Jak Navrhnout Působivých Zdravotních Výsledků Výzkumné Studie pro Analýzu

Jacob VanHouten, analytik klinické údaje a biostatistiky konzultant v Kolabtree, poskytuje nejlepší tipy na to, jak navrhnout působivých zdravotních výsledků výzkumu pro analýzu.

pokud jste v oblasti medicíny a četli, udělali nebo dokonce přemýšleli o výzkumu v posledních dvou desetiletích, je pravděpodobné, že jste obeznámeni s konceptem výzkumu výsledků. Stručně řečeno, výsledky výzkumu je oblast, kde předmětem studia je definovatelné zdraví výsledek, který dám příklady později, a to, co se měří, jsou efekty, které různé části celkové workflow na ty výsledky. Smyslem těchto studií je určit, jaké faktory ovlivňují výsledky zájmu, pro tento úkol je vhodné mnoho různých experimentálních a observačních studijních návrhů, včetně klasických epidemiologických studií, jako jsou:

• randomizované kontrolované studie,
• průřezové studie,
• kohortových studií,
• systematické přehledy/meta-analýzy, nebo
• zlepšení kvality metodik výzkumu.

proč vůbec výsledky výzkumu?

existuje mnoho, mnoho důvodů, proč dělat výsledky výzkumu, a jejich seznam by byl daleko nad rámec toho, co by bylo možné udělat v tomto příspěvku. Ve velmi malém kostce je výzkum výsledků, který se vztahuje na oblast biomedicíny, primárně zaměřen na zlepšení výkonu některých úkolů v uvedené oblasti. Jak říká známý manažerský konzultant Peter Drucker, “ nemůžete řídit to, co nemůžete měřit.“.“Jinými slovy, nemůžete“ přesunout jehlu “ na zlepšení, aniž byste věděli, kam směřuje. Navíc takové měření může vést k

• zlepšování jakosti,
• snížené náklady na zdravotní péči,
• zvýšení efektivity diagnostiky a léčby, a
• zkušenosti pacientů.

a kdo by nechtěl nejlepší výsledky pro své pacienty? Je to pravděpodobně primární výzkum zdravotní péče je nezbytně nutné neustále měření pro zlepšení, a výsledky výzkumu je jeden silný soubor nástrojů, kterými se tam dostat.

Jak přemýšlet o výsledky výzkumu jako statistik

Když přemýšlíte o založení výzkumného úsilí, možná, že první věc, kterou musíte vědět, je, „co chceš vědět?“Zajímáte se více o systém a efektivitu nebo o nehmotná měření kvality života určená pacienty? Máte zájem o to, aby péče byla dostupnější, spravedlivější a přístupnější pro pacienty, nebo se zajímáte o ziskovost praxe? Některé klíčové otázky zahrnují:

• co je výsledkem zájmu,
• kteří jsou příslušnými zúčastněnými stranami,
• jak je výsledek zájmu nejlepší zastoupeny, a
• jak mohu získat data, která potřebuji odpovědět na mé otázky?

Typy výsledků,

Jednou ze silných stránek z výsledků výzkumu je schopnost zvážit mnoho různých výsledků a jejich relativní výhody, stejně jako z mnoha různých úhlů pohledu (o tom více níže). Ve skutečnosti, některé výsledky výzkumné konstrukce, jako jsou roky života přizpůsobené kvalitě, byly navrženy speciálně pro srovnání různých výsledků. Výsledky, které mohou být různorodých typů, lze porovnat převodem jednoho výsledku na ekvivalentní (tj. množství peněz, které by člověk musel obdržet, aby se vzdal jedné noci spánku) výsledek, který je přímo srovnatelný.

koho to zajímá?

když přemýšlíte o výše uvedených výsledcích k měření, možná by první otázka měla být „koho to zajímá?“. A to není míněno bezohledně. S pozdravem, kdo se stará o tento výsledek. Pacienti? Poskytovatelé? Pojišťovny, zdravotní systémy? Není nerozumné si představit, že pacient a Nemocnice hodnotí výsledek spokojenosti pacienta velmi odlišně, i když je to důležité pro oba. Chcete-li adekvátně zohlednit výsledky, které chcete měřit, musíte zvážit, jejichž perspektiva(perspektivy) jsou nejlepší, ze kterých je možné vyhodnotit. Jasně určit na začátku analytický plán, perspektiva, ze které budete považovat výsledky chrání proti oběma zmatek a následnou manipulaci s daty, ať už náhodné, nebo ne. Zatímco úplný seznam potenciálních výsledků zájmu je nad rámec tohoto článku, následující tabulka zdůrazňuje některé z nejpoužívanějších kategorií výsledků.

Široce používané kategorie výsledků

Datové typy

kromě toho, aby takové výsledky, které vás zajímají, stojí za to přemýšlet o tom, jakým způsobem si představit údajů, zejména z hlediska datových typů.

Data přicházejí ve dvou hlavních příchutích: číselné a kategorické.

Číselné údaje

Numeric je jen, jak to zní; proměnná měří, je kvantitativní, je buď typu integer, která jsou celá čísla a plave, což jsou všechna čísla s některými non-celé číslo část.

