Вопросы коллегам!

[Soshurik]

Очень порадовало сообщение от г-жи Khomitskay. О расшифровке одного из исследований по доверительным интервалам. Может и нам всем посмотреть более пристально не на так называемую математическую статистику, а на Клиническую эпидемиологию. Много нового можно открыть, ну к примеру, что не могут быть "статистически достоверным" какие-либо полученные результаты между собой. Это выражение из уст наших докладчиков идет в большинстве случаев. Они могут иметь "статистически значимые" различия. Можно рекомендовать, фор экземпл, брошюру Флетчеров и Вагнера "Клиническая эпидемиология" 1998 - оч неплохо, да этого есть у нас на книжных полках что почитать! С уважением,

[Yariko]

Сообщение от Soshurik

Очень порадовало сообщение от г-жи Khomitskay. О расшифровке одного из исследований по доверительным интервалам. Может и нам всем посмотреть более пристально не на так называемую математическую статистику, а на Клиническую эпидемиологию. Много нового можно открыть, ну к примеру, что не могут быть "статистически достоверным" какие-либо полученные результаты между собой. Это выражение из уст наших докладчиков идет в большинстве случаев. Они могут иметь "статистически значимые" различия. Можно рекомендовать, фор экземпл, брошюру Флетчеров и Вагнера "Клиническая эпидемиология" 1998 - оч неплохо, да этого есть у нас на книжных полках что почитать! С уважением,

не поняла смыcл пассажа, то, что правильно употреблять статистически значимые различия всем известно, так же, как статистически значимые и клинически значимые различия - это разные вещи, а ДИ имеет важное значение при оценке результатов исследования

One of the advantages of confidence intervals over traditional hypothesis testing is the additional information that they convey. The
upper and lower bounds of the interval give us information on how big or small the true effect might plausibly be, and the width of the confidence interval also conveys some useful information.
If the confidence interval is narrow, capturing only a small range of effect sizes, we can be quite confident that any effects far from this range have been ruled out by the study. This situation usually arises when the size of the study is quite large and, hence, the estimate of the true effect is quite precise. Another way of saying this is to note that the study has reasonable ‘power’ to detect an effect.
However, if the confidence interval is quite wide, capturing a diverse range of effect sizes, we can infer that the study was probably quite small. Thus, any estimates of effect size will be quite imprecise. Such a study is ‘low-powered’ and provides us with less information.