Biyoistatistik nedir? Sağlık bilimlerinde istatistik rehberi
Güncelleme tarihi: 17 saat önce
Biyoistatistik nedir? Sağlık bilimlerinde hangi analizler kullanılır?
Bir tedavinin gerçekten etkili olup olmadığını nasıl anlarız? Bir hastalık için hangi faktörlerin risk oluşturduğunu nasıl belirleriz? İki tedavi grubunun sonuçları arasındaki fark tesadüften mi kaynaklanıyor, yoksa bilimsel olarak anlamlı mı? Bir tanı testinin hastaları ne kadar doğru ayırt ettiğini nasıl değerlendiririz?
Bu soruların tamamı biyoistatistiğin çalışma alanına girer.
Biyoistatistik; tıp, hemşirelik, diş hekimliği, eczacılık, fizyoterapi, halk sağlığı, beslenme ve diğer yaşam bilimlerinde elde edilen verilerin planlanması, analiz edilmesi ve yorumlanmasında kullanılan istatistiksel yöntemlerin bütünüdür.
Ancak biyoistatistik yalnızca araştırmanın sonunda SPSS'te birkaç analiz yapmak anlamına gelmez. Araştırma sorusunun oluşturulmasından örneklem büyüklüğüne, veri toplama planından uygun istatistiksel yöntemin seçimine ve sonuçların yorumlanmasına kadar araştırmanın birçok aşamasında biyoistatistiksel düşünme gerekir.
Bu yazıda biyoistatistiğin ne olduğunu, sağlık bilimlerinde neden önemli olduğunu ve hangi istatistiksel analizlerin hangi araştırma sorularında kullanılabileceğini örneklerle ele alacağız.
Biyoistatistik nedir?
Biyoistatistik, istatistiksel yöntemlerin biyoloji, tıp ve sağlık bilimlerindeki problemlere uygulanmasını inceleyen bilim alanıdır.
Temel amacı, sağlıkla ilgili verilerden bilimsel olarak anlamlı ve güvenilir sonuçlar elde etmektir.
Örneğin:
yeni bir tedavinin etkinliği,
bir hastalığın risk faktörleri,
bir laboratuvar testinin tanısal başarısı,
hastaların sağkalım süreleri,
yaşam kalitesini etkileyen faktörler,
belirli bir hastalığın toplumdaki sıklığı
biyoistatistiksel yöntemlerle incelenebilir.
Dolayısıyla biyoistatistik, yalnızca sayıların analiz edilmesi değil; sağlıkla ilgili araştırma sorularının veriye dayalı biçimde cevaplanmasıdır.
Biyoistatistik ile istatistik arasındaki fark nedir?
Biyoistatistik, istatistiğin farklı bir matematiksel sistemi değildir.
Temel istatistiksel yöntemler aynıdır; fark büyük ölçüde uygulama alanından ve araştırma problemlerinden kaynaklanır.
Genel istatistikte kullanılan:
ortalama,
standart sapma,
güven aralıkları,
t testleri,
ANOVA,
regresyon,
korelasyon
gibi yöntemler sağlık bilimlerinde de kullanılabilir.
Ancak sağlık araştırmalarında bunlara ek olarak:
tanı testlerinin değerlendirilmesi,
ROC analizi,
sağkalım analizi,
Cox regresyonu,
lojistik regresyon,
tekrarlı ölçüm modelleri
gibi yöntemlerle daha sık karşılaşılır.
Bu nedenle biyoistatistik, istatistik yöntemlerinin sağlık ve yaşam bilimlerindeki araştırma problemlerine uyarlanmış uygulama alanı olarak düşünülebilir.
Biyoistatistik neden önemlidir?
Sağlık araştırmalarında yanlış analiz seçimi yalnızca akademik bir hata değildir.
