Böylece evren çok büyük oranda bir “Atipik Olaylar ” yumağıdır dolayısı ile de belli kavramsal nedenlere bağlı olarak,belli sonuçların ortaya çıkması beklense de bu kesin değil olasıdır.

Neyse ki bu “olasılık” hiç bir kestirime olanak tanımayacak kadar rassal değildir ve bu sayede bilim belli ölçüde hata yapılabileceğini “önkabul” ederek nedensellik bağıntılarına ilişkin açıklamalar üretebilir.

Bu noktada neden olarak düşünülebilecek olgularda da bunlara bağlı sonuçlarda da kesin değil ” Değişken “değerlerle karşılaşacağımız anlaşılır. Değişken terimi ve ölçümlerdeki ” Değişim” (Varyans) buradan kaynak alırlar.

Bir değişkene ilişkin bilgi sayısal terimlerle yansıtılırken, gözlemlerin belli olasılık düzeyinde, hangi değişebilirlik aralığında bulunacağının yansıtılmasına çalışılır. Bu aşamada konu ile ilgili bilimdalının kabulleri, değişkenin özelliği, olayda kuramsal bir beklentinin olup olmaması,vs de etkin rol oynar. Sonuçta araştırmacının elinde – bazen istatistik uygulama yapılırken farkına varılmasa bile – gerçekleşme olasılığı bilinen değerler oluşur.

Örneğin hilesiz bir zarda “5” gelme Şansı, olasılığı yüzde 16.66 yani 0.1666 dır. 5 atıştan 4 ünün 6 gelmesi olasılığı ( p) ise p = 0.0032 yani onbinde otuzikidir. Bu konumun hesabı ise kuramsal bir olasılık dağılımı ile (Binom) yapılmıştır.

Sonucun çok küçük bir olasılıkta olması , normal koşullarda çok ender olabilecek bu beklenmez olay gerçekleşmiş ise bizim de yeni bir yorum getirmemize (zar tutulmaktadır) yol açar. Bu olayda 5 zar atımından yani belli sayıda örnekten söz edilmektedir.

“Sağlıklı, 45 yaş üzeri erkek toplumunun kalp hızı 78.6 ± 6.2 v/d dir ” bilgisinde ise, bir topluma ilişkin açıklama yapılmakta , olayın sayısal ortalamasının (78.6) yanı sıra, istatistiksel temel değişim göstergesi olan standart sapma (SD = 6.2) da verilmektedir. Bu toplumdan rastgele bir bireyin kalp hızının 86 nın üzerinde olması ise yine başka bir kuramsal dağılım çerçevesinde (Gauss) p=0.116 olarak hesaplanabilir.

Her iki örnekde de işlem, özel bir durumun, belli koşulları olan bir beklentiye ne ölçüde uyduğunu soruşturmak ve bunu ortaya çıkabilme olasılığı ile yansıtmaktır.Değişim aralığı belirlenebilen bir beklentinin olağanlık sınırları başka bir deyişle ” normallik ” sınırları ortaya konabiliyorsa, bunun dışına düşen yani ” olağandışı” ölçüm düzeyleri de saptanabilir .

Bu araştırıcıya, bulgusunun özel bir durum yansıtıp yansıtmadığını irdeleme şansı verir. Olağan sayılmayan durumlar yeni yorum ve bilgilerin kaynağıdır ve bunlar için tipik bir deyim olan “istatistiksel açıdan anlamlı” yargısı belirtilir.

Tıp ve diğer biyoloji kökenli bilimlerde, bu “olağandışı” sayılma sınırı , ortaya çıkma olasılığı ” p *<* 0.05 ” olan durumlar için geçerli kabul edilir.

Bu sınır önkabulseldir ve ilgilenilen konuya göre değişebilir .Klinik bulgularla desteklenmeyen, araştırma yöntembiliminin ve nedensellik bağının ana ilkelerine uymayan durumlarda, anlam taşımıyacağı açıktır.

Bilimsel çalışmada bu noktaya ters yönden de gelinebilir ve zaten genelde uygulanan bu tip bir geliştir.Başlangıçda araştırıcı, deneyimlerine, sezgi ,bilgi ve gözlemlerine dayalı olarak yeni bir varsayım kurgular. İstatistiksel yargılama bu varsayımın ,o ana dek bilinenlere veya kuramsal olarak bu varsayımın geçerli olmadığı duruma göre ne denli olağandışı sayılabileceğini soruşturur. Bu soruşturma ,kıyassal deneyin kurgusu gerekli örneklemin saptanması ve eldesi, değerlendirme yönteminin seçimi,olası hatalara karşı önlemler alınması gibi temel işlemleri içeren toplam bir Biyoistatistiksel eylemdir. Eylemin sonunda araştırıcının bulguları, o ana dek bilinen temel, kıyassal bilgilere göre olağan dışı (p<0.05) sayılabilecek denli farklı bulunursa ,bu farklılığı açıklayan yeni bir nedensel varsayım, doğru ,geçerli kabul edilir.Aksi durumda ise yeni varsayımın geçerliliği en azından bu aşamada ispatlanamamış olur ki bunun da gereğinde yeni bir bilgi olabileceği unutulmamalıdır.

Bilimde temel amaç geçerli doğru bilgiye erişebilmektir ve buna tam olarak ancak konu ile ilgili tüm olgulara yani olay toplumuna erişilirse ulaşılabilir.Bu durum hemen hemen daima olanaksızdır dolayısı ile de bilgiyi kısıtlı sayıda ögeden elde etmek zorunluluğu ortaya çıkar.

Tüm toplumun yerine konacak bu özel kümeye Örneklem adı verilir ve bunun sayısı, eldesi, toplumu simgeleme yetenekleri araştırma sonucunun doğru olmasında büyük önem taşır.Ne kadar yeterli ve benzeş olsa bile bir örneklemin, toplumun hiçbir zaman erişilmeyen gerçek değerlerini tam olarak vermesi beklenmez ve arada bir hata olacağı önkabullenilir. Biyoistatistik yargı , kısıtlı bir kümeden elde edilen sonuçlarla denetlenen araştırma varsayımının, gerçek evrensel bilgiye uyumunun değerlendirilmesi olarak da düşünülebilir.

Amaçlanan, gerçekte var olmayan bir oluşum için “geçerli” yorumunda bulunma hatasını veya bunun tersini olabildiğince az yapmaktır. Yeni bir ilacın ,belli bir hastalığı tedavi edebileceğini varsaydığınızı ve bunu ispatlamak için bir yargılama düzeni kurduğunuzu örnek olarak alalım.İlacın aslında evrensel gerçek olarak yararsız olduğunu düşünürsek, kendi koşullarınızla yargılamanız sonucu ilacı siz de yararsız – yararlı değil – bulabilirsiniz (yararlı varsayımını ispatlayamazsanız) ve bu durumda gerçek durumu yansıtmış olursunuz. Fakat yargılama düzenindeki çeşitli yanlışlar nedeni ile ilacın yararlı olduğu yanlış sonucuna da erişebilirsiniz böylece de gerçeğe aslında ters düşerek bir değerlendirme hatası yaparsınız.

Bu konumların benzeri ilacın gerçekte yararlı olduğu durum için de düşünülebilir. Böylece, gerçeğe göre sizin yargınızı yansıtan ve iki uyum iki de ters düşme içeren sonuçlar ortaya çıkar;

I. Tip hata; önkabulsel “p<0.05″ lik alanı yansıtmakta ve aslında yanlış olabilecek bir varsayımı hatalı olarak geçerli bulmayı olabildiğinde aza indirmeyi amaçlamaktadır.”a” olarak da adlandırılan bu hata tipi olumsuz sonuçlar veya en azından boşuna ümitler oluşturabilecektir.

II. Tip hata; – b hatası – ise aslında var olan bir gerçeği ispatlayamamakla oluşmaktadır.Bunun sonuçları bazen görünüşte fark edilmeyabilir ancak yararlı bilgilerin yaşama aktarılmasında büyük eksiklere neden olabilir.

‘a’ önkabulsel olmasına karşın b yı azaltmak öntembilimsel / biyoistatistiksel doğru yaklaşımlarla sağlanır.

Tüm bu kavramlar çerçevesinda, uygun, yeni bir bilgi olarak düşündüğü varsayımın geçerliliğini denetlemeyi düşünen araştırmacının, varsayımı aklına getiren ipucunu sezmesinden başlayarak izleyeceği yolun aşamaları aşağıdaki gibi olmalıdır;

– Amacın belirlenmesi ve varsayımın kurulması

– Yargılama düzeninin, tasarımının belirlenmesi

– Değişkenlerin ve ölçüm tiplerinin belirlenmesi (sürekli ölçüm düzeyi, sınıfsal değerlendirme, skorlama, ikili ölçüm, vs)

– Kıyas küme/konumlarının belirlenmesi

– Yeterli örneklem sayısının belirlenmesi

– Uygun örneklem yöntemi

– Seçim/Bilgilenme biaslarına önlem alınması

– İkincil etkenlere karşı örneklem yapısında alınabilecek önlemlerin belirlenmesi

– Kısıtlama / Çiftleme (Benzer eşleme) /Katmanlama + Rassallama (Bu önlemler tasarım ve araştırmanın gerçekleştirilmesi aşamasında alınmaz ise, istatistiksel değerlendirme düzeyinde bazı tekniklerle çözüm aranabilir.)

– Olguların ,Ölçülerin (sayımların) hatasız eldesi

– Tasarıma ve elde edilmiş verilerin özelliklerine uyan istatistiksel değerlendirme yönteminin belirlenmesi ve uygulanması

– Sonuçlara uyan yorumların, gereğinde genelleme ve/veya kestirimlerin belirtilmesi

– Veri ve sonuçların anlaşılır biçimde sunulması

The post Biyoistatistiksel Yargılamada Temel Kavramlar appeared first on Hepgün Ajans - Ansiklopedik Bilgiler I Bilim I Haberler I Hayvansever Kanalları I Hukuk I Film I Kitap I Sağlık I Tarih I Yaşam.

Oysa biyoloji ve tıp alanında istatistik analizin rolü tartışmaya çok daha az açıktır. Özellikle bulguların hayat kurtaran bir ilaç ya da prosedürün onaylanması ile rafa kadırılması arasındaki kadar önemli rol oynadığı bir alanda çalışmaların kesinlik, hassaslık, ve tekrarlanabilirlik açısından kusursuz olması gereklidir. Bir başka deyişle sosyal bilimlerde bilimsellik kriterlerini gevşetmeyi kadırabiliriz biraz ama tıp ve ilintili alanlarda bilimsel yöntemin gereklerini harfi harfine yerine getirmek şarttır.

Buraya kadar biyoistatistik konusunda bir şey söylemedik. Sonuçta bilimsel yöntem ille de en karmaşık analiz yöntemini kullanmak gerektiği anlamına gelmez. Aslına bakarsanız aynı sonuca, aynı kesinlikle ulaşmamızı sağlayan iki yöntem var ise basit olan yöntemi tercih etmek her zaman daha akıllıca ve güvenlidir. Ancak günümüzde modern araştırmacının önüne çıkan sorun şu ki araştırma konuları karmaşıklaştıkça araştırmadan elde edilen verilerin anlamlandırılabilmesi için gereken yöntemler de karmaşıklaşıyor. Birbiriyle ilintili pek çok faktörün rol oynadığı bir araştırmada basit karşılaştırmalar yetersiz kalıyor ve çok değişkenli analiz yöntemleri devreye girmek durumunda kalıyor. Kısacası araştırmalar karmaşık ve çok katmanlı hale geldikçe analiz yöntemleri de karmaşık hale geliyor.

Bugün istatistik doktora seviyesinde eğitimi verilen bir akademik alan. Bunun ima ettiği gerçek şu: En gelişmiş istatistik yöntemlerine hakim olmak ve layığıyla kullanabilmek için senelerce veri analizi üstünde çalışmış olmak gerek. Peki zaten en zor ve uzun eğitimlerden birisi olan tıp eğitiminin ne kadarı veri analizine adanabilir? Tıp doktorlarından en gelişmiş sayısal yöntemlere hakim olmalarını bekleyebilir miyiz? Elbette hayır. Peki o halde makale yazan hekimlerin ortalama ve kimi zaman ihtiyaçlarına cevap dahi vermeyen yöntemleri kullanmak zorunda kalmalarını normal mi karşılayacağız? Ona da hayır. Peki o zaman ne yapacağız? Doktorların akademik çalışmalarında istatistik ve analiz yöntemleri konusunda uzman kişiler ile işbirliği yapmalarını cesaretlendireceğiz. Bu elbette Dataist gibi veri analizi ve danışmanlık hizmeti veren şirketler ile kısıtlı değil. Hatta bence ilk olarak co-author olarak beraber makale yazma sürecine girmeleri gerek. Bunun için de doktorların ve istatistikçilerin iletişimin arttıracak kurumsal önlemler alınabilir.

Günümüzde fakülte yapıları ve kurumsal atalet disiplinlerarası çalışmaların yeeri kadar sık ve başarılı şekilde gerçekleştirilmesine olanak tanımıyor. İşte bu yüzden pek çok ülkede disiplinlerarası kaynaşma melez bölümler kurulmak suretiyle gerçekleştiriliyor. Biyoistatistik de bu melezlerden birisi. Amerika Birleşik Devletlerinde genellikle halk sağlığı fakültelerinin bünyesinde yer alan Bioistatistik bölümleri tıp, halk sağlığı, ve istatistiğin birleştiği bir nokta, bir alan yaratmaya yönlik olarak faaliyet gösteriyor. Bu bölümlerde eğitim alan öğrenciler sayısal yöntemler konusunda en iyi eğitimi alırken üzerinde çalışacakları verinin nereden geldiğini ve önemini de kavrayacakları kadar tıp bilgisi de ediniyorlar.

Biyoistatistik bölümlerinin istatistik kadar tıp bilgisi de vermesinin önemli bir sonucu da bu alanda kendini yetiştiren uzmanların tıbbi bir çalışma üzerinde çalışırken en doğru yöntemi seçmelerini kolaylaştırması. Tıp bilgisi yeteri kadar iyi olan biyoistatistikçiler tıp faaliyetleri ve araştırmaları sırasında üretilen veriyi yaratıcı şekilde test edecek yeni metotlar geliştirme konusunda da avantajlı oluyorlar.

Biyoistatistik, sonuçların son derece hayati olduğu bir faaliyet alanında kesinlik ve doğruluğuna güvenilecek bulgular elde edilmesine yardımcı oluyor.

The post Biyoistatistik Neden Önemlidir? appeared first on Hepgün Ajans - Ansiklopedik Bilgiler I Bilim I Haberler I Hayvansever Kanalları I Hukuk I Film I Kitap I Sağlık I Tarih I Yaşam.

Biyolojik bilimlerle ilgili araştırmalarda öngörülen varsayımın geçerliliğinin bilimsel kabulü için “gerçeklemenin (doğruluğu kanıtlama işleminin)” biyoistatistik yaklaşımlar ve değerlendirmelerle yapılmış olması gerekir. Tıp bilimlerinde böylesi bir “kabul” için araştırmanın “hata payının” en fazla %5 (p < 0.05) olması gerekmektedir.

The post Biyoistatistik Nedir? appeared first on Hepgün Ajans - Ansiklopedik Bilgiler I Bilim I Haberler I Hayvansever Kanalları I Hukuk I Film I Kitap I Sağlık I Tarih I Yaşam.