¿K significa que la estimación del tamaño de la muestra requiere una distribución normal?Hola a todos.
Estoy usando el estimador de tamaño de muestra k significa bajo DOE | Tamaño de muestra y potencia.
¿Los medios que envío usando esta función deben ser de un conjunto de datos normalmente distribuidos para que sean efectivos? No creo que ese sea el caso, especialmente porque k significa en JMP solo me permite enviar un máximo de 10 grupos, y algunos de mis conjuntos de datos tienen más que eso (en esta situación, envío aleatoriamente grupos de ese conjunto de datos a la función k significa después de calcular eso establece la desviación estándar).
Gracias por adelantado.Re: ¿K significa que la estimación del tamaño de la muestra requiere una distribución normal?Hola a todos. Perdón por saltar a la conversación.
Esto es lo que estoy escuchando...
Twoolman tiene datos de compañías de seguros que representan a varios cirujanos, pero es posible que no representen todas las cirugías que puede realizar un cirujano. Una compañía de seguros solo proporciona un subconjunto de cirugías en función de las cirugías cubiertas por la aseguradora.
Por lo tanto, parece que el número de observaciones es fijo, y parece como si Twoolman estuviera preguntando si el cálculo de la potencia de k-means se puede usar como una forma de excluir a ciertos médicos por tener muy pocas observaciones.
En general, probablemente no haría esto. Los cálculos de potencia son para un experimento planificado para observar un delta particular. A medida que este delta se hace más pequeño (o aumenta la variabilidad), necesitaríamos más muestras por grupo, menos en el escenario inverso. Prospectivamente, intentaríamos obtener tantas cirugías como sea posible para cumplir con los criterios del cálculo. Sin embargo, dado que el "experimento" ya está completo, estamos tomando las observaciones tal como están. No excluiría a los cirujanos con un número pequeño de cirugías solo porque pueden ser bastante diferentes a otros cirujanos
Sin embargo, hay que tener cuidado aquí. Las comparaciones (asumiendo que los pacientes llegan de alguna manera al azar al conjunto de cirujanos analizados) pueden identificar diferencias estadísticas entre el cirujano, pero la pregunta entonces es... ¿son clínicamente significativas estas diferencias? Esto suele ser un desafío para muchos puntos finales: podemos identificar diferencias estadísticas entre grupos, pero no tenemos idea de si las diferencias que hemos encontrado tienen alguna importancia práctica.
Mark señala que estos datos son observacionales, por lo que es probable que haya una serie de factores adicionales que deberían controlarse y que una comparación entre los cirujanos no tendría en cuenta. Esto podría involucrar covariables en un modelo o el uso de puntajes de propensión. No estoy seguro de si JMP tiene alguna característica para los puntajes de propensión, pero SAS tiene dos nuevos procedimientos descritos aquí .
Re: ¿K significa que la estimación del tamaño de la muestra requiere una distribución normal?Gracias, Marcos. Eso ha sido extremadamente útil.
Re: ¿K significa que la estimación del tamaño de la muestra requiere una distribución normal?El sesgo tiene que ver con la omisión de datos informativos. ¿La estimación es independiente o está condicionada a la naturaleza de la omisión (por ejemplo, afiliación a la red)? ¿La estimación es independiente del estado de afiliación a la red de seguros? Si las observaciones omitidas no son informativas, sus estimaciones serán imparciales. Este tema tiene mucho que ver con su pregunta sobre el análisis y la definición de la población. Entonces, si su alcance incluye solo una red de seguros y las estimaciones e inferencias no se aplicarán a ninguna otra red de seguros, entonces no tiene que preocuparse por el sesgo.
El tamaño de la muestra determina el error estándar de las estimaciones. Las estimaciones pueden ser de parámetros de población, parámetros del modelo o respuestas futuras (puntuación). Los grupos más pequeños exhibirán errores estándar más grandes (intervalos de confianza, predicción o tolerancia).