Yanlış istatistiksel yöntem:
etkisiz bir tedavinin etkili görünmesine,
gerçek bir ilişkinin gözden kaçırılmasına,
risk faktörlerinin yanlış yorumlanmasına,
klinik açıdan önemsiz bir farkın abartılmasına,
araştırma sonuçlarının yanlış genellenmesine
neden olabilir.
Bu nedenle araştırmanın bilimsel niteliği yalnızca verinin doğru toplanmasına değil, uygun yöntemle analiz edilmesine ve doğru yorumlanmasına da bağlıdır.
Biyoistatistik özellikle sağlık bilimlerinde kanıta dayalı karar verme sürecinin temel araçlarından biridir.
Biyoistatistik araştırmanın hangi aşamalarında kullanılır?
Biyoistatistik çoğu zaman veri toplandıktan sonra başlayan bir işlem gibi düşünülür.
Oysa ideal yaklaşım, istatistiksel planın araştırmanın başında oluşturulmasıdır.
Araştırma sorusunun oluşturulması
Öncelikle araştırmanın neyi ölçmek istediği açık olmalıdır.
Örneğin:
“Tedavi A ile Tedavi B arasında ağrı puanı açısından fark var mı?”
ile
“Yaş, hastalık süresi ve tedavi türü iyileşmeyi etkiliyor mu?”
aynı analiz problemleri değildir.
Araştırma sorusu, analiz yönteminin belirlenmesinde temel rol oynar.
Değişkenlerin belirlenmesi
Bağımlı, bağımsız, kategorik, sürekli veya ordinal değişkenlerin doğru tanımlanması gerekir.
Örneğin:
cinsiyet → nominal,
hastalık evresi → ordinal,
yaş → sürekli,
ağrı puanı → ölçeğin yapısına göre ordinal veya sürekli olarak değerlendirilebilir.
Ölçme düzeyleri hakkında ayrıntılı bilgi için ölçme düzeyleri yazımızı inceleyebilirsiniz.
Örneklem büyüklüğünün belirlenmesi
Araştırmanın başlamasından önce kaç katılımcının gerekli olduğu planlanmalıdır.
Örneklem büyüklüğü:
araştırma tasarımına,
beklenen etki büyüklüğüne,
hata düzeyine,
istatistiksel güce,
kullanılacak yönteme
göre değişebilir.
“En az 30 kişi yeterlidir” gibi tek bir kural bütün sağlık araştırmaları için geçerli değildir.
Veri toplama planı
Hangi değişkenlerin hangi zamanda ölçüleceği de analiz yöntemini etkiler.
Örneğin aynı hastaların:
tedavi öncesi,
birinci ay,
üçüncü ay,
altıncı ay
ölçümleri alınmışsa veriler bağımsız değildir ve buna uygun tekrarlı ölçüm yöntemleri gerekir.
İstatistiksel analiz
Veriler toplandıktan sonra araştırma sorusuna ve veri yapısına uygun istatistiksel yöntemler uygulanır.
Sonuçların yorumlanması
Analizin son aşaması yalnızca p değerini okumak değildir.
Etki büyüklüğü, güven aralığı, klinik önem ve araştırmanın sınırlılıkları da değerlendirilmelidir.
Sağlık bilimlerinde tanımlayıcı istatistikler
Biyoistatistiksel analiz çoğu zaman önce tanımlayıcı istatistiklerle başlar.
Tanımlayıcı istatistikler örneklemin temel özelliklerini özetler.
Sürekli değişkenlerde:
ortalama,
standart sapma,
medyan,
minimum–maksimum,
çeyrekler arası aralık
kullanılabilir.
Kategorik değişkenlerde ise:
sayı,
yüzde
değerleri verilir.
Örneğin:
Yaş: 52,4 ± 11,8 yıl
veya
Kadın: 68 (%56,7)
şeklinde raporlama yapılabilir.
Hangi özet ölçünün kullanılacağı verinin dağılımına ve araştırma alanına göre belirlenmelidir.
Ortalama ve standart sapma ne zaman kullanılır?
