Explicación de la terminología del estudio de casos y controles
Explicación del término estudio de casos y controles:
“Un estudio de casos y controles utiliza como casos a pacientes diagnosticados con una enfermedad específica e individuos comparables que no padecen la enfermedad. En un control, se recopila el historial de exposición de varios posibles factores de riesgo mediante interrogatorios, exámenes de laboratorio o revisión del historial médico, y se mide y compara la proporción de exposición de cada factor en el grupo de casos y el grupo de control después de pruebas estadísticas, si las hay. cualquier diferencia entre los dos grupos, es decir, se puede considerar que existe una asociación estadística entre factores y enfermedades”.
La fórmula de cálculo del tamaño de la muestra para los estudios de casos y controles es: N=Z?*σ ?/ d?, donde Z es el intervalo de confianza, n es el tamaño de la muestra, d es el rango de error de muestreo y σ es la desviación estándar, generalmente 0,5.
El tamaño de la eficiencia de la prueba está relacionado principalmente con los siguientes cuatro factores.
(1) El tamaño de la diferencia general: la selección correcta de los factores del sujeto y sus niveles es el vínculo principal en el éxito o el fracaso del experimento. Cuanto más fuerte sea la validez de los factores sujetos, mayor será la brecha entre las diferentes medias poblacionales involucradas en H0 y H1, y menor será el área de superposición de las dos distribuciones. Como β es pequeño, 1-β debe ser grande.
(2) El tamaño del nivel de prueba (α): generalmente hay una cierta área de superposición entre las dos poblaciones H0 y H1, y el movimiento del valor límite inevitablemente hará que α y β cambien. al mismo tiempo. Dado que existe una relación inversa entre α y β, la eficiencia de la prueba 1-β se puede mejorar aumentando el valor umbral. Sin embargo, el propósito de la prueba de hipótesis es principalmente mostrar que los factores que se prueban son altamente efectivos y que cuanto menor sea el valor d, mejor.
(3) El tamaño de la desviación estándar: dado que α y β son inversamente proporcionales, lo mejor de ambos mundos es concentrar mucho las dos distribuciones generales comparadas entre sí y reducir el área de superposición, de modo que α y β se pueden obtener efectos reducidos. Bajo la condición de que la media de las dos poblaciones y el tamaño de la muestra sean fijos, el área de cada distribución poblacional permanece sin cambios, pero su rango de dispersión es proporcional a la desviación estándar.
(4) El tamaño de la muestra: bajo la condición de que la media y la desviación estándar de las dos poblaciones sean fijas, aunque el rango de expansión de la distribución de la población permanece sin cambios, a medida que aumenta el tamaño de la muestra (n), el estándar El error se reduce, la distribución general tiende a concentrarse y tanto α como β se reducen, por lo que aumenta la eficiencia de la prueba. Por lo tanto, para mejorar la eficiencia de las pruebas, aumentar el tamaño de la muestra también es una forma de obtener lo mejor de ambos mundos.