El sesgo y la varianza son atributos separados de las estimaciones, aunque a veces intercambiamos parte de uno (pequeño aumento en el sesgo) por el beneficio del otro (gran disminución en la varianza) para obtener una mejor precisión general.
No veo cómo la omisión de algunos grupos basada únicamente en un criterio arbitrario de tamaño de muestra introducirá sesgos. (Como dije anteriormente, algunas reglas para la omisión pueden sesgar las estimaciones). Sé que tal omisión disminuirá la cantidad de evidencia y necesariamente aumentará el ancho de los intervalos de las estimaciones. Su puntuación será menos precisa.
Estos comentarios son muy generales y se limitan a la identificación y recopilación de los datos. (Sin embargo, no es menos importante). Mucho depende también del método de análisis.
Re: ¿K significa que la estimación del tamaño de la muestra requiere una distribución normal?Gracias, Marcos. Sus comentarios son extremadamente útiles y agradecidos.
La preocupación que tenemos con tener un número mínimo de cirugías por cirujano es que estamos calificando a los cirujanos en función de métricas de rendimiento como el % de reingreso, el % de reinfección del sitio quirúrgico, etc. Queremos ser justos e imparciales al realizar ese análisis de puntuación. Es posible que tengamos el 100 % de las cirugías del cirujano X, pero solo el 25 % de las cirugías del cirujano Y según la afiliación a la red en nuestro conjunto de datos. ¿Sesgaría nuestros resultados de puntuación en este caso? Tenga en cuenta que las métricas de rendimiento anteriores son todos promedios basados en las observaciones que tenemos.
¡Gracias!
Re: ¿K significa que la estimación del tamaño de la muestra requiere una distribución normal?Estoy tratando de ayudar y no iniciar un conflicto basado en la semántica, pero su análisis aún se basa en datos de observación. El hecho de que los cirujanos incluidos en el análisis dependan de su afiliación a una determinada red de seguros tiene que ver con la definición de la población y la limitación de la inferencia a partir de los datos. Incluso si la afiliación es un predictor/factor, las unidades experimentales (cirujanos) no fueron asignadas aleatoriamente a los tratamientos (afiliación a la red de seguros). Un experimento es un estudio en el que usted determina (es decir, establece físicamente) las condiciones o los tratamientos, asigna aleatoriamente unidades experimentales a los tratamientos y mide la respuesta de una corrida.
Si bien en cierto sentido los cirujanos incluidos en su análisis son una muestra aleatoria, no constituyen una 'muestra aleatoria simple'. Tal muestra supone que todas las muestras posibles de un tamaño dado tenían la misma probabilidad de ser seleccionadas de la población. Ese no es el caso aquí.
¿Por qué es necesario excluir a los cirujanos en función del número de cirugías? ¿Cuál es el propósito de un número mínimo de cirugías?
Si aumenta el número de cirugías, aumenta la potencia de la prueba. Si el número de cirugías disminuye, entonces la potencia de la prueba disminuye. Si el número de cirugías es cero, entonces la potencia es cero (el riesgo de error tipo II es infinito).
Una vez más, estoy tratando de entender y ayudar.
Re: ¿K significa que la estimación del tamaño de la muestra requiere una distribución normal?Lo siento, no especifiqué algunos de los detalles adicionales.
El alfa que estamos dispuestos a aceptar es .20, con una potencia de .80. Esto se convierte en un experimento porque no necesariamente sabemos el número real de cirugías realizadas por cada cirujano. Esto puede suceder cuando estamos trabajando con una compañía de seguros y solo nos están dando datos de cirujanos que estaban realizando cirugías en hospitales que formaban parte de su red de seguros. Entonces, un cirujano dado puede haber realizado 100 cirugías de amigdalectomía en 2016, pero solo recibimos el 25% de esas observaciones.
Por lo tanto, esto se convierte en un tipo de experimento en el que, en estas condiciones en las que esencialmente solo obtenemos una muestra aleatoria de eventos por cirujano, ¿cómo definimos el límite de cuál es el número mínimo de observaciones por cirujano?
Estoy de acuerdo con usted en que cuando trabajamos con un hospital específico y tenemos acceso al 100 % de todos los datos del cirujano, simplemente podemos usar todas las observaciones y no preocuparnos por un límite de corte experimental.
Re: ¿K significa que la estimación del tamaño de la muestra requiere una distribución normal?Considere también la respuesta para cada observación. El ANOVA de una vía es para un medición que utiliza JMP continuo tipo de modelado . Si los datos son diferentes, como cuenta o categorías , entonces ninguna de las calculadoras de tamaño de muestra determina el tamaño de muestra correcto. En tales casos, puede utilizar el Modelos lineales generalizados plataforma o uno de los Regresión logística plataformas de Modelo de ajuste .
Re: ¿K significa que la estimación del tamaño de la muestra requiere una distribución normal?Creo que malinterpreta el uso de las calculadoras de tamaño de muestra. Su propósito es un determinación prospectiva dado un modelo correcto (p. ej., distribución normal con media = 0 y varianza constante), una varianza conocida, una diferencia mínima conocida para detectar, el nivel de significación (tasa de error tipo I aceptable) y la potencia deseada (1 - tipo aceptable II tasa de error). Esta determinación es muy útil en un experimento diseñado .
Su caso suena como un estudio observacional . Las cirugías ocurren independientemente de si alguien las está estudiando. ¿Por qué preseleccionaría grupos para estar dentro o fuera de su estudio por número de observaciones? Excluir un grupo solo puede disminuir la potencia en su prueba (ANOVA unidireccional). La exclusión de un grupo sesga sus estimaciones. Puede excluir al grupo más informativo de esta manera.
Si alguien me preguntara cuál es la mejor manera de comparar los grupos A y B con 20 observaciones, le diría que observe 10 de cada uno. Por otro lado, si me dijeran que tienen 17 observaciones del grupo A y 3 observaciones del grupo B, les diría que prueben los datos que tienen. No será tan informativo como el diseño anterior, pero es todo lo que tienen. (Por cierto, no sesgará las estimaciones pero inflará los errores estándar). Si excluyen el grupo B debido a la pequeña cantidad de observaciones, ¿qué les quedará?
Re: ¿K significa que la estimación del tamaño de la muestra requiere una distribución normal?Gracias por la rápida respuesta. ¿Puedo usar el ANOVA de Welch como método para indicarme el tamaño mínimo de muestra por grupo dentro de un conjunto de datos que contiene varios grupos?
Podría ayudar si doy un paso atrás y explico lo que estoy haciendo. Tengo observaciones por cirujano para múltiples tipos de cirugías. Para una cirugía específica (un conjunto de datos), podría tener 10 cirujanos diferentes (10 grupos diferentes) que realizaron esa cirugía y que quiero comparar entre sí. Cada cirujano en una cirugía determinada tiene un número diferente de cirugías realizadas. Estoy tratando de determinar el número mínimo de cirugías (eventos de observación) por grupo (por cirujano) para incluir a ese cirujano (grupo) en el análisis.
¡Gracias!
Tomás
Re: ¿K significa que la estimación del tamaño de la muestra requiere una distribución normal?Esta calculadora de tamaño de muestra se basa en el modelo de análisis de varianza (ANOVA) unidireccional que asume una varianza constante. La respuesta Y se modela como una combinación de un término constante (intersección o respuesta media en esta parametrización), los efectos de grupo X = k y los errores. (Tenga en cuenta que los efectos de grupo suman cero). Se supone que los errores se distribuyen normalmente con una media = 0 y una varianza que es independiente de los grupos.
No importa lo que sea k.
Si la varianza depende del nivel del factor (grupo), utilice el Welch ANOVA.
Si los errores no se distribuyen normalmente, utilice un método no paramétrico o un método de remuestreo.