Yaklaşık simetrik sürekli veriler çoğu zaman:
ortalama ± standart sapma
şeklinde özetlenir.
Örneğin:
Yaş = 46,3 ± 12,1 yıl
Ancak belirgin biçimde çarpık verilerde ortalama yanıltıcı olabilir.
Bu durumda:
medyan ve çeyrekler arası aralık
daha açıklayıcı olabilir.
Örneğin hastanede yatış süresi:
Medyan = 5 gün, IQR = 3–9 gün
şeklinde verilebilir.
Sağlık bilimlerinde iki grup nasıl karşılaştırılır?
İki bağımsız grubun sürekli veya uygun puan değişkeni açısından karşılaştırılmasında en sık karşılaşılan yöntemler:
Bağımsız örneklemler t testi
ve
Mann-Whitney U testidir.
Örneğin:
Tedavi A ve Tedavi B gruplarının ağrı puanları farklı mı?
sorusu iki bağımsız grubun karşılaştırılmasıdır.
Verinin ve araştırma tasarımının yapısına göre uygun yöntem seçilir.
Mann-Whitney U testinin SPSS uygulaması ve yorumlanması için Mann-Whitney U testi rehberimizi inceleyebilirsiniz.
Üç veya daha fazla grup nasıl karşılaştırılır?
Üç veya daha fazla bağımsız grubun karşılaştırılmasında:
Tek yönlü ANOVA
veya
Kruskal-Wallis testi
kullanılabilir.
Örneğin hastalar:
hafif,
orta,
ağır
olmak üzere üç hastalık grubuna ayrılmışsa ve bu grupların yaşam kalitesi puanları karşılaştırılıyorsa üç bağımsız grup söz konusudur.
ANOVA veya Kruskal-Wallis sonucu anlamlı bulunduğunda hangi grupların birbirinden farklı olduğunu belirlemek için uygun post-hoc karşılaştırmalar yapılmalıdır.
Ön test-son test verileri nasıl analiz edilir?
Sağlık araştırmalarında aynı bireylerin tedavi öncesi ve sonrası ölçülmesi oldukça yaygındır.
Örneğin:
Tedaviden önce ve sonra ağrı puanı değişti mi?
sorusunda aynı hastalardan iki ölçüm alınmıştır.
Bu durumda:
Bağımlı örneklemler t testi
veya
Wilcoxon işaretli sıralar testi
değerlendirilebilir.
Burada Mann-Whitney U testi uygun değildir çünkü iki ölçüm birbirinden bağımsız değildir.
Üç veya daha fazla zaman noktasında ölçüm varsa ne yapılır?
Aynı bireylerin üç veya daha fazla zamanda ölçülmesi durumunda:
Tekrarlı ölçümler ANOVA
veya
Friedman testi
kullanılabilir.
Ancak sağlık araştırmalarında takip süresi uzadıkça eksik ölçümler ve bireyler arası farklılıklar sıklaşabilir.
Bu durumlarda karma etkili modeller veya genelleştirilmiş tekrarlı ölçüm yöntemleri gibi daha gelişmiş yaklaşımlar gerekebilir.
Bu nedenle her boylamsal çalışma otomatik olarak klasik tekrarlı ölçümler ANOVA ile analiz edilmemelidir.
Kategorik değişkenler nasıl analiz edilir?
Sağlık bilimlerinde birçok değişken kategoriktir.
Örneğin:
hastalık var / yok,
tedavi başarılı / başarısız,
kadın / erkek,
komplikasyon gelişti / gelişmedi
gibi.
İki kategorik değişken arasındaki ilişkiyi değerlendirmek için en sık ki-kare testi kullanılır.
Örneğin:
Tedavi türü ile komplikasyon gelişme durumu arasında ilişki var mı?
sorusu ki-kare testiyle değerlendirilebilir.
Ancak beklenen hücre frekanslarının düşük olduğu durumlarda Fisher exact testi gibi alternatif yöntemler gerekebilir.
