Post-hoc de la potencia de cálculo del tamaño de la

Question

Yo, probablemente, un problema sencillo.

He terminado de analizar los resultados de una observación prospectivo estudio realizado en nuestra unidad. En este estudio se evaluó si un determinado biomarcador asociado de forma independiente con la mortalidad. Además, Yo han tratado de comprobar si un nuevo punto de corte para este biomarcador podría realizar mejor que una ya, digamos, "literatura validado" cut-off en un Cox ajustado análisis de supervivencia.

Mi problema es que yo tenía sólo 39 incidente resultados y el número de el a priori variables seleccionadas para el ajuste en el análisis de Cox es 7. Para evitar el problema de sobreajuste, debido al bajo número de incidente los resultados, he realizado arranque de validación, con el fin de determinar los intervalos de confianza para la estimación de ß en el análisis de Cox.

Sin embargo, una de las personas que está revisando mi análisis me dice que también debe realizar un post-hoc de análisis del poder para el presente estudio, teniendo en cuenta la poca diferencia entre los dos cortes (el previamente corte es de 15, y mi corte es de 17.4). He leído acerca de el hecho, y probablemente tendrá que confirmar, que la realización de un post-hoc el análisis del poder no se considera correcta, pero tengo que hacerlo. Es correcto el uso de esta fórmula?

Pero entonces, ¿cómo puedo saber si mi estudio fue alimentado suficiente para detectar un la diferencia entre los dos cut-offs?

Answer 1

En primer lugar, como Russ Lenth :

Que tienes los datos, se hizo el análisis, y no a lograr la "significación". Para calcular la potencia de forma retrospectiva para ver si la prueba fue lo suficientemente potente o no. Este es un vacío que se trate. Por supuesto que no era lo suficientemente potente como -- por eso el resultado no es significativo. El cálculo de la potencia son útiles para el diseño, no en el análisis.

Tampoco se encontró una diferencia significativa o no. (No nos dices en tu pregunta.)

Por lo que el revisor que requiere este análisis post-hoc, evidentemente, no es un experto en el diseño y análisis estadístico de los estudios de biomarcadores. Si esta persona está en su propia institución o es un revisor de la evaluación de su manuscrito para su publicación, conseguir un poco de ayuda local a partir de un estadístico para abordar este problema.

Segundo, buscando los puntos de corte en biomarcadores de valores (o en cualquier variable continua) normalmente no es una buena idea. Incluso si la toma de decisiones clínicas terminan siendo sí/no, un biomarcador valor es sólo una parte de los clínicos proceso de toma de decisiones. Si este es un análisis cuantitativo de biomarcadores, su valor, presumiblemente, tiene algunos continua (no necesariamente lineal) con relación a los resultados y es mucho más importante para identificar esa relación, para incorporar otras variables clínicas para la toma de decisiones (por ejemplo, en un nomograma), que establece un arbitrario de corte.

En tercer lugar, con sólo 39 eventos que tienen dificultades para evaluar incluso 3 o 4 variables relacionadas con el resultado. Habitual de las reglas de oro son de 10 a 20 eventos por variable. Con sólo 39 de los eventos en su estudio prospectivo y observacional, suena como todo el estudio fue impulsado por 7 variables predictoras, no sólo de su intento de distinguir de un corte de 17.4 a partir de uno de los 15.

En cuarto lugar, aunque el intento de minimizar la sobre-ajuste por bootstrap es un buen comienzo, no está claro que el que hizo el arranque de una manera que pueda lograr sus metas. La implicación de la pregunta es que se encuentra a 17.4 a ser un mejor corte de 15 con base en el análisis de los datos recopilados, en lugar de en algunas bases teóricas, y luego hizo bootstrap comparaciones basadas en el 15 frente a 17.4 puntos de corte. No creo que sea la manera correcta de proceder, incluso si obtener un mejor corte es una meta que vale la pena. Arranque debe abarcar todo el proceso, que en su caso se incluye el proceso para la elección de la "mejor" de corte.

Finalmente, la fórmula particular que mencionas parece ser para los estudios de incidencia, en lugar de los estudios de supervivencia, en la que el tiempo-para-evento es importante. Para los propósitos de estudio de diseño en lugar de para el análisis post-hoc, considere la posibilidad de una herramienta en línea para el simple poder de las evaluaciones, o aprender las herramientas que brinda un entorno de computación como R.