ANOVA, Survival and Power

Ich will für meine geplante Studie ausrechnen, wie viele Teilnehmer ich brauche um eine bestimmte Power zu erreichen. Welche Aussage(n) stimmen?

• Ich benötige das Signifikanz-Level Alpha

• Ich benötige den p-Wert meines Tests

• Ich muss wissen welche Power ich anstrebe in meiner Studie

• Es gibt ausser Alpha, Beta und Effektgrösse noch eine weitere wichtige Information, die ich brauche

Welche Aussage(n) ist/sind korrekt?

• Wenn ich mit einer kleinen Effektgröße rechne, brauche ich eine größere Stichprobe, um die gleiche Power zu erreichen.

• Die Power einer Studie entspricht der Wahrscheinlichkeit, die Nullhypothese abzulehnen, wenn die 0-Hypothese nicht zutrifft.

• Die Power ist definiert als 1 minus die Wahrscheinlichkeit, ein falsch negatives Resultat in einem statistischen Test zu bekommen.

• Posthoc die Power einer Studie zu berechnen wird empfohlen

Welche Aussage über ANOVA trifft zu? (single choice)

• Wenn die Nullhypothese der ANOVA abgelehnt wird, bedeutet das, dass alle Gruppenmittelwerte signifikant unterschiedlich sind.

• Eine hohe Variation innerhalb der Gruppen erhöht die Wahrscheinlichkeit, die Nullhypothese abzulehnen.

• Der F-Wert ist das Verhältnis der Variation innerhalb den Gruppen zur Variation zwischen der Gruppen.

• Die ANOVA prüft, ob die Mittelwerte mehrerer Gruppen unterschiedlich sind, ohne dabei paarweise Vergleiche durchzuführen.

Welche Aussage(n) ist/sind korrekt?

• Gruppe 2 hat die tiefere Wahrscheinlichkeit in Remission zu bleiben

• Es gibt viele Zensierungen in der Gruppe 2

• Eine Probandin, die in Remission geht in Woche 37 würde linkszensiert werden

• Am Schluss der Studie bleibt eine gemäss dem Graph unbekannte Menge an Probanden in Remission in Gruppe 1

LogRank-Test: Welche Aussage ist FALSCH?

• Die Null-Hypothese lautet, dass beide Überlebens-Kurven den gleichen Median survival haben.

• Er basiert auf der Annahme, dass die Zensuren unabhängig von der Überlebenszeit sind. 

• Die Teststatistik des log-rank-Tests folgt unter der Nullhypothese einer Chi-square Verteilung mit 1 Freiheitsgrad.

• Er wird häufig in klinischen Studien verwendet, um die Wirksamkeit einer neuen Behandlung im Vergleich zu einer Kontrollbehandlung festzustellen, wenn die Messung die Zeit bis zu einem Event ist.