Korelasyon analizi sağlık araştırmalarında ne için kullanılır?
İki sürekli veya sıralı değişken arasındaki ilişkinin yönünü ve derecesini değerlendirmek için korelasyon analizi kullanılabilir.
Örneğin:
Yaş ile sistolik kan basıncı arasında ilişki var mı?
sorusunda:
Pearson korelasyon,
Spearman korelasyon,
Kendall Tau
gibi yöntemler değerlendirilebilir.
Test seçimi yalnızca normallik sonucuna göre yapılmamalıdır.
Ayrıntılı bilgi için korelasyon testi nasıl seçilir? rehberimizi inceleyebilirsiniz.
Regresyon analizi sağlık bilimlerinde neden önemlidir?
Sağlık araştırmalarında tek bir sonucun birden fazla faktörle ilişkili olması oldukça yaygındır.
Örneğin:
Yaş, beden kütle indeksi, sigara kullanımı ve fiziksel aktivite sistolik kan basıncıyla ilişkili mi?
gibi sorular regresyon modelleriyle incelenebilir.
Sonuç değişkeni sürekli olduğunda:
doğrusal regresyon
kullanılabilir.
Sonuç iki kategorili olduğunda:
binary lojistik regresyon
değerlendirilebilir.
Örneğin:
Komplikasyon gelişti / gelişmedi
sonucu lojistik regresyonla modellenebilir.
Regresyon analizi hakkında ayrıntılı bilgi için regresyon analizi yazımızı inceleyebilirsiniz.
Lojistik regresyon ne zaman kullanılır?
Lojistik regresyon özellikle sağlık bilimlerinde çok yaygındır.
Sonuç değişkeni:
hastalık var / yok,
ölüm / sağkalım,
tedavi başarılı / başarısız,
komplikasyon var / yok
gibi iki kategorili olduğunda kullanılabilir.
Sonuçlar çoğunlukla odds ratio (OR) ile raporlanır.
Örneğin:
OR = 2,40
belirli koşullarda bir grubun olay odds'unun referans grubun 2,4 katı olduğunu ifade edebilir.
Ancak odds ratio'nun doğrudan “risk 2,4 kat arttı” şeklinde yorumlanması her zaman doğru değildir.
ROC analizi nedir?
Sağlık bilimlerinde tanı testlerinin performansını değerlendirmek için ROC analizi yaygın olarak kullanılır.
ROC analizi ile:
duyarlılık,
özgüllük,
olası eşik değerleri,
eğri altında kalan alan (AUC)
değerlendirilebilir.
Örneğin belirli bir biyobelirtecin hastaları sağlıklı bireylerden ayırma gücü ROC analiziyle incelenebilir.
AUC değeri testin genel ayırt etme performansı hakkında bilgi verir.
Ancak yalnızca en yüksek Youden indeksine göre bir cut-off seçmek, özellikle doğrulama yapılmadan, her klinik kullanım için yeterli olmayabilir.
Sağkalım analizi nedir?
Bazı sağlık araştırmalarında sonuç yalnızca olayın gerçekleşip gerçekleşmemesi değildir.
Olayın ne zaman gerçekleştiği de önemlidir.
Örneğin:
ölüm,
hastalığın tekrarlaması,
implant başarısızlığı,
taburculuk,
tedavinin kesilmesi
gibi olayların süreleri incelenebilir.
Bu tür veriler için sağkalım analizi kullanılır.
Başlıca yöntemler:
Kaplan-Meier analizi,
log-rank testi,
Cox regresyonudur.
Sağkalım yöntemlerinde sansürlü gözlemlerin bulunması analizin temel özelliklerinden biridir.
Ayrıntılı bilgi için sağkalım analizi, Kaplan-Meier ve Cox regresyonu yazımızı inceleyebilirsiniz.
Cox regresyon analizi ne işe yarar?
