将多个人的每个人与日志正常分布的终点的总平均值进行比较
Pei-Fu Chen1, Franklin Dexter1
1Department of Anesthesia, University of Iowa, 6 JCP, Iowa City, IA 52242, USA.
对于麻醉学中的日志正常数据,固定效应模型与邦费罗尼校正对于大样本大小是准确的. 否则,为了可靠的异常值检测,建议使用Šidák调整的通用枢纽推断.
科学领域:
- 麻醉学 麻醉学
- 统计建模 统计建模
- 医学研究 医学研究
背景情况:
- 麻醉学结果,如手术时间,通常遵循日志正常分布.
- 将这些结果与个人或机构进行比较有助于发现异常值.
- 准确的统计方法对于在医疗保健数据中可靠地检测异常值至关重要.
研究的目的:
- 评估用于比较符合逻辑正常分布的麻醉学终点的统计方法.
- 评估不同模型在检测跨组异常值时的准确性.
- 为麻醉学研究提供强有力的统计分析建议.
主要方法:
- 蒙特卡洛模拟用于评估I型错误 (错误检测).
- 评估了通用的线性模型,通用的枢纽方法和混合效应模型.
- 模型经过测试,并没有 heteroscedastic 一致的 (强大的) 标准错误和各种调整.
主要成果:
- 没有邦费罗尼校正的固定效应模型显示>10倍的错误.
- 由于非独立的比较,Šidák的调整存在轻微的不准确性.
- 强大的差异估计更准确,但需要更大的样本大小 (每人100个病例).
- 带有邦费罗尼调整的混合效应模型非常不准确;没有调整,错误是小到中等的.
- 经过Šidák调整的通用关键推断显示了非常小的错误.
结论:
- 对于较大的样本大小 (每人100个病例),建议使用邦费罗尼调整和强大的差异估计的固定效应模型.
- 对于其他场景,一般化的枢纽推理与Šidák调整是首选的方法.
- 这些发现有助于对日志-正常分布的麻醉学数据准确检测异常值.
更多相关视频
13:54A Workflow for Lipid Nanoparticle LNP Formulation Optimization using Designed Mixture-Process Experiments and Self-Validated Ensemble Models SVEM
Published on: August 18, 2023
08:04A New Approach for the Comparative Analysis of Multiprotein Complexes Based on 15N Metabolic Labeling and Quantitative Mass Spectrometry
Published on: March 13, 2014
相关概念视频
Regression Toward the Mean
Central Limit Theorem
The sample size, n, that...
Estimating Population Mean with Known Standard Deviation
The confidence interval estimate will have the form as follows:
(point estimate - error bound, point estimate +...
Comparing the Survival Analysis of Two or More Groups
The Mantel-Cox Log-Rank Test
Variation: Normal Distribution, Range, and Standard Deviation
