Особенности статистического анализа количественных данных парных глаз, непараметрический случай
Ключевые слова:
кластерные данные, парные глаза, U-критерий Манна–Уитни, критерий Вилкоксона, язык R, пакет clusrankАннотация
Цель. Сравнение различных подходов статистического анализа показателей парных глаз с описанием технологии его корректного проведения непараметрическими методами в программной среде R.
Материал и методы. Проанализировано множество вариантов статистического анализа показателей парных глаз, выделены три подхода: 1) включение парных глаз в одну группу с использованием стандартных методов статистического анализа; 2) включение в одну группу исключительно по одному глазу от каждого пациента с обработкой стандартными статистическими методами; 3) включение в одну группу обоих парных глаз пациентов с использованием специально разработанных методов статистического анализа, учитывающих наличие корреляции между парными глазами.
Результаты. Первый подход приводит к существенному занижению p-значений при сравнении групп и повышает риск отвержения правильной нулевой гипотезы. Второй подход не позволяет учесть все доступные исследователю
данные, что понижает потенциальную статистическую мощность исследования. Третий подход позволяет использовать полный объем полученной информации и сформулировать на основании анализа результатов проведенных исследований правильные выводы.
Заключение. Необоснованное применение стандартных статистических подходов для обработки количественных данных парных глаз приводит к существенному искажению p-значений, не позволяет учесть весь материал. Оптимальными методами в таких ситуациях являются продвинутые статистические методы, позволяющие учитывать корреляцию между парными глазами, например, методы RGL и DS пакета clusrank в программе R.
Библиографические ссылки
1. Galbraith S, Daniel JA, Vissel B. A study of clustered data and approaches to its analysis. J Neurosci. 2010;30(32): 10601–10608. doi: 10.1523/JNEUROSCI.0362-10.2010
2. Шпак А.А. Вопросы статистического анализа в российских офтальмологических журналах. Офтальмохирургия. 2016;(1): 73–77. [Shpak AA. Issues of the statistical analysis in the Russian ophthalmic journals. Fyodorov Journal of Ophthalmic Surgery. 2016;(1): 73–77. (In Russ.)] doi: 10.25276/0235-4160-2016-1-73-77
3. Armstrong RA. Statistical guidelines for the analysis of data obtained from one or both eyes. Ophthalmic Physiol Opt. 2013;33(1): 7–14. doi: 10.1111/opo.12009
4. Ray WA, O’Day DM. Statistical analysis of multi-eye data in ophthalmic research. Invest Ophthalmol Vis Sci. 1985;26(8): 1186–1188.
5. Karakosta A, Vassilaki M, Plainis S, Elfadl NH, Tsilimbaris M, Moschandreas J. Choice of analytic approach for eye-specific outcomes: one eye or two? Am J Ophthalmol. 2012;153(3): 571–579. doi: 10.1016/j.ajo.2011.08.032
6. Fan Q, Teo YY, Saw SM. Application of advanced statistics in ophthalmology. Invest Ophthalmol Vis Sci. 2011;52(9): 6059–6065. doi: 10.1167/iovs.10 7108
7. Zhang HG, Ying GS. Statistical approaches in published ophthalmic clinical science papers: a comparison to statistical practice two decades ago. Br J Ophthalmol. 2018;102(9): 1188–1191. doi: 10.1136/bjophthalmol-2017-311529
8. Sainani K. The importance of accounting for correlated observations. PM R. 2010;2(9): 858–861. doi: 10.1016/j.pmrj.2010.07.482
9. McCoach DB, Adelson JL. Dealing with dependence (part I): understanding the effects of clustered data. Gifted Child Quarterly. 2010;54(2): 152–155. doi:10.1177/0016986210363076
10. Murdoch IE, Morris SS, Cousens SN. People and eyes: statistical approaches in ophthalmology. Br J Ophthalmol. 1998;82(8): 971–973. doi: 10.1136/bjo.82.8.971
11. Dulku S. Generating a random sequence of left and right eyes for ophthalmic research. Invest Ophthalmol Vis Sci. 2012;53(10): 6301–6302. doi: 10.1167/iovs.12-10737
12. Newcombe RG, Duff GR. Eyes or patients? Traps for the unwary in the statistical analysis of ophthalmological studies. Br J Ophthalmol. 1987;71(9): 645–646. doi: 10.1136/bjo.71.9.645
13. Гурова Е.В. Нейродегенерация сетчатки при болезни Альцгеймера. Дис. …канд. мед. наук. М.; 2018. [Gurova EV. Retinal neurodegeneration in Alzheimer’s disease. [Dissertation]. M.; 2018. (In Russ.)]
14. Курышева Н.И., Шаталова Е.О., Лепешкина Л.В. Прогрессирование глаукомной оптической нейропатии и его предикторы. Точка зрения. Восток – Запад. 2018;(3): 7–10. [Kurysheva NI, Shatalova EO, Lepeshkina LV. Predictors of glaucoma progression. Point of view. East – West. 2018;(3): 7 10. (In Russ.)] doi: 10.25276/2410-1257-2018-7-10
15. Курышева Н.И., Шаталова Е.О., Лепешкина Л.В. Корнеальный гистерезис как предиктор прогрессирования глаукомной оптической нейропатии. РМЖ. Клиническая офтальмология. 2018;(4): 168–173. [Kurysheva NI, Shatalova EO, Lepeshkina LV. Corneal hysteresis as a predictor of glaucomatous optic neuropathy progression. RMJ. Clinical ophthalmology. 2018;(4): 168–173. (In Russ.)] doi: 10.21689/2311-7729- 2018-18-4-168-173
16. Jiang Y, Lee M, He X, Rosner B, Yan J. Wilcoxon rank-based tests for clustered data with R package clusrank. Journal of Statistical Software. 2020;96(6): 1–26. doi: 10.18637/jss.v096.i06
17. Rosner B, Glynn RJ, Lee ML. Extension of the rank sum test for clustered data: two-group comparisons with group membership defined at the subunit level. Biometrics. 2006;62(4): 1251–1259. doi: 10.1111/j.1541-0420.2006.00582.x
18. Rosner B, Glynn RJ, Lee ML. The Wilcoxon signed rank test for paired comparisons of clustered data. Biometrics. 2006;62(1): 185–192. doi: 10.1111/j.1541- 0420.2005.00389.x
19. Datta S, Satten GA. Rank-Sum Tests for Clustered Data. Journal of the American Statistical Association. 2005;100(471): 908–915. doi: 10.1198/016214504000001583
20. Datta S, Satten GA. A signed-rank test for clustered data. Biometrics. 2008;64(2): 501–507. doi: 10.1111/j.1541-0420.2007.00923.x
Опубликован
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