Cox regresyonu, bir olayın gerçekleşmesine kadar geçen süreyi bir veya daha fazla açıklayıcı değişkenle ilişkilendirmek için kullanılan sağkalım modelidir.
Sonuçlar genellikle hazard ratio (HR) ile raporlanır.
Örneğin:
HR = 1,80
sonucu belirli bir grubun anlık olay hızının referans gruba göre daha yüksek olduğunu gösterebilir.
Ancak Cox regresyonunda:
olay sayısı,
örneklem büyüklüğü,
orantılı hazard varsayımı,
modele alınan değişken sayısı
özellikle dikkatle değerlendirilmelidir.
Az sayıda olay bulunan çalışmalarda çok sayıda değişkeni modele eklemek kararsız ve aşırı uyumlu sonuçlar üretebilir.
Tanı testlerinde duyarlılık ve özgüllük nedir?
Bir tanı testini değerlendirirken yalnızca p değerine bakılmaz.
Başlıca ölçütlerden bazıları:
Duyarlılık (sensitivity): Hastalığı bulunan kişilerin ne kadarının test tarafından doğru pozitif bulunduğu.
Özgüllük (specificity): Hastalığı bulunmayan kişilerin ne kadarının doğru negatif bulunduğu.
Pozitif öngörü değeri: Pozitif test sonucunun gerçekten hastalıkla sonuçlanma olasılığı.
Negatif öngörü değeri: Negatif test sonucunun gerçekten hastalık bulunmamasına karşılık gelme olasılığı.
Öngörü değerlerinin hastalığın toplumdaki sıklığından etkilenmesi, bu ölçütlerin yorumunda önemlidir.
Güven aralığı neden önemlidir?
Sağlık araştırmalarında yalnızca p değerinin raporlanması yeterli değildir.
Örneğin:
OR = 2,10; %95 GA: 1,25–3,52
şeklindeki sonuç yalnızca ilişkinin yönünü değil, tahminin belirsizliğini de gösterir.
Geniş güven aralıkları genellikle tahminin daha belirsiz olduğunu düşündürür.
Bu durum özellikle:
küçük örneklemlerde,
az sayıda olayda,
seyrek kategorilerde
sık görülebilir.
Bu nedenle sonuçların bilimsel değerlendirmesinde etki tahmini ve güven aralığı, p değeri kadar önemlidir.
İstatistiksel anlamlılık ile klinik anlamlılık aynı şey midir?
Hayır.
Bu ayrım sağlık bilimlerinde özellikle önemlidir.
Örneğin bir tedavi grubunda ağrı puanı diğer gruba göre ortalama 0,2 puan daha düşük olabilir.
Örneklem çok büyükse bu fark:
p < 0,001
ile istatistiksel olarak anlamlı bulunabilir.
Ancak 0,2 puanlık fark hastalar açısından klinik olarak anlamlı olmayabilir.
Bu nedenle sağlık araştırmalarında:
“İstatistiksel olarak anlamlı mı?”
sorusunun yanında:
“Klinik olarak anlamlı mı?”
sorusu da sorulmalıdır.
Etki büyüklüğü neden raporlanmalıdır?
p değeri bir fark veya ilişkinin büyüklüğünü göstermez.
Bu nedenle araştırma sorusuna göre:
Cohen's d,
r,
odds ratio,
risk ratio,
hazard ratio,
eta-kare
gibi etki ölçüleri kullanılabilir.
Etki büyüklüğü bulgunun yalnızca varlığını değil, ne ölçüde önemli olduğunu değerlendirmeye yardımcı olur.
Sağlık araştırmalarında çoklu test sorunu nedir?
Araştırmacılar aynı veri setinde çok sayıda hipotez testi yaptıklarında tesadüfen anlamlı sonuç bulma olasılığı artar.
Örneğin 20 farklı değişken için ayrı ayrı:
p < 0,05
kriteri kullanılırsa bazı sonuçlar yalnızca şans nedeniyle anlamlı çıkabilir.
Bu nedenle araştırmanın niteliğine göre:
Bonferroni,
Holm,
FDR
gibi çoklu karşılaştırma düzeltmeleri değerlendirilebilir.
Ancak hangi düzeltmenin kullanılacağı araştırmanın amacına ve test yapısına göre değişir.
Eksik veriler sağlık araştırmalarında neden önemlidir?
Sağlık araştırmalarında katılımcı kaybı oldukça yaygındır.
Örneğin takip çalışmalarında bazı hastalar sonraki ziyaretlere gelmeyebilir.
Eksik verileri yalnızca analizden çıkarmak her zaman doğru değildir.
Eksik veri mekanizması:
tamamen rastgele,
gözlenen değişkenlerle ilişkili,
gözlenmeyen faktörlerle ilişkili
olabilir.
Bu nedenle eksik veri stratejisi araştırmanın tasarımı ve veri kaybının yapısına göre belirlenmelidir.
Bazı çalışmalarda çoklu atama gibi yöntemler gerekebilir.
Sağlık bilimlerinde SPSS yeterli midir?
SPSS sağlık bilimlerinde çok yaygın kullanılan bir yazılımdır.
Tanımlayıcı istatistikler, t testleri, ANOVA, ki-kare, korelasyon, regresyon ve birçok temel analiz SPSS ile yapılabilir.
Ancak tüm biyoistatistiksel analizler SPSS'in standart menüleriyle sınırlı değildir.
Daha gelişmiş modeller için:
R,
Stata,
SAS,
Mplus,
özel paketler
gibi farklı yazılımlar gerekebilir.
Önemli olan hangi programın kullanıldığı değil, araştırma sorusuna uygun analizin doğru biçimde uygulanmasıdır.
Sağlık bilimlerinde hangi test kullanılmalı?
Pratik bir başlangıç tablosu şöyle olabilir:
Araştırma sorusu | Sık kullanılan yöntem |
İki bağımsız grubun karşılaştırılması | t testi / Mann-Whitney U |
Üç veya daha fazla bağımsız grup | ANOVA / Kruskal-Wallis |
Aynı kişilerin iki ölçümü | Bağımlı t testi / Wilcoxon |
Aynı kişilerin üç veya daha fazla ölçümü | Tekrarlı ölçümler ANOVA / Friedman |
İki kategorik değişken | Ki-kare / Fisher exact |
İki değişken arasındaki ilişki | Pearson / Spearman / Kendall |
Sürekli sonucu modelleme | Doğrusal regresyon |
İkili sonucu modelleme | Lojistik regresyon |
Tanı performansı | ROC analizi |
Olay gerçekleşme süresi | Kaplan-Meier / Cox regresyon |
Bu tablo yalnızca başlangıç rehberidir.
Nihai test seçimi için araştırmanın tasarımı, değişkenlerin yapısı, örneklem özellikleri ve analiz varsayımları birlikte değerlendirilmelidir.
Hangi farklılık testinin kullanılacağını ayrıntılı görmek için hangi istatistiksel testi kullanmalıyım? yazımızı inceleyebilirsiniz.
Biyoistatistik analizinde en sık yapılan hatalar
Sağlık araştırmalarında sık görülen yöntemsel hatalardan bazıları şunlardır:
Test seçimini yalnızca normallik testine göre yapmak
Sadece p değerini raporlamak
İstatistiksel anlamlılığı klinik anlamlılık olarak yorumlamak
Korelasyondan nedensellik çıkarmak
Çok sayıda test yapıp çoklu karşılaştırmayı dikkate almamak
Az olay bulunan regresyon modellerine çok fazla değişken eklemek
Ön test-son test içeren çalışmalarda ölçümlerin bağımlılığını göz ardı etmek
Eksik verileri nedenlerini incelemeden silmek
SPSS çıktısını yorumlamadan doğrudan makaleye aktarmak
Biyoistatistiğin temel amacı yalnızca anlamlı p değerleri bulmak değil, araştırma sorusuna bilimsel olarak geçerli cevaplar üretmektir.
Biyoistatistik hakkında sık sorulan sorular
Biyoistatistik ne demektir?
Biyoistatistik, istatistiksel yöntemlerin biyoloji, tıp ve sağlık bilimlerindeki araştırma problemlerine uygulanmasıdır.
Biyoistatistik hangi bölümlerde kullanılır?
Tıp, hemşirelik, diş hekimliği, eczacılık, fizyoterapi, beslenme, halk sağlığı, veterinerlik ve diğer yaşam bilimlerinde yaygın biçimde kullanılır.
Biyoistatistik ile tıbbi istatistik aynı şey midir?
Kavramlar büyük ölçüde örtüşür. Tıbbi istatistik daha doğrudan tıp ve klinik araştırmalara odaklanırken biyoistatistik yaşam bilimlerini daha geniş biçimde kapsayabilir.
Biyoistatistikte SPSS kullanılır mı?
Evet. SPSS sağlık bilimlerinde en yaygın istatistik yazılımlarından biridir. Ancak araştırmanın niteliğine göre R, Stata, SAS ve farklı yazılımlar da kullanılabilir.
Sağlık araştırmalarında en çok hangi testler kullanılır?
T testleri, ANOVA, Mann-Whitney U, Kruskal-Wallis, ki-kare, korelasyon, doğrusal ve lojistik regresyon, ROC analizi, Kaplan-Meier ve Cox regresyonu en sık karşılaşılan yöntemler arasındadır.
Sağlık araştırmalarında p < 0,05 yeterli midir?
Hayır. p değeriyle birlikte etki büyüklüğü, güven aralığı, klinik önem ve araştırma tasarımı da değerlendirilmelidir.
Veriler normal dağılmıyorsa mutlaka nonparametrik test mi kullanılır?
Hayır. Test seçimi yalnızca normallik testinin sonucuna göre yapılmamalıdır. Araştırma tasarımı, örneklem büyüklüğü, veri yapısı, uç değerler ve parametrik yöntemlerin dayanıklılığı birlikte değerlendirilmelidir.
Biyoistatistik analizi araştırmanın sonunda mı yapılır?
Analizin uygulanması veri toplandıktan sonra yapılsa da istatistiksel planın ideal olarak araştırma başlamadan önce oluşturulması gerekir.
Sonuç
Biyoistatistik, sağlık ve yaşam bilimlerinde elde edilen verilerin bilimsel biçimde analiz edilmesini ve yorumlanmasını sağlayan temel disiplinlerden biridir.
Ancak biyoistatistik yalnızca SPSS'te bir test seçip p değerini okumaktan ibaret değildir.
Araştırma sorusunun oluşturulması, değişkenlerin tanımlanması, örneklem büyüklüğünün planlanması, veri toplama tasarımı, uygun istatistiksel yöntemin seçilmesi, etki büyüklüklerinin ve güven aralıklarının değerlendirilmesi ve sonuçların klinik bağlamda yorumlanması bütün sürecin parçalarıdır.
Sağlık bilimlerinde t testi ve Mann-Whitney U gibi temel karşılaştırmalardan lojistik regresyon, ROC analizi, Kaplan-Meier ve Cox regresyonuna kadar çok farklı yöntemler kullanılabilir.
Doğru yöntem, araştırmacının en karmaşık analizi seçmesi değil; araştırma sorusuna ve veri yapısına en uygun analizi seçmesidir.
Sağlık bilimlerindeki tez, makale ve araştırmalarınız için analiz yönteminin belirlenmesi, SPSS ve diğer istatistiksel analizlerin uygulanması ve sonuçların bilimsel biçimde raporlanması konusunda istatistiksel analiz danışmanlığı sayfamızı inceleyebilirsiniz.