Příklady na celá čísla patří počet dětí dodáno v nemocnici, výsledky Likertovy škály, dotazník na spokojenost pacienta, nebo počet minut, pořízené během operace, stejně jako mnoho, mnoho dalších.

kategorická data

kategorická data jsou data, která mohou mít pouze určité specifické hodnoty. Některé datové body jsou kategorické a dichotomické, což znamená, že proměnná může mít jeden a pouze jeden ze dvou možných výsledků. Například žárovka může být buď vypnutá, nebo zapnutá, ale bude to jedna z těchto možností, a ne druhá. Někdy existují více než dvě kategorie, což definuje nominální proměnnou. Nominální proměnné mají více různých možných hodnot, ale žádné přirozené uspořádání mezi nimi; příkladem mohou být druhy květin, kde rostlina může být růže, tulipán, sedmikráska, slunečnice, atd. Konečně, kategorické proměnné, které mají přirozené uspořádání, ale jsou stále omezeny na konkrétní výsledky, se nazývají ordinální.

příkladem tohoto typu proměnné může být kategorická reprezentace spokojenosti pacientů: nespokojená, mírně spokojená, spokojená, velmi spokojená. Dokonce i ti, kteří mají omezený vesmír možných výsledků, mají tyto úrovně přirozené uspořádání mezi sebou.

důvod, proč je tak důležité být si vědom výsledek typů a datových typů je proto, že budete do značné míry rozhodování o tom, jak modelovat data, která pak určí, které typy analýz jsou možné. Pokud chcete vědět, počet chirurgických operací v nemocnici za den, můžete použít skutečné celé číslo (1,2,3,atd.), nebo můžete rozložit je do vysoké, střední a nízké hlasitosti dní. Nakonec způsob, jakým se rozhodnete reprezentovat data, odhaluje těm, kteří čtou vaši práci, jak vnímáte svět a proč jste učinili rozhodnutí, která jste učinili. Nemusí s vámi souhlasit nebo být schopni reprodukovat vaše údaje, ale pokud neponecháte žádný prostor pro nejednoznačnost, není pochyb o pravdivosti vašich zjištění.

odkud pocházejí vaše údaje? Chystáte se je sbírat nebo je získat z jiného zdroje? Pokud zaznamenáváte data sami, je na vás, abyste se rozhodli, co zaznamenáte a co ne, což ovlivní Dostupné možnosti analýzy. Pokud ji nebudete sbírat sami, jak je datová sada aktuálně uložena (typ dat, Umístění atd.)? A velmi důležité: znát a porozumět procesu, kterým jsou data vytvářena a shromažďována. Nedorozumění v těchto otázkách může vést k výzkumu, který neodpovídá na zamýšlenou otázku.

Bonus tip: Proč najímání statistik by mohlo zachránit vaši studii

nejsem auto chlap. Když můj potřebuje pravidelnou práci nebo konkrétní opravu, jsem první, kdo to vezme do obchodu. Proč? Protože vím, že nemám schopnosti dělat svou práci. Stejně tak ne každý bude dělat své vlastní statistiky, a to buď proto, že nemají požadované školení, nebo jednoduše proto, že se rozhodnou dát své úsilí jinam. S tím na mysli, ty, kteří stále chtějí udělat výsledků výzkumu, ale nechci být zodpovědný za své vlastní analýza by měla zvážit pronájem nezávislý statistik, likes, které jste schopni snadno najít na Kolabtree.

pokud se rozhodnete pracovat se statistikem, udělejte si laskavost a zapojte je dříve než později. Jak je citován slavný (ne-li laskavě zapamatovaný) statistik R.a. Fisher, „konzultovat statistika po dokončení experimentu je často pouze požádat ho, aby provedl pitvu. Může snad říci, na co experiment zemřel.“

To je naprostá pravda, že jakmile experiment byl spuštěn, a shromážděné údaje, tam jsou některé metody analýzy, které jsou již k dispozici, které může být, pokud se liší rozhodnutí bylo učiněno v předchozích fázích výzkumu.

kromě toho, že nemusíte provádět vlastní statistickou analýzu, může mít práce se statistikem další hmatatelné a nehmotné výhody. Například, mají pravděpodobně prostřednictvím jejich výcvik byl vystaven nějaké složitější metody experimentální design nebo analýza, a je možné, že pomocí jednoho z těchto spíše než standardní metody by mohly výrazně ušetřit zdroje, jako jsou čas, účastníci, nebo peníze. Mohou také existovat nové nápady v oblasti, o kterých možná nevíte, jako jsou osvědčené postupy pro Reprodukovatelnost nálezů nebo nejaktuálnější softwarové balíčky pro komplexní analýzy. Nejlepší ze všech, právě teď by mohl být nejlepší čas zachytit vynikajícího statistika za výhodnou cenu. Vzhledem k chladným ekonomickým dopadům pandemie, jednotlivci napříč všemi procházkami byli tvrdě zasaženi. Statistici postižení pandemií hledají koncerty na volné noze a mnozí jsou ochotni dát buď slevy výměnou za loajalitu.

závěr

Toto není v žádném případě vyčerpávající diskuse o výsledcích výzkumu; spíše by měl sloužit jako intro velikosti kousnutí pro úplné nováčky. Ale i pro takové vědci, trochu up-front myslel, že o svou výsledek zájmu, jak datové prvky budou zastoupeny, a kde budete mít možnost získat data, může jít dlouhou cestu k zajištění, že výsledky výzkumu provedení je smysluplný a odpovídá na otázku, pro které máte v úmyslu. A pamatujte, pokud máte pocit, že nemůžete nebo nechcete udělat analýzu sami, nebo pokud byste se chtěli dozvědět více o nejnovější metody analýzy k dispozici, nezapomeňte hledat/oslovit své statistiky kolegy.

potřebujete pomoc s prováděním klinického hodnocení a analýzou výsledků? Poraďte se s konzultantem klinického výzkumu na Kolabtree nebo pracujte s nezávislým statistickým analytikem.