Interimanalyse: Difference between revisions

From Wikistatistiek
Jump to navigation Jump to search
No edit summary
No edit summary
 
Line 1: Line 1:
{{auteurs|
{{auteurs|
|mainauthor= [[user:Nan van Geloven|ir. N van Geloven]]
|mainauthor= [[user:Nan van Geloven|dr. ir. N van Geloven]]
|coauthor=
|coauthor=
}}
}}
Line 20: Line 20:


== Referenties ==
== Referenties ==
 
{{onderschrift}}
<div style="background-color:#e8f1ff; margin:0.5em; padding:1em; border:1px solid #C8D0DC;">
Terug naar [[OVERZICHT]] voor een overzicht van alle statistische onderwerpen op deze wiki.
 
Terug naar [[KEUZE TOETS]] voor hulp bij het uitzoeken van een geschikte toets of analyse.
<div>

Latest revision as of 13:43, 31 March 2014

Auteur dr. ir. N van Geloven
Co-Auteur
auteurschap op deze site

Een interimanalyse is een tussentijdse analyse van de studie data.



Wat zijn de bezwaren tegen het tussentijds rapporteren van resultaten?

Volgende week is een deadline voor een congres. We overwegen in een abstract de resultaten tot nu toe (26 van de 58 nodige patienten gerandomiseerd) te submitten. Volgens mij kan ik echter niet zomaar een interimanalyse doen, omdat: 1. Ik hier geen rekening mee heb gehouden bij mijn initiele poweranalyse (en ik bij een interim analyse power verlies) 2. Het resultaat een mogelijke bias kan introduceren in het verdere verloop van de studie. Kloppen mijn overwegingen?

Je overwegingen kloppen: Het probleem van het verliezen van power bij een interimanalyse zit 'm erin dat je dan op twee momenten (tijdens interim en tijdens eindanalyse) een "false positive" kans van 0.05 accepteert. Samen telt dit op tot een grotere kans om de nulhypothese onterecht te verwerpen. Een verantwoorde manier om toch een interimanalyse te kunnen doen zou in het geval van een positieve uitkomst gaan richting het kleiner maken van de p-waarde. In het geval van een negatieve uitkomst is de afweging gecompliceerder. Je houdt het probleem dat je studie niet gepowered is op dit aantal personen. Je bias overweging klopt ook. Stel er wordt nu naar buiten gebracht dat de ene behandeling beter werkt dan de ander, dan kan dat via allerlei biasmechanismes de volgende inclusies beinvloeden (self-fulfilling prophecy, niet volledige inzet) etc.

Referenties

Klaar met lezen? Je kunt naar het OVERZICHT van alle statistische onderwerpen op deze wiki gaan of naar de pagina KEUZE TOETS voor hulp bij het uitzoeken van een geschikte toets of analyse. Wil je meer leren over biostatistiek? Volg dan de AMC e-learning Practical Biostatistics. Vind je op deze pagina's iets dat niet klopt? Werkt een link niet? Of wil je bijdragen aan de wiki? Neem dan contact met ons op.

De wiki biostatistiek is een initiatief van de voormalige helpdesk statistiek van Amsterdam UMC, locatie AMC. Medewerkers van Amsterdam UMC kunnen via intranet ondersteuning aanvragen.