nodig voor een poweranalyse als ik een niet-parametrische test gebruik?===
	Voor een steekproefgrootte berekening gebaseerd op een non-parametrische toets, bijvoorbeeld de [[Mann-Whitney U toets]] kan via een omweg toch gebruik gemaakt worden van de gemiddelde en ~~standaard deviatie~~ van beide groepen om de power of steekproefgrootte te bepalen. Tijdens een berekening in [[statistische software#nQuery Advisor\|nQuery]] wordt de kans gevraagd dat een observatie in groep 1 kleiner is dan in groep 2 (P1 = P(X<Y)) als de alternatieve hypothese waar is. Dit kun je inschatten met behulp van het tabblad 'assistants' en vervolgens te kiezen voor de optie 'calculate effect size'. Hierin wordt gevraagd naar de gemiddelde en ~~standaard deviatie~~ van beide groepen. De door de assistant berekende effect size voer je vervolgens in het vorige scherm in. De rest van de berekening wijst zichzelf.		Voor een steekproefgrootte berekening gebaseerd op een non-parametrische toets, bijvoorbeeld de [[Mann-Whitney U toets]] kan via een omweg toch gebruik gemaakt worden van de gemiddelde en standaarddeviatie van beide groepen om de power of steekproefgrootte te bepalen. Tijdens een berekening in [[statistische software#nQuery Advisor\|nQuery]] wordt de kans gevraagd dat een observatie in groep 1 kleiner is dan in groep 2 (P1 = P(X<Y)) als de alternatieve hypothese waar is. Dit kun je inschatten met behulp van het tabblad 'assistants' en vervolgens te kiezen voor de optie 'calculate effect size'. Hierin wordt gevraagd naar de gemiddelde en standaarddeviatie van beide groepen. De door de assistant berekende effect size voer je vervolgens in het vorige scherm in. De rest van de berekening wijst zichzelf.

	Indien er pilot data aanwezig is, dan kan er nog preciezer een schatting gemaakt worden van de gevraagde kans (P1 = P(X<Y)), er kan dan namelijk gewoon geteld worden bij hoeveel van de observatieparen (meting 1 groep 1 vs meting 1 groep 2, meting 1 groep 1 vs meting 2 groep 2 etc) de meting in groep 1 kleiner was dan die in groep 2. Dit aantal gedeeld door het totaal aantal paren geeft dan de gevraagde kans.		Indien er pilot data aanwezig is, dan kan er nog preciezer een schatting gemaakt worden van de gevraagde kans (P1 = P(X<Y)), er kan dan namelijk gewoon geteld worden bij hoeveel van de observatieparen (meting 1 groep 1 vs meting 1 groep 2, meting 1 groep 1 vs meting 2 groep 2 etc) de meting in groep 1 kleiner was dan die in groep 2. Dit aantal gedeeld door het totaal aantal paren geeft dan de gevraagde kans.
Line 210:		Line 210:

	===Hoeveel patiënten heb ik bij een pilot studie nodig? ===		===Hoeveel patiënten heb ik bij een pilot studie nodig? ===
	Er zijn geen duidelijke regels over hoeveel patiënten je meeneemt als je een pilot studie uitvoert. Als de doel van de pilot studie is om een schatting van de gemiddelde en ~~standaard deviatie~~ te krijgen, raden sommige statistici 12 patiënten per groep aan <cite>[julios2005]</cite>. Als je een schatting van een proportie, Pearson's correlatie coëfficiënt, Cronbach's alpha coëfficiënt of de effect size wilt maken zijn andere aantallen nodig <cite>[hertzog2008]</cite>.		Er zijn geen duidelijke regels over hoeveel patiënten je meeneemt als je een pilot studie uitvoert. Als de doel van de pilot studie is om een schatting van de gemiddelde en standaarddeviatie te krijgen, raden sommige statistici 12 patiënten per groep aan <cite>[julios2005]</cite>. Als je een schatting van een proportie, Pearson's correlatie coëfficiënt, Cronbach's alpha coëfficiënt of de effect size wilt maken zijn andere aantallen nodig <cite>[hertzog2008]</cite>.

	===Hoeveel patiënten heb ik minder nodig als ik een cross-over studie doe i.p.v. een studie met parallelle groepen?===		===Hoeveel patiënten heb ik minder nodig als ik een cross-over studie doe i.p.v. een studie met parallelle groepen?===
Line 254:		Line 254:
	</math>		</math>

	~~patienten~~ met slechte en 444 patienten met goede nier functie nodig.		patiënten met slechte en 444 patienten met goede nier functie nodig.

	Overigens zien we zelden zulke sterke associaties bij SNPs, meestal zijn de [[Associatiematen_2x2_tabel#Odds_ratio\|odds ratio's]] 1.1 of 1.2 of zoiets en dan toets je <math>p_1</math>=0.10 versus <math>p_2</math>=0.11 of 0.12 en zul je zien dat je heel erg veel patienten nodig hebt.		Overigens zien we zelden zulke sterke associaties bij SNPs, meestal zijn de [[Associatiematen_2x2_tabel#Odds_ratio\|odds ratio's]] 1.1 of 1.2 of zoiets en dan toets je <math>p_1</math>=0.10 versus <math>p_2</math>=0.11 of 0.12 en zul je zien dat je heel erg veel patienten nodig hebt.