Impact van bepaalde beslissingen op Type I en II fouten

Dummie

Hallo,

Ik heb enkele vragen over de volgende studie:

In een studie worden 72 mensen gerandomiseerd over 6 groepen van 12 personen. Elke groep wordt aan een verschillende insectenspray A, B,....,F onderworpen en er wordt geteld hoeveel muggen zich op de bespoten huid vertonen gedurende een vaste tijdsperiode.

Een onderzoeker stelt op basis van boxplots visueel vast dat een cut-off van 7 muggen een goede scheiding oplevert tussen sprays A,B,F en C,D,E. Hij maakt daarom een variabele count >7 aan die de waarde 1 aangeeft als het aantal muggen groter is dan 7 en 0 anders, en een variabele groep die 1 aangeeft als de spray A, B, F is en 0 anders. Daarop voeren ze dan een chi kwadraat test uit.

De volgende beslissingen van de onderzoeker vormen een reden tot bezorgdheid. Verduidelijk waarom door te duiden wat de impact kan zijn op het voorkomen van Type I en Type II fouten.

1/ de beslissing om niet met de oorspronkelijke aantallen te werken, maar die binair te maken dmv een variabele die aangeeft of er meer of minder dan 7 muggen waren.

2/ het feit dat de cut-off van 7 muggen gebaseerd is op de visuele impressie van de data, alsook de beslissing om groepen A,B,F samen te voegen.

Alvast van harte dank voor de genomen moeite! Elyse

Saffron

Zijn dit jouw eigen vragen of komt dit uit een huiswerk-opdracht (het leest namelijk als een opdracht)? Wat zijn je eigen gedachten hierover?

Dummie

Dit is een ex-examenvraag, waarop ik absoluut geen deftig antwoord kan bedenken. Ik heb mijn cursus volledig gelezen/geleerd maar nergens heb ik iets gelezen over de gevolgen van binair maken of van voortgaan op visuele impressies. Bij die eerste vraag zou ik veronderstellen dat er geen rekening wordt gehouden met outliers als je alles binair maakt. Die kunnen het finale resultaat serieus beïnvloeden.

En verder vind ik dat het gebruik van een chikwadraat test hier niet aangewezen is, ik denk je dat veel accuratere resultaten kunt bereiken wanneer je een one way ANOVA gebruikt. Het aantal muggen is dan uw continue variabele en 6 groepen zijn je categorische variabelen. Je vergelijkt dan gemiddelden in meer dan 2 groepen. (maar dit volledig terzijde).

Saffron

De studie is een gerandomiseerde trial. De powerberekening die gedaan is om te bepalen hoeveel mensen er in elke groep nodig waren bij een bepaalde waarde van α en β was gebaseerd op een continue uitkomstmaat & bijbehorende toets. Echter, door van de uitkomstmaat een binaire variabele te maken, gaat die powerberekening niet meer op. Als je een nieuwe berekening zou maken op basis van een binaire uitkomstmaat met de gebruikte aantallen en dezelfde waarde van α, dan zou je β wel eens een stuk lager kunnen zijn (en idem voor als je de β gelijk zou houden, dan zou de α wel eens onacceptabel kunnen zijn).

Wat betreft die beslissingen op basis van een visuele impressie en het groeperen: dat is pure data-manipulatie. De cut-off en groepen worden zo aangepast dat de kans op het vinden van een significant effect kunstmatig vergroot wordt.

Dummie

Wauw.. Dank u wel om uw visie te geven op deze problemen. Het is meteen een pak duidelijker. Ik heb weer wat bijgeleerd!

Groetjes,

Elyse

Nog een klein vraagje: wat bedoelt u met 'trial'?

Saffron

trial is gewoon een ander woord voor onderzoek

Wetenschapsforum

Laatste berichten

Nieuwsberichten

Impact van bepaalde beslissingen op Type I en II fouten

Impact van bepaalde beslissingen op Type I en II fouten

Re: Impact van bepaalde beslissingen op Type I en II fouten

Re: Impact van bepaalde beslissingen op Type I en II fouten

Re: Impact van bepaalde beslissingen op Type I en II fouten

Re: Impact van bepaalde beslissingen op Type I en II fouten

Re: Impact van bepaalde beslissingen op Type I en II fouten