Как более детально описано в указании в главе по систематическим обзорам и метаанализу, качественная оценка опубликованного исследования не является непосредственной. Движением доказательной медицины предложена следующая классификация качества доказательств:
• Уровень I: убедительные доказательства по крайней мере одного систематического обзора многократных, хорошо спланированных РКИ.
• Уровень II: убедительные доказательства по крайней мере одного должным образом спланированного РКИ соответствующего объема.
• Уровень III: доказательства хорошо спланированных испытаний, таких как нерандомизированные испытания, когортные исследования, временные ряды или спаренные исследования «случай-контроль».
• Уровень IV: доказательства хорошо спланированных неэкспериментальных исследований более чем одного центра или исследовательской группы.
• Уровень V: мнения уважаемых авторитетов, основанные на клиническом доказательстве, описательных исследованиях или отчетах экспертных комитетов.
Укажите статистические методы, используемые в анализе.
В анализе решений структура проблемы может быть представлена в виде дерева решений или таблицы решений. (В руководствах клинической практики структура может упоминаться как «путь лечения» или как «алгоритм лечения»). Каждая альтернатива в структуре дерева решения связана с вероятностью того, что это произойдет или что это будет результатом определенного исхода. Для вычисления этих вероятностей могут быть применены несколько статистических методов. Самые общие описаны ниже.
Марковский процесс, или процесс переходных состояний, используется на сложных деревьях решения, у которых число ветвей и альтернатив велико, связанные с ними вероятности могут изменяться со временем, и события могут произойти не раз. В этом процессе определен как ряд «состояний здоровья», так и критерий для перехода из одного состояния здоровья в другое. Вероятность, что пациент перейдет из одного состояния здоровья в другое в любой заданный период, называют «вероятностью перехода» 24. Кроме того, каждое состояние здоровья имеет вес, меру полезности, такую как регулирование качества жизни, которое указывается на шкале от (безразличие к жизни и смерти) до 1 (крепкое здоровье), для оценки желательного состояния здоровья ( указание 18.15). Марковский процесс может также использовать «поддеревья», чтобы представить повторные сегменты дерева решения.
В теорему Байеса входят три вероятности. «Априорная вероятность» является вероятностью состояния или события, которая известна заранее, перед исследованием (например, исходный преваленс пациентов, страдающих аллергией). «Правдоподобие» — это, как правило, частота успеха лечения или чувствительность теста (на примере аллергии, вероятность того, что кожная аллергическая проба приведет к истинно положительным результатам). «Апостериорная вероятность» является вероятностью, определенной по первым двум вероятностям с использованием теоремы Байеса (здесь вероятность действительной аллергической реакции на аллерген, учитывая положительный результат кожной аллергической пробы).
Традиционные линейные модели охватывают диапазон от общих линейных моделей (например, линейной регрессии или ANOVA) до моделей структурных уравнений.
Рабочие характеристики приемника (ROC-кривые) полезны в указании взаимосвязи между ложноположительными и ложноотрицательными результатами диагностических тестов, включая примененные одновременно или последовательно с целью улучшения диагностической точности.
(Пока оценок нет